Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
", "aboutText": "Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.\n\nהארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.\n\n### חומרים חזותיים בתוך תהליך העבודה\n\nהמודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.\n\nנתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים `json_schema` מוחלף אוטומטית ב־`json_object`: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.\n\n### שתי דרכים להשיב\n\nQwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא `xhigh`; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה `low` מיועדת לשאלות פשוטות ולחילוץ מידע, `medium` לפיתוח יומיומי ולהכנת מסמכים, ו־`xhigh` לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־`reasoning_effort` או ב־`thinking_budget`; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.\n\nההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.\n\nאפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Reconcile a business table and note\n\nReconcile this table: Team A opened 30 cases and closed 24; Team B opened 20 and closed 25. Manager note: “Both backlogs fell.” Assume no transfers or other adjustments. Calculate each team’s backlog change, assess the note and draft a corrected two-sentence update. Keep calculations separate from proposed explanations.Two net-change calculations, an assessment of the note and a corrected short update.Check the sign convention and avoid inventing a cause for either team’s change.qwen3.8-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/messagestext, imagetext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen3.8-flash | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_block[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהsystem | סוגstring|content_block[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות מינימום: 1 המגבלה חלה על: התקרה המדויקת של המודל/הכרטיס שנבחר | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop_sequences | סוגstring[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגtool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].name | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: סופק כלי | ברירת מחדל— |
שדהtools[].description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].input_schema | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהthinking.type | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהthinking.budget_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהoutput_config.effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmetadata | סוגobject | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהcache_control | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content או בלוק type=text
טקסט + תמונה
{type:image,source:{type:base64,media_type,data}} או מקור מסוג type=url
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext, image |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/messagesלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.8-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.8-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="qwen3.8-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "qwen3.8-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='qwen3.8-flash',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen3.8-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/responsestext, imagetext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen3.8-flash | ברירת מחדל— |
שדהinput | סוגstring|input_item[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהinput[].type | סוגstring | דרישהרשות | ערכים ומגבלות message, reasoning, function_call, function_call_output | ברירת מחדל— |
שדהinput[].content | סוגstring|content_part[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהinput[].call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: function_call_output; שמרו את call_id שהוחזר בפועל | ברירת מחדל— |
שדהinput[].output | סוגstring|content_part[] | דרישהרשות | ערכים ומגבלות חל כאשר: function_call_output | ברירת מחדל— |
שדהmax_output_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגtool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning.effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning.summary | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtext.format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtext.verbosity | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinclude | סוגstring[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstore | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprevious_response_id | סוגstring | דרישהרשות | ערכים ומגבלות דרישת ID: רק מזהה תגובה בפועל מהמשך נתמך תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_key | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
טקסט · טקסט UTF8
טקסט קלט או חלק input_text
טקסט + תמונה
{type:input_image,image_url}
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext, image |
פרמטרrequired | מפרטmodel, input |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/responsesלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.8-flash", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.8-flash", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="qwen3.8-flash", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "qwen3.8-flash", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="qwen3.8-flash", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל פריט פלט וחלק תוכן, את call_id של הפונקציה בפועל, הנמקה מוצפנת ושימוש. בסטרימינג שמרו את זהות האירוע/הפריט במלואה.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהstatus | סוגstring |
שדהoutput[] | סוגmessage|reasoning|function_call|other item |
שדהoutput[].content[] | סוגcontent part |
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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen3.8-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/chat/completionstext, imagetext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen3.8-flash | 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 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— |
טקסט · טקסט UTF8
messages[].content
טקסט + תמונה
{type:image_url,image_url:{url,detail}}
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext, image |
פרמטרrequired | מפרטmodel, messages |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/chat/completionsלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.8-flash", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.8-flash", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="qwen3.8-flash",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "qwen3.8-flash",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='qwen3.8-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen3.8-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen3.8-flash | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: שיחת טקסט | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
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 |
פרמטרcontrol_scope | מפרטשיחת טקסט; stream הוא ערך בוליאני וברירת המחדל שלו היא false. |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
כינויים לשיטה: /chat/completions
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.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen3.8-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="qwen3.8-flash", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen3.8-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen3.8-flash | 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.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.8-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.8-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/messagestext, imagetext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen-flash | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_block[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהsystem | סוגstring|content_block[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות מינימום: 1 המגבלה חלה על: התקרה המדויקת של המודל/הכרטיס שנבחר | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop_sequences | סוגstring[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגtool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].name | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: סופק כלי | ברירת מחדל— |
שדהtools[].description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].input_schema | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהthinking.type | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהthinking.budget_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהoutput_config.effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmetadata | סוגobject | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהcache_control | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content או בלוק type=text
טקסט + תמונה
{type:image,source:{type:base64,media_type,data}} או מקור מסוג type=url
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext, image |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/messagesלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="qwen-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "qwen-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='qwen-flash',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/responsestext, imagetext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen-flash | ברירת מחדל— |
שדהinput | סוגstring|input_item[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהinput[].type | סוגstring | דרישהרשות | ערכים ומגבלות message, reasoning, function_call, function_call_output | ברירת מחדל— |
שדהinput[].content | סוגstring|content_part[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהinput[].call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: function_call_output; שמרו את call_id שהוחזר בפועל | ברירת מחדל— |
שדהinput[].output | סוגstring|content_part[] | דרישהרשות | ערכים ומגבלות חל כאשר: function_call_output | ברירת מחדל— |
שדהmax_output_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגtool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning.effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning.summary | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtext.format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtext.verbosity | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinclude | סוגstring[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstore | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprevious_response_id | סוגstring | דרישהרשות | ערכים ומגבלות דרישת ID: רק מזהה תגובה בפועל מהמשך נתמך תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_key | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
טקסט · טקסט UTF8
טקסט קלט או חלק input_text
טקסט + תמונה
{type:input_image,image_url}
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext, image |
פרמטרrequired | מפרטmodel, input |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/responsesלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="qwen-flash", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "qwen-flash", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="qwen-flash", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל פריט פלט וחלק תוכן, את call_id של הפונקציה בפועל, הנמקה מוצפנת ושימוש. בסטרימינג שמרו את זהות האירוע/הפריט במלואה.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהstatus | סוגstring |
שדהoutput[] | סוגmessage|reasoning|function_call|other item |
שדהoutput[].content[] | סוגcontent part |
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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/chat/completionstext, imagetext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen-flash | 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 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— |
טקסט · טקסט UTF8
messages[].content
טקסט + תמונה
{type:image_url,image_url:{url,detail}}
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext, image |
פרמטרrequired | מפרטmodel, messages |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/chat/completionsלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="qwen-flash",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "qwen-flash",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen-flash-latestמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/messagestext, imagetext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen-flash-latest | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_block[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהsystem | סוגstring|content_block[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות מינימום: 1 המגבלה חלה על: התקרה המדויקת של המודל/הכרטיס שנבחר | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop_sequences | סוגstring[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגtool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].name | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: סופק כלי | ברירת מחדל— |
שדהtools[].description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].input_schema | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהthinking.type | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהthinking.budget_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהoutput_config.effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmetadata | סוגobject | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהcache_control | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content או בלוק type=text
טקסט + תמונה
{type:image,source:{type:base64,media_type,data}} או מקור מסוג type=url
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext, image |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/messagesלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash-latest", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash-latest", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="qwen-flash-latest",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "qwen-flash-latest",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='qwen-flash-latest',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen-flash-latestמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/responsestext, imagetext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen-flash-latest | ברירת מחדל— |
שדהinput | סוגstring|input_item[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהinput[].type | סוגstring | דרישהרשות | ערכים ומגבלות message, reasoning, function_call, function_call_output | ברירת מחדל— |
שדהinput[].content | סוגstring|content_part[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהinput[].call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: function_call_output; שמרו את call_id שהוחזר בפועל | ברירת מחדל— |
שדהinput[].output | סוגstring|content_part[] | דרישהרשות | ערכים ומגבלות חל כאשר: function_call_output | ברירת מחדל— |
שדהmax_output_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגtool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning.effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning.summary | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtext.format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtext.verbosity | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinclude | סוגstring[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstore | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprevious_response_id | סוגstring | דרישהרשות | ערכים ומגבלות דרישת ID: רק מזהה תגובה בפועל מהמשך נתמך תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_key | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
טקסט · טקסט UTF8
טקסט קלט או חלק input_text
טקסט + תמונה
{type:input_image,image_url}
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext, image |
פרמטרrequired | מפרטmodel, input |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/responsesלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash-latest", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash-latest", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="qwen-flash-latest", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "qwen-flash-latest", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="qwen-flash-latest", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל פריט פלט וחלק תוכן, את call_id של הפונקציה בפועל, הנמקה מוצפנת ושימוש. בסטרימינג שמרו את זהות האירוע/הפריט במלואה.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהstatus | סוגstring |
שדהoutput[] | סוגmessage|reasoning|function_call|other item |
שדהoutput[].content[] | סוגcontent part |
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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen-flash-latestמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/chat/completionstext, imagetext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen-flash-latest | 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 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— |
טקסט · טקסט UTF8
messages[].content
טקסט + תמונה
{type:image_url,image_url:{url,detail}}
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext, image |
פרמטרrequired | מפרטmodel, messages |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/chat/completionsלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash-latest", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-flash-latest", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="qwen-flash-latest",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "qwen-flash-latest",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-flash-latest',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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen/qwen3.8-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3.8-flash | 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.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.8-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.8-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
qwen/qwen3.8-flashמודל רב־מודלי לסוכני תוכנה ולמשימות משרדיות עם הקשר גדול. ב־Ailoot מנתח טקסט ותמונות ומפיק תשובה טקסטואלית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3.8-Flash משלב פיתוח תוכנה, עבודה משרדית רציפה והבנת חומרים חזותיים. Alibaba מתארת אותו כמודל לסוכן שמתכנן פעולות, מקבל משוב ומדייק את השלבים הבאים. בין תחומי השימוש המוצהרים: יצירת כלי תוכנה ופיתוחם, עבודה עם חומרים עסקיים ומשימות שבהן הפתרון תלוי בתוכן המסך או המסמך.
הארכיטקטורה כוללת 125 מיליארד פרמטרים, שמתוכם 6 מיליארד מופעלים לכל טוקן. קשב היברידי משלב GDN ו־QSA כדי לשמור על רצף ארוך ולחלץ את המידע הדרוש. מנגנון חיבורים שיוריים מחלק את זרם המידע לארבעה ענפים מקבילים, ומנגנון N-gram Embedding מוסיף 51 מיליארד פרמטרים; באימון משתמשים באופטימייזר Muon. המבנה הזה מתייחס לארגון הפנימי של המודל. בכרטיס הנוכחי של Ailoot מוצגים טקסט ותמונות כקלט, וטקסט כפלט. Alibaba מתארת גם עיבוד משולב של וידאו; קלט וידאו דורש תמיכה נפרדת ואינו מוצג בשיטות הנוכחיות של הכרטיס.
המודל יכול לנתח צילומי מסך, לחלץ טקסט ממסמכים ולהשתמש בתמונה כמקור מנחה להכנת קוד. בגרסה שמתארת Alibaba רצף הווידאו מנותח דרך הפריימים: כך אפשר לתאר את המתרחש, לזהות את התוכן של סרטון לימודי ולבדוק פרטים חזותיים. הפלט של המודל עצמו הוא טקסט — הסבר, קוד, קריאה לכלי או מידע מובנה.
נתמכות פונקציות שמבצע היישום המחובר. במצב הסקה המודל קובע תחילה אילו פעולות נדרשות וכיצד להשתמש בתוצאתן, ואז ממשיך את התשובה. שמירת ההסקה הקודמת מסייעת לנהל עבודה ארוכה עם כלים. פלט מובנה מתאים לחילוץ נתונים שתוכנה מעבדת בהמשך; אפשר להגדיר את המבנה הרצוי ואת טיפוסי השדות. אצל היצרן סכמה קשיחה מתייחסת לבקשות טקסטואליות. בתמונות ובנתונים רב־מודליים אחרים json_schema מוחלף אוטומטית ב־json_object: התוצאה היא JSON, אך מגבלות הסכמה המוגדרת אינן חלות. זמינות ההגדרות האלה נקבעת לפי השיטה שנבחרה ב־Ailoot.
Qwen3.8-Flash תומך בהסקה ובתשובה ישירה. אצל היצרן ההסקה מופעלת כברירת מחדל, והעוצמה הרגילה היא xhigh; התמיכה בהגדרות תלויה בשיטה שנבחרה. הרמה low מיועדת לשאלות פשוטות ולחילוץ מידע, medium לפיתוח יומיומי ולהכנת מסמכים, ו־xhigh לקוד מורכב, להוכחות מתמטיות ולמשימות ארכיטקטורה. העומק שנבחר משפיע על היקף הניתוח המקדים. אם השיטה שנבחרה מספקת את ההגדרות האלה, אצל היצרן משתמשים ב־reasoning_effort או ב־thinking_budget; מסירת שני אמצעי הבקרה האלה יחד גורמת לשגיאה. אם ההסקה כבויה, המודל מפיק מיד תשובה.
ההקשר מכיל 1 000 000 טוקנים. אורך הקלט המרבי הוא 991 808 טוקנים, ובמצב הסקה — 983 616. הפלט המרבי הוא 131 072 טוקנים, ומגבלת ההסקה הנפרדת היא 262 144. במפרט החזותי של Alibaba מצוינות תמונות של עד 16 מיליון פיקסלים ווידאו של עד שעתיים בגודל של עד 2 גיגה־בייט. היצרן מספק עד 2048 תמונות לפי כתובת או עד 250 תמונות ב־Base64 ועד 64 סרטוני וידאו בכל בקשה. המגבלות האלה חלות יחד עם ההקשר הכולל ומתארות את גרסת היצרן; השיטות הנוכחיות של Ailoot מפרסמות קלט של טקסט ותמונות, ולא קלט וידאו או את המגבלות הכמותיות האלה.
אפשר לשמור במטמון את החלק החוזר של ההקשר לבקשות בהמשך. המנגנון עובד עם התחלה משותפת של חומרי הקלט; קיומו אינו משנה את תוכן המשימה ואינו אומר שכל בקשה בהכרח משתמשת בהקשר שנשמר בעבר.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3.8-flash | 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.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0003 / 1K טוקנים פלט · טוקני פלט $0.00094 / 1K טוקנים קלט · קריאה מהמטמון $0.000032 / 1K טוקנים קלט · כתיבה למטמון $0.0004 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen/qwen3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen3.8-flash, qwen-flash, qwen-flash-latest
Ailoot Ultra qwen3.8-flash, qwen/qwen3.8-flash
/chat/completions
qwen/qwen3.8-flash, qwen-flash, qwen-flash-latest, qwen3.8-flash, qwen3.8-flash
דוגמה טכנית באנגלית
Reconcile a business table and note\n\nReconcile this table: Team A opened 30 cases and closed 24; Team B opened 20 and closed 25. Manager note: “Both backlogs fell.” Assume no transfers or other adjustments. Calculate each team’s backlog change, assess the note and draft a corrected two-sentence update. Keep calculations separate from proposed explanations.Two net-change calculations, an assessment of the note and a corrected short update.Check the sign convention and avoid inventing a cause for either team’s change.