Source: https://ailoot.ai/models/he/tongyi-zhiwen-qwenlong-l1-32b/ Canonical: https://ailoot.ai/models/he/tongyi-zhiwen-qwenlong-l1-32b/ Language: he # QwenLong L1 32B [Markdown](https://ailoot.ai/models/he/tongyi-zhiwen-qwenlong-l1-32b/index.md) · [JSON](https://ailoot.ai/models/he/tongyi-zhiwen-qwenlong-l1-32b/facts.json) ## [QwenLong L1 32B](https://ailoot.ai/models/he/tongyi-zhiwen-qwenlong-l1-32b/) QwenLong-L1-32B הוא מודל ההסקה הטקסטואלית של Tongyi Lab לשאלות המעוגנות במסמכים ארוכים. הוא משלב נקודת פתיחה של DeepSeek-R1-Distill-Qwen-32B עם למידת חיזוק ממוקדת מסמכים להסקה מספרית, לוגית ובין־מסמכית. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/he/tongyi-zhiwen-qwenlong-l1-32b/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/he/tongyi-zhiwen-qwenlong-l1-32b/#method-1) על המודל התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה. מבוא: הסקה על מסמכים ארוכים QwenLong-L1-32B הוא מודל ההסקה הטקסטואלית בהקשר ארוך של Tongyi Lab. מטרתו לענות על שאלות שהראיות להן מפוזרות לאורך מסמך או בין כמה מסמכים, ולא רק לחזור על קטע סמוך. הוא נבנה מ־DeepSeek-R1-Distill-Qwen-32B ואומן בהמשך להסקה המעוגנת במסמכים. ספקו טקסט ושאלה; המודל יוצר רצף הסקה טקסטואלי ותשובה. עמודים סרוקים, אודיו ווידאו דורשים שלב המרה נפרד מתאים לפני תהליך הטקסט הזה. כיצד פועל אימון ההקשר הארוך מסגרת QwenLong-L1 מחממת תחילה מדיניות הסקה באמצעות כוונון עדין מונחה, ואז מגדילה את אורך ההקשר באמצעות תוכנית לימוד של למידת חיזוק. דגימה רטרוספקטיבית המודעת לקושי מתאימה אילו דוגמאות ייבחנו מחדש ככל שהאימון מתקדם. היצרן משלב תגמולי תוצאה בינאריים מבוססי כללים ומבוססי מודל, תוך שימוש באופטימיזציית מדיניות יחסית לקבוצה כדי לעודד תשובות הנשארות מעוגנות בראיות ארוכות. הדבר מתאר את גישת האימון של נקודת השמירה; אין פירושו שתשובה בודדת מאומתת אוטומטית בידי שופט חיצוני. המהדורה שפורסמה זוהי גרסת QwenLong-L1-32B המקורית. QwenLong-L1-32B-AWQ, בעלת שם נפרד, היא מהדורה מכוומתת INT4 וצריכה לשמור על זהותה משלה. התצורה שפורסמה למודל זה משתמשת בארכיטקטורת מודל שפה סיבתי Qwen2 עם 64 שכבות ומשקולות bfloat16. ההתמחות של המודל במסמכים רלוונטית לבחירה יותר מהתייחסות לשם 32B כהוכחה לכך שכל משימה כללית תשתפר. הכנת שאלה על מסמך דוגמת היצרן מפרידה בין המסמך לשאלה באמצעות תוחמי טקסט מפורשים ומבקשת ביטוי מזוהה לתשובה הסופית לאחר ההסקה. פעלו לפי המבנה הזה: ספקו את גוף המסמך הרלוונטי, שמרו על כותרות וטבלאות קריאות ושאלו שאלה קונקרטית אחת. בחישוב מתוך דוח, שמרו על יחידות, תקופות דיווח ותוויות טבלה, ואז בקשו את הנוסחה, את הערכים ששימשו ואת התוצאה הסופית. בהשוואת מדיניות, סמנו את המסמכים A ו־B ובקשו טבלה של כללים תואמים, הבדלים וסעיף תומך לכל שורה. אלה דוגמאות יישום שנכתבו על בסיס היכולות המספריות והבין־מסמכיות המתועדות. הדוגמה מנתחת בנפרד את טקסט ההסקה ואת טקסט התשובה הסופית. היא משתמשת בתקציב יצירה של 10,000 טוקנים, ב־temperature 0.7 וב־top\_p 0.95; אלה הגדרות לדוגמה, ולא אורך פלט מרבי מוצהר. הכרטיס מציג גם הודעת מערכת אופציונלית לקביעת זהות. שמרו על הנחיות ההנחיה של המודל עצמו, במקום לייבא המלצות מנקודת שמירה אחרת רק מפני שהיא מופיעה בשושלת המודל. עיבוד מסמכים ארוכים Tongyi Lab מאמתת אורכי הקשר עד 131,072 טוקנים באמצעות YaRN וממליצה על הרחבה כאשר הקלט והפלט יחד עולים במידה ניכרת על 32,768 טוקנים. הדוגמאות שלה מתארות מקדם של ארבע, או מקדם קטן יותר כגון שתיים לעומס של 65,536 טוקנים. הרחבה סטטית עלולה להפחית ביצועים בטקסט קצר יותר, ולכן הכרטיס ממליץ שלא להפעילה כאשר בקשות רגילות נשארות בתוך 32,768 טוקנים. התצורה שפורסמה מציינת 131,072 מיקומים אך ללא שדה rope\_scaling מופעל; לכן יש לבדוק יחד את התצורה ואת ההליך המותנה של היצרן להקשר ארוך. גם קלט ארוך צריך להשאיר מקום להסקה ולתשובה. התחילו בקטעים הדרושים לשאלה, הסירו כותרות וטקסט ניווט חוזרים ושמרו מזהי עמודים או סעיפים. בקשו הפניות לראיות בתוצאה כדי שבודק יוכל להתחקות אחר המסקנה בחזרה לחומר שסופק. מכסת הקשר גדולה מסייעת לכלול יותר ראיות בבקשה אחת; היא אינה מבססת זכירה מושלמת של כל פרט. מה מכסה האימון על מסמכים DocQA-RL-1.6K מכיל 1,600 בעיות אימון בשלושה תחומי הסקה: 600 שאלות מספריות ממסמכים ייעודיים ארוכים כגון דוחות פיננסיים; 600 שאלות לוגיות מרובות ברירה על מסמכים משפטיים, פיננסיים, ביטוחיים ומסמכי ייצור; ו־400 דוגמאות רב־שלביות המקשרות ראיות בין מקורות. כך המודל הוא מועמד רלוונטי לחישובי דוחות, לפירוש כללים ולשאלות הדורשות כמה קטעים תומכים. תחומי האימון מתארים ניסיון במשימות הללו, ולא הסמכה מקצועית או מסקנות מובטחות. פלט מעשי ומגבלות בחרו תשובה שניתן לבדוק: ערך מחושב עם יחידות, השוואת כללים עם הפניות לסעיפים או מסקנה קצרה עם שרשרת העובדות התומכות בה. אם המסמך אינו כולל תאריך או הגדרה נדרשים, בקשו מהמודל לזהות את הראיות החסרות במקום להמציא אותן. חומרי הגרסה מתמקדים במענה לשאלות על מסמכים ואינם מבססים חוזה ייעודי לקריאת כלים או תקרת פלט קשיחה נפרדת. התייחסו לתשובות כטיוטות מעוגנות במקורות ואמתו חישובים, הפניות ופירושים מול המסמכים שסופקו. משימה מעשית ### משימה מעשית דוגמה טכנית באנגלית ``` Connect evidence across report sections Document section 1 says 240 units were shipped. Section 4 says 30 shipped units were returned before month end. Appendix A says net shipped units equal shipped minus returned units. Calculate net shipped units for the month, cite every section needed and state whether revenue can be calculated from these facts. End with a clearly labelled final answer. ``` #### התוצאה הצפויה ``` A source-linked formula and calculation, a revenue-information limit and a labelled final result. ``` #### בדיקת התוצאה ``` Check that all three source sections support the calculation and that a price or revenue value is not invented. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Tongyi-Zhiwen/QwenLong-L1-32B` [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/he/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=chat) אחר /`Tongyi-Zhiwen/QwenLong-L1-32B` ### התחלה QwenLong-L1-32B הוא מודל ההסקה הטקסטואלית של Tongyi Lab לשאלות המעוגנות במסמכים ארוכים. הוא משלב נקודת פתיחה של DeepSeek-R1-Distill-Qwen-32B עם למידת חיזוק ממוקדת מסמכים להסקה מספרית, לוגית ובין־מסמכית. סוגי קלט נתמכים טקסט תוצאות טקסט ### זמין ב-Ailoot · קלט ושיטות **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` סוגי קלט `text` סוגי פלט `text` פורמט פלט json או SSE | שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל | | --- | --- | --- | --- | --- | | שדה`model` | סוג`string` | דרישהחובה | ערכים ומגבלות Tongyi-Zhiwen/QwenLong-L1-32B | ברירת מחדל— | | שדה`messages` | סוג`message[]` | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: ⁦1⁩ | ברירת מחדל— | | שדה`messages[].role` | סוג`string` | 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— | | שדה`messages[].content` | סוג`string\|content_part[]\|null` | דרישהרשות | ערכים ומגבלות | ברירת מחדל— | | שדה`messages[].tool_calls` | סוג`tool_call[]` | דרישהרשות | ערכים ומגבלות | ברירת מחדל— | | שדה`messages[].tool_call_id` | סוג`string` | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— | | שדה`messages[].name` | סוג`string` | דרישהרשות | ערכים ומגבלות | ברירת מחדל— | | שדה`messages[].reasoning_content` | סוג`string` | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— | | שדה`messages[].reasoning_details` | סוג`object\|array` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`max_tokens` | סוג`integer` | דרישהרשות | ערכים ומגבלות מינימום: ⁦1⁩ תלוי במודל | ברירת מחדל— | | שדה`max_completion_tokens` | סוג`integer` | דרישהרשות | ערכים ומגבלות מינימום: ⁦1⁩ תלוי במודל | ברירת מחדל— | | שדה`stream` | סוג`boolean` | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse | | שדה`stream_options.include_usage` | סוג`boolean` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`temperature` | סוג`number` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`top_p` | סוג`number` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`stop` | סוג`string\|string[]` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`tools` | סוג`function_tool[]` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`tools[].type` | סוג`string` | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— | | שדה`tools[].function.name` | סוג`string` | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— | | שדה`tools[].function.description` | סוג`string` | דרישהרשות | ערכים ומגבלות | ברירת מחדל— | | שדה`tools[].function.parameters` | סוג`JSON_schema` | דרישהרשות | ערכים ומגבלות | ברירת מחדל— | | שדה`tool_choice` | סוג`string\|object` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`parallel_tool_calls` | סוג`boolean` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`response_format` | סוג`object` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`reasoning_effort` | סוג`string` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`reasoning` | סוג`object` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`service_tier` | סוג`string` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`instructions` | סוג`string` | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— | | שדה`functions` | סוג`function[]` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`function_call` | סוג`string\|object` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`prompt_cache_options` | סוג`object` | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— | | שדה`modalities` | סוג`string[]` | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— | | שדה`provider` | סוג`object` | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— | | שדה`cache_control.ttl` | סוג`string` | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— | שילובים של חומרי קלט **טקסט** · טקסט UTF8 `messages[].content` פרמטרים ומחזור חיים של השיטה | פרמטר | מפרט | | --- | --- | | פרמטר`content_type` | מפרטapplication/json | | פרמטר`required` | מפרטmodel, messages | | פרמטר`material_types` | מפרטtext | | פרמטר`messages` | מפרטמערך הודעות במבנה role/content | | פרמטר`file_material` | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ | | פרמטר`optional_controls` | מפרטstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | פרמטר`control_scope` | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים | | פרמטר`output_modalities` | מפרטtext | | פרמטר`hosted_operations` | מפרטfalse | | פרמטר`multimodal_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. ### תעריפים מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה. מצב מהיר לא צוין כאשר נבחר מצב מהיר מצב Flex לא צוין כאשר נבחר מצב flex מאמץ חשיבה מרבי לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default) #### תעריפי Ailoot #### מחירים לפי תצורה | תצורה | טבלת תעריפים | חיוב | | --- | --- | --- | | תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט **$0.00028** / 1K טוקנים פלט · טוקני פלט **$0.0012** / 1K טוקנים קלט · קריאה מהמטמון **$0** / 1K טוקנים קלט · כתיבה למטמון **$0** / 1K טוקנים קלט · כתיבה למטמון, 1 שעה **—** / 1K טוקנים | לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. [איך פועלים שריון הסכום והסדרת החיוב →](https://ailoot.ai/docs/he/billing/reserve/) ### דוגמאות לבקשות #### Ailoot Ultra · OpenAI Chat curlPython SDKהזרמה ב-Python ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "Tongyi-Zhiwen/QwenLong-L1-32B", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='Tongyi-Zhiwen/QwenLong-L1-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='Tongyi-Zhiwen/QwenLong-L1-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### קבלה ושמירה של תוצאות #### Ailoot Ultra · OpenAI Chat json או SSE ##### שמירת כל התוצאות שהושלמו 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. ##### כשצריך לבדוק את התגובה המקורית שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט. שדות התגובה | שדה | סוג | | --- | --- | | שדה`choices[].index` | סוגinteger | | שדה`choices[].message.content` | סוגstring\|null | | שדה`choices[].message.tool_calls` | סוגtool\_call\[\] | | שדה`choices[].message.reasoning_content` | סוגstring | | שדה`choices[].message.reasoning_details` | סוגobject\|array | | שדה`choices[].finish_reason` | סוגstring\|null | | שדה`usage` | סוגobject | שגיאות והשלבים הבאים | 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. | ### כינויים #### כינויים למודל **Ailoot Ultra** [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/he/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=chat) #### כינויים לנתיבי שיטות השתמשו בנתיבי השיטות המוצגים למעלה. #### מזהי מודלים קשורים IDs [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/he/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Tongyi-Zhiwen/QwenLong-L1-32B` [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/he/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=messages) אחר /`Tongyi-Zhiwen/QwenLong-L1-32B` ### התחלה QwenLong-L1-32B הוא מודל ההסקה הטקסטואלית של Tongyi Lab לשאלות המעוגנות במסמכים ארוכים. הוא משלב נקודת פתיחה של DeepSeek-R1-Distill-Qwen-32B עם למידת חיזוק ממוקדת מסמכים להסקה מספרית, לוגית ובין־מסמכית. סוגי קלט נתמכים טקסט תוצאות json · sse ### זמין ב-Ailoot · קלט ושיטות **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` סוגי קלט `text` סוגי פלט `json`, `sse` פורמט פלט JSON או SSE | שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל | | --- | --- | --- | --- | --- | | שדה`model` | סוג`string` | דרישהחובה | ערכים ומגבלות Tongyi-Zhiwen/QwenLong-L1-32B | ברירת מחדל— | | שדה`messages` | סוג`message[]` | דרישהחובה | ערכים ומגבלות | ברירת מחדל— | | שדה`messages[].role` | סוג`string` | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— | | שדה`messages[].content` | סוג`string` | דרישהחובה | ערכים ומגבלות | ברירת מחדל— | | שדה`max_tokens` | סוג`integer` | דרישהחובה | ערכים ומגבלות | ברירת מחדל— | | שדה`stream` | סוג`boolean` | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse | שילובים של חומרי קלט **טקסט** · טקסט UTF-8 `מחרוזת messages[].content` פרמטרים ומחזור חיים של השיטה | פרמטר | מפרט | | --- | --- | | פרמטר`content_type` | מפרטapplication/json | | פרמטר`required` | מפרטmodel, messages, max\_tokens | | פרמטר`optional_controls` | מפרטstream | | פרמטר`material_types` | מפרטtext | | פרמטר`text_file_material` | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. | מחזור חיים: `synchronous_or_streamed` ### תעריפים מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה. מצב מהיר לא צוין כאשר נבחר מצב מהיר מצב Flex לא צוין כאשר נבחר מצב flex מאמץ חשיבה מרבי לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default) #### תעריפי Ailoot #### מחירים לפי תצורה | תצורה | טבלת תעריפים | חיוב | | --- | --- | --- | | תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט **$0.00028** / 1K טוקנים פלט · טוקני פלט **$0.0012** / 1K טוקנים קלט · קריאה מהמטמון **$0** / 1K טוקנים קלט · כתיבה למטמון **$0** / 1K טוקנים קלט · כתיבה למטמון, 1 שעה **—** / 1K טוקנים | לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. [איך פועלים שריון הסכום והסדרת החיוב →](https://ailoot.ai/docs/he/billing/reserve/) ### דוגמאות לבקשות #### Ailoot Ultra · Anthropic Messages גוף JSON מינימלי ושלםcurl · השתמשו במסמך UTF-8 שלכםPython · שמרו את התוצאה המלאה ```json { "model": "Tongyi-Zhiwen/QwenLong-L1-32B", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'Tongyi-Zhiwen/QwenLong-L1-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'Tongyi-Zhiwen/QwenLong-L1-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### קבלה ושמירה של תוצאות #### Ailoot Ultra · Anthropic Messages JSON או SSE ##### שמירת כל התוצאות שהושלמו 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. ##### כשצריך לבדוק את התגובה המקורית שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט. שדות התגובה | שדה | סוג | | --- | --- | | שדה`id` | סוגstring | | שדה`model` | סוגstring | | שדה`content[]` | סוגtext\|thinking\|tool\_use\|other content block | | שדה`stop_reason` | סוגstring\|null | | שדה`usage` | סוגobject | שגיאות והשלבים הבאים | 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. | ### כינויים #### כינויים למודל **Ailoot Ultra** [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/he/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=messages) #### כינויים לנתיבי שיטות השתמשו בנתיבי השיטות המוצגים למעלה. #### מזהי מודלים קשורים IDs [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/he/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=messages) FAQ · Tongyi-Zhiwen/QwenLong-L1-32B אילו קלטים ותוצאות זמינים? `POST /v1/chat/completions` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `text` → `text` `POST /v1/messages` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `text` → `json`, `sse` באילו שדות הבקשה משתמשת? `POST /v1/chat/completions` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `model`, `messages`, `max_tokens`, `stream` אילו מגבלות חלות? `POST /v1/chat/completions` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `messages.min_items`: `1` חברו Ailoot ל- Claude Code, OpenCode, Hermes או ליישום שלכם. ## החברה ופורטפוליו הפרויקטים שלה החברה ופורטפוליו הפרויקטים שלה: מיליוני לקוחות; מכירות בהיקף של מיליארדים מדי חודש. ## קנו אסימונים בהנחה. הנחת מנוי לעבודה קבועה. קודי הנחה עד 50% על רכישת אסימונים. מנוי בחרו מסלול עם הנחה לבקשות הקבועות שלכם. קוד הנחה עד 50% הזינו קוד ברכישה. המחיר יחושב מחדש לפי המבצע הפעיל. הוצאות בהיסטוריה המודל, האסימונים והסכום נשמרים לכל בקשה. [בחירת מנוי](https://ailoot.ai/docs/he/billing/subscriptions/) · [מחירי מודלים](https://ailoot.ai/models/he/) ## חברו API למוצר שאתם מוכרים. SaaS, יישומים ובוטים לפי ההצעה והסכם הרישוי של Ailoot. למכירה מחדש בקשו רישיון משווק. יישום מסחרי שלבו יצירת טקסט, תמונות, וידאו ושמע בתכונות בתשלום של השירות שלכם. רישיון למכירה מחדש שלחו תיאור פרויקט ואופן מתן גישה. בקשו תנאי שימוש ומכירה מחדש בכתב. מסמכים באתר ההצעה, הסכם הרישוי ומדיניות עיבוד הנתונים זמינים לפני החיבור. [בקשת רישיון למכירה מחדש](mailto:support@ailoot.ai) · [ההצעה והסכם הרישוי](https://ailoot.ai/legal/offer?lang=he) ## Ailoot · החברה ופורטפוליו הפרויקטים שלה Ailoot נשענת על ניסיון תפעולי מצטבר, בסיס לקוחות רחב, שירות יציב ובקרה שוטפת של KPI. החברה ופורטפוליו הפרויקטים שלה: מיליוני לקוחות; מכירות בהיקף של מיליארדים מדי חודש. Ailoot משתמשת בניסיון התפעולי הזה כדי לספק גישת API ליכולות AI במוצרי לקוחות, בסוכנים, באפליקציות ובאוטומציות.