A Qwen3.5 fő jellemzői: ritka vizuális-nyelvi modellváltozat
A Qwen3.5-35B-A3B utótanított vizuális-nyelvi modell, amely a szöveg-, kép- és videómegértést szöveges válaszokkal ötvözi. A családot korai szöveg–látás fúzióval és fokozatosan összetettebb feladatokon végzett megerősítéses tanulással tanítják, támogatva a következtetést, kódolást, ügynököket és vizuális elemzést. 201 nyelv és nyelvjárás lefedettségét is leírja. Ez családszintű képesség, nem azonos minőség ígérete minden nyelvhez vagy feladathoz.
A pontos nyílt modellváltozat különálló a Qwen3.5-35B-A3B-Base modelltől és a későbbi Qwen3.6 kiadástól. A gyártó további funkciókat kínáló menedzselt Flash-ajánlatot is leír; e felületi funkciókat nem szabad automatikusan e nyílt modellváltozathoz rendelni. Eredmények összehasonlításakor vagy reprodukálható modellválasztás megtartásakor őrizze meg a kért 35B-A3B azonosságot.
A modell áttekintése
A szakértőkeverékes modell összesen 35 milliárd paraméterből hárommilliárdot aktivál. 40 rétegű hibrid felépítése három Gated DeltaNet szakértői réteget, majd egy kapuzott figyelmi szakértői réteget ismétel. 256 útválasztott szakértője van, a dokumentált felépítésben nyolc útválasztott és egy közös szakértő aktív. Képkódoló és többtokenes előrejelzés is része a modellnek. Az aktivált paraméterszám nem írja le a teljes modellváltozat méretét, és az architektúra önmagában nem garantál késleltetést egy adott alkalmazásban.
A natív kontextus 262,144 token, feltételesen 1,010,000 tokenre bővíthető. A Qwen összetett gondolkodási feladatokhoz lehetőség szerint legalább 128K kontextus megtartását javasolja, még ha egy kisebb ablak csökkentené is a memóriaterhelést. A szöveg, reprezentált vizuális anyag, előzmények, következtetés és végső válasz mind helyet igényel a beállított szekvenciában.
Bemenetek és válaszmódok használata
Képernyőkép által segített kódolási kéréshez adja meg a vizuális referenciát, a meglévő forráskontextust, az interakciós követelményeket és az elvárt szerkeszthető munkaterméket. Diagramnál vagy dokumentumnál tartsa meg a feliratokat és mértékegységeket, és kérjen értéktáblázatot alátámasztó bizonyítékokkal. Többnyelvű magyarázathoz adja meg a célnyelvet és a megőrzendő kifejezéseket.
A gondolkodás alapértelmezés szerint be van kapcsolva, következtetési blokkot adva a végső válasz előtt. A gyártó enable_thinking vezérlője közvetlen válaszhoz kikapcsolhatja. A Qwen3.5 hivatalosan nem támogatja a régi /think és /nothink szöveges promptkapcsolókat. Előzménykezelési útmutatása a végső válaszokat gondolkodási tartalom nélkül tartja meg. Ezt külön kell kezelni a későbbi Qwen3.6 megőrzési opcióitól vagy a Qwen3.8 alapértelmezett korábbikövetkeztetés-megőrzésétől.
Ügynökjellegű használat
A gyártó dokumentálja az eszközhívást, és beállított vagy MCP-n keresztül csatlakozó eszközökhöz a Qwen-Agent, adattárközpontú munkához pedig a Qwen Code használatát is ajánlja. Határozza meg az engedélyezett műveleteket, a releváns bizonyítékokat és a végső munkaterméket. Az alkalmazás futtatja az eszközöket, és szolgáltatja megfigyeléseiket; a modell e visszajelzéssel módosíthatja elemzését. A tervezett parancs vagy generált javítás nem végrehajtott művelet, és a modellnév önmagában nem igazol hozzáférést aktuális információhoz vagy fájlokhoz.
Rendkívül hosszú kontextus
A gyártó bővítési receptje YaRN-t használ a modellváltozat váltakozó pozicionális beállításaival. A négyszeres szorzó a hozzávetőleg egymillió tokenes folyamatot célozza; 524,288 tokenes feladatokhoz kétszeres szorzó javasolt. A statikus skálázás ronthatja a rövidebb szövegek teljesítményét, ezért akkor kell beállítani, amikor szükség van a nagyobb kontextusra. A hosszú anyagot rendezze dokumentumhatárokkal, kódazonosítókkal és egyértelmű kérdéssel, ne töltse meg az ablakot nem kapcsolódó bizonyítékokkal.
Generálási ajánlások
A Best Practices több beállításkészletet különböztet meg. Általános gondolkodáshoz temperature 1.0, top_p 0.95, top_k 20, min_p 0, jelenléti büntetés 1.5 és ismétlési büntetés 1.0 tartozik. Pontos kódoláshoz temperature 0.6 és nulla jelenléti büntetés használatos. Általános közvetlen válaszokhoz temperature 0.7, top_p 0.8 és jelenléti büntetés 1.5 tartozik; a top_k 20, a min_p 0, az ismétlési büntetés 1.0. Közvetlenválasz-módban végzett következtetéshez a Best Practices külön temperature 1.0, top_p 1.0, top_k 40 és jelenléti büntetés 2.0 értékeket ajánl. Ezek feladatspecifikus receptek, nem tetszőlegesen keverendő értékek. A nagyobb jelenléti büntetések nyelvek keveredését vagy enyhe minőségromlást okozhatnak.
Az ajánlott generálási keret a legtöbb kérdéshez 32,768 token, szokatlanul összetett matematikához vagy programozáshoz 81,920 token. Ezek nem külön igazolt, szigorú kimeneti felső határok. Adja meg egyértelműen a végső válasz formáját, és ellenőrizze a számításokat vagy generált kódot a megadott feltételekkel.
Videó és érdemi korlátok
A támogatott videós példa alapértelmezés szerint másodpercenként két képkockát használ. A gyártó órás videókra vonatkozó útmutatása a feldolgozó keretét körülbelül 224K videótokenre bővíti a sűrűbb mintavételhez. Ez beállítást igényel, és a feladat, valamint a válasz mellett kontextust fogyaszt; nem jelent feltétel nélküli garanciát az időtartamra vagy az események tökéletes felidézésére. Őrizze meg a releváns jelenetátmeneteket és apró írást, és kérjen a látható bizonyítékhoz kötött eredményt. A gyakorlati érték a modellváltozat közös szöveges/vizuális feladatköre és választható válaszmódja, egy felülvizsgálható konkrét munkatermékkel.
", "aboutText": "A Qwen3.5 fő jellemzői: ritka vizuális-nyelvi modellváltozat\n\nA Qwen3.5-35B-A3B utótanított vizuális-nyelvi modell, amely a szöveg-, kép- és videómegértést szöveges válaszokkal ötvözi. A családot korai szöveg–látás fúzióval és fokozatosan összetettebb feladatokon végzett megerősítéses tanulással tanítják, támogatva a következtetést, kódolást, ügynököket és vizuális elemzést. 201 nyelv és nyelvjárás lefedettségét is leírja. Ez családszintű képesség, nem azonos minőség ígérete minden nyelvhez vagy feladathoz.\n\nA pontos nyílt modellváltozat különálló a Qwen3.5-35B-A3B-Base modelltől és a későbbi Qwen3.6 kiadástól. A gyártó további funkciókat kínáló menedzselt Flash-ajánlatot is leír; e felületi funkciókat nem szabad automatikusan e nyílt modellváltozathoz rendelni. Eredmények összehasonlításakor vagy reprodukálható modellválasztás megtartásakor őrizze meg a kért 35B-A3B azonosságot.\n\nA modell áttekintése\n\nA szakértőkeverékes modell összesen 35 milliárd paraméterből hárommilliárdot aktivál. 40 rétegű hibrid felépítése három Gated DeltaNet szakértői réteget, majd egy kapuzott figyelmi szakértői réteget ismétel. 256 útválasztott szakértője van, a dokumentált felépítésben nyolc útválasztott és egy közös szakértő aktív. Képkódoló és többtokenes előrejelzés is része a modellnek. Az aktivált paraméterszám nem írja le a teljes modellváltozat méretét, és az architektúra önmagában nem garantál késleltetést egy adott alkalmazásban.\n\nA natív kontextus 262,144 token, feltételesen 1,010,000 tokenre bővíthető. A Qwen összetett gondolkodási feladatokhoz lehetőség szerint legalább 128K kontextus megtartását javasolja, még ha egy kisebb ablak csökkentené is a memóriaterhelést. A szöveg, reprezentált vizuális anyag, előzmények, következtetés és végső válasz mind helyet igényel a beállított szekvenciában.\n\nBemenetek és válaszmódok használata\n\nKépernyőkép által segített kódolási kéréshez adja meg a vizuális referenciát, a meglévő forráskontextust, az interakciós követelményeket és az elvárt szerkeszthető munkaterméket. Diagramnál vagy dokumentumnál tartsa meg a feliratokat és mértékegységeket, és kérjen értéktáblázatot alátámasztó bizonyítékokkal. Többnyelvű magyarázathoz adja meg a célnyelvet és a megőrzendő kifejezéseket.\n\nA gondolkodás alapértelmezés szerint be van kapcsolva, következtetési blokkot adva a végső válasz előtt. A gyártó enable_thinking vezérlője közvetlen válaszhoz kikapcsolhatja. A Qwen3.5 hivatalosan nem támogatja a régi /think és /nothink szöveges promptkapcsolókat. Előzménykezelési útmutatása a végső válaszokat gondolkodási tartalom nélkül tartja meg. Ezt külön kell kezelni a későbbi Qwen3.6 megőrzési opcióitól vagy a Qwen3.8 alapértelmezett korábbikövetkeztetés-megőrzésétől.\n\nÜgynökjellegű használat\n\nA gyártó dokumentálja az eszközhívást, és beállított vagy MCP-n keresztül csatlakozó eszközökhöz a Qwen-Agent, adattárközpontú munkához pedig a Qwen Code használatát is ajánlja. Határozza meg az engedélyezett műveleteket, a releváns bizonyítékokat és a végső munkaterméket. Az alkalmazás futtatja az eszközöket, és szolgáltatja megfigyeléseiket; a modell e visszajelzéssel módosíthatja elemzését. A tervezett parancs vagy generált javítás nem végrehajtott művelet, és a modellnév önmagában nem igazol hozzáférést aktuális információhoz vagy fájlokhoz.\n\nRendkívül hosszú kontextus\n\nA gyártó bővítési receptje YaRN-t használ a modellváltozat váltakozó pozicionális beállításaival. A négyszeres szorzó a hozzávetőleg egymillió tokenes folyamatot célozza; 524,288 tokenes feladatokhoz kétszeres szorzó javasolt. A statikus skálázás ronthatja a rövidebb szövegek teljesítményét, ezért akkor kell beállítani, amikor szükség van a nagyobb kontextusra. A hosszú anyagot rendezze dokumentumhatárokkal, kódazonosítókkal és egyértelmű kérdéssel, ne töltse meg az ablakot nem kapcsolódó bizonyítékokkal.\n\nGenerálási ajánlások\n\nA Best Practices több beállításkészletet különböztet meg. Általános gondolkodáshoz temperature 1.0, top_p 0.95, top_k 20, min_p 0, jelenléti büntetés 1.5 és ismétlési büntetés 1.0 tartozik. Pontos kódoláshoz temperature 0.6 és nulla jelenléti büntetés használatos. Általános közvetlen válaszokhoz temperature 0.7, top_p 0.8 és jelenléti büntetés 1.5 tartozik; a top_k 20, a min_p 0, az ismétlési büntetés 1.0. Közvetlenválasz-módban végzett következtetéshez a Best Practices külön temperature 1.0, top_p 1.0, top_k 40 és jelenléti büntetés 2.0 értékeket ajánl. Ezek feladatspecifikus receptek, nem tetszőlegesen keverendő értékek. A nagyobb jelenléti büntetések nyelvek keveredését vagy enyhe minőségromlást okozhatnak.\n\nAz ajánlott generálási keret a legtöbb kérdéshez 32,768 token, szokatlanul összetett matematikához vagy programozáshoz 81,920 token. Ezek nem külön igazolt, szigorú kimeneti felső határok. Adja meg egyértelműen a végső válasz formáját, és ellenőrizze a számításokat vagy generált kódot a megadott feltételekkel.\n\nVideó és érdemi korlátok\n\nA támogatott videós példa alapértelmezés szerint másodpercenként két képkockát használ. A gyártó órás videókra vonatkozó útmutatása a feldolgozó keretét körülbelül 224K videótokenre bővíti a sűrűbb mintavételhez. Ez beállítást igényel, és a feladat, valamint a válasz mellett kontextust fogyaszt; nem jelent feltétel nélküli garanciát az időtartamra vagy az események tökéletes felidézésére. Őrizze meg a releváns jelenetátmeneteket és apró írást, és kérjen a látható bizonyítékhoz kötött eredményt. A gyakorlati érték a modellváltozat közös szöveges/vizuális feladatköre és választható válaszmódja, egy felülvizsgálható konkrét munkatermékkel.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Audit a transcribed experiment table\n\nUse this transcribed experiment table: baseline, 100 trials, 12 failures; revision A, 80 trials, 8 failures; revision B, 40 trials, 2 failures. Calculate the observed failure rates and compare them. Explain what these counts establish and what would require additional statistical analysis; do not claim that the smallest observed rate proves the best underlying system.A rate table and a qualified comparison separating observed proportions from unperformed statistical inference.Each rate uses its own trial count, and the conclusion does not treat unequal sample sizes as equivalent proof.qwen/qwen3.5-35b-a3bA Qwen3.5-35B-A3B a Qwen vizuális-nyelvi szakértőkeverékes modellje, összesen 35 milliárd és 3 milliárd aktivált paraméterrel. Szöveget, képeket és videót fogad következtetéshez, kódoláshoz és eszközzel támogatott munkához, gondolkodó és közvetlenválasz-móddal, natív 262,144 tokenes kontextussal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3.5 fő jellemzői: ritka vizuális-nyelvi modellváltozat
A Qwen3.5-35B-A3B utótanított vizuális-nyelvi modell, amely a szöveg-, kép- és videómegértést szöveges válaszokkal ötvözi. A családot korai szöveg–látás fúzióval és fokozatosan összetettebb feladatokon végzett megerősítéses tanulással tanítják, támogatva a következtetést, kódolást, ügynököket és vizuális elemzést. 201 nyelv és nyelvjárás lefedettségét is leírja. Ez családszintű képesség, nem azonos minőség ígérete minden nyelvhez vagy feladathoz.
A pontos nyílt modellváltozat különálló a Qwen3.5-35B-A3B-Base modelltől és a későbbi Qwen3.6 kiadástól. A gyártó további funkciókat kínáló menedzselt Flash-ajánlatot is leír; e felületi funkciókat nem szabad automatikusan e nyílt modellváltozathoz rendelni. Eredmények összehasonlításakor vagy reprodukálható modellválasztás megtartásakor őrizze meg a kért 35B-A3B azonosságot.
A modell áttekintése
A szakértőkeverékes modell összesen 35 milliárd paraméterből hárommilliárdot aktivál. 40 rétegű hibrid felépítése három Gated DeltaNet szakértői réteget, majd egy kapuzott figyelmi szakértői réteget ismétel. 256 útválasztott szakértője van, a dokumentált felépítésben nyolc útválasztott és egy közös szakértő aktív. Képkódoló és többtokenes előrejelzés is része a modellnek. Az aktivált paraméterszám nem írja le a teljes modellváltozat méretét, és az architektúra önmagában nem garantál késleltetést egy adott alkalmazásban.
A natív kontextus 262,144 token, feltételesen 1,010,000 tokenre bővíthető. A Qwen összetett gondolkodási feladatokhoz lehetőség szerint legalább 128K kontextus megtartását javasolja, még ha egy kisebb ablak csökkentené is a memóriaterhelést. A szöveg, reprezentált vizuális anyag, előzmények, következtetés és végső válasz mind helyet igényel a beállított szekvenciában.
Bemenetek és válaszmódok használata
Képernyőkép által segített kódolási kéréshez adja meg a vizuális referenciát, a meglévő forráskontextust, az interakciós követelményeket és az elvárt szerkeszthető munkaterméket. Diagramnál vagy dokumentumnál tartsa meg a feliratokat és mértékegységeket, és kérjen értéktáblázatot alátámasztó bizonyítékokkal. Többnyelvű magyarázathoz adja meg a célnyelvet és a megőrzendő kifejezéseket.
A gondolkodás alapértelmezés szerint be van kapcsolva, következtetési blokkot adva a végső válasz előtt. A gyártó enable_thinking vezérlője közvetlen válaszhoz kikapcsolhatja. A Qwen3.5 hivatalosan nem támogatja a régi /think és /nothink szöveges promptkapcsolókat. Előzménykezelési útmutatása a végső válaszokat gondolkodási tartalom nélkül tartja meg. Ezt külön kell kezelni a későbbi Qwen3.6 megőrzési opcióitól vagy a Qwen3.8 alapértelmezett korábbikövetkeztetés-megőrzésétől.
Ügynökjellegű használat
A gyártó dokumentálja az eszközhívást, és beállított vagy MCP-n keresztül csatlakozó eszközökhöz a Qwen-Agent, adattárközpontú munkához pedig a Qwen Code használatát is ajánlja. Határozza meg az engedélyezett műveleteket, a releváns bizonyítékokat és a végső munkaterméket. Az alkalmazás futtatja az eszközöket, és szolgáltatja megfigyeléseiket; a modell e visszajelzéssel módosíthatja elemzését. A tervezett parancs vagy generált javítás nem végrehajtott művelet, és a modellnév önmagában nem igazol hozzáférést aktuális információhoz vagy fájlokhoz.
Rendkívül hosszú kontextus
A gyártó bővítési receptje YaRN-t használ a modellváltozat váltakozó pozicionális beállításaival. A négyszeres szorzó a hozzávetőleg egymillió tokenes folyamatot célozza; 524,288 tokenes feladatokhoz kétszeres szorzó javasolt. A statikus skálázás ronthatja a rövidebb szövegek teljesítményét, ezért akkor kell beállítani, amikor szükség van a nagyobb kontextusra. A hosszú anyagot rendezze dokumentumhatárokkal, kódazonosítókkal és egyértelmű kérdéssel, ne töltse meg az ablakot nem kapcsolódó bizonyítékokkal.
Generálási ajánlások
A Best Practices több beállításkészletet különböztet meg. Általános gondolkodáshoz temperature 1.0, top_p 0.95, top_k 20, min_p 0, jelenléti büntetés 1.5 és ismétlési büntetés 1.0 tartozik. Pontos kódoláshoz temperature 0.6 és nulla jelenléti büntetés használatos. Általános közvetlen válaszokhoz temperature 0.7, top_p 0.8 és jelenléti büntetés 1.5 tartozik; a top_k 20, a min_p 0, az ismétlési büntetés 1.0. Közvetlenválasz-módban végzett következtetéshez a Best Practices külön temperature 1.0, top_p 1.0, top_k 40 és jelenléti büntetés 2.0 értékeket ajánl. Ezek feladatspecifikus receptek, nem tetszőlegesen keverendő értékek. A nagyobb jelenléti büntetések nyelvek keveredését vagy enyhe minőségromlást okozhatnak.
Az ajánlott generálási keret a legtöbb kérdéshez 32,768 token, szokatlanul összetett matematikához vagy programozáshoz 81,920 token. Ezek nem külön igazolt, szigorú kimeneti felső határok. Adja meg egyértelműen a végső válasz formáját, és ellenőrizze a számításokat vagy generált kódot a megadott feltételekkel.
Videó és érdemi korlátok
A támogatott videós példa alapértelmezés szerint másodpercenként két képkockát használ. A gyártó órás videókra vonatkozó útmutatása a feldolgozó keretét körülbelül 224K videótokenre bővíti a sűrűbb mintavételhez. Ez beállítást igényel, és a feladat, valamint a válasz mellett kontextust fogyaszt; nem jelent feltétel nélküli garanciát az időtartamra vagy az események tökéletes felidézésére. Őrizze meg a releváns jelenetátmeneteket és apró írást, és kérjen a látható bizonyítékhoz kötött eredményt. A gyakorlati érték a modellváltozat közös szöveges/vizuális feladatköre és választható válaszmódja, egy felülvizsgálható konkrét munkatermékkel.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3.5-35b-a3b | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00046 / 1K token Kimenet · Kimeneti tokenek $0.00366 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00046 / 1K token Kimenet · Kimeneti tokenek $0.00366 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-35b-a3b", "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/qwen3.5-35b-a3b',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/qwen3.5-35b-a3b',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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra qwen/qwen3.5-35b-a3b
Használja a fent látható metódusútvonalakat.
qwen/qwen3.5-35b-a3bA Qwen3.5-35B-A3B a Qwen vizuális-nyelvi szakértőkeverékes modellje, összesen 35 milliárd és 3 milliárd aktivált paraméterrel. Szöveget, képeket és videót fogad következtetéshez, kódoláshoz és eszközzel támogatott munkához, gondolkodó és közvetlenválasz-móddal, natív 262,144 tokenes kontextussal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3.5 fő jellemzői: ritka vizuális-nyelvi modellváltozat
A Qwen3.5-35B-A3B utótanított vizuális-nyelvi modell, amely a szöveg-, kép- és videómegértést szöveges válaszokkal ötvözi. A családot korai szöveg–látás fúzióval és fokozatosan összetettebb feladatokon végzett megerősítéses tanulással tanítják, támogatva a következtetést, kódolást, ügynököket és vizuális elemzést. 201 nyelv és nyelvjárás lefedettségét is leírja. Ez családszintű képesség, nem azonos minőség ígérete minden nyelvhez vagy feladathoz.
A pontos nyílt modellváltozat különálló a Qwen3.5-35B-A3B-Base modelltől és a későbbi Qwen3.6 kiadástól. A gyártó további funkciókat kínáló menedzselt Flash-ajánlatot is leír; e felületi funkciókat nem szabad automatikusan e nyílt modellváltozathoz rendelni. Eredmények összehasonlításakor vagy reprodukálható modellválasztás megtartásakor őrizze meg a kért 35B-A3B azonosságot.
A modell áttekintése
A szakértőkeverékes modell összesen 35 milliárd paraméterből hárommilliárdot aktivál. 40 rétegű hibrid felépítése három Gated DeltaNet szakértői réteget, majd egy kapuzott figyelmi szakértői réteget ismétel. 256 útválasztott szakértője van, a dokumentált felépítésben nyolc útválasztott és egy közös szakértő aktív. Képkódoló és többtokenes előrejelzés is része a modellnek. Az aktivált paraméterszám nem írja le a teljes modellváltozat méretét, és az architektúra önmagában nem garantál késleltetést egy adott alkalmazásban.
A natív kontextus 262,144 token, feltételesen 1,010,000 tokenre bővíthető. A Qwen összetett gondolkodási feladatokhoz lehetőség szerint legalább 128K kontextus megtartását javasolja, még ha egy kisebb ablak csökkentené is a memóriaterhelést. A szöveg, reprezentált vizuális anyag, előzmények, következtetés és végső válasz mind helyet igényel a beállított szekvenciában.
Bemenetek és válaszmódok használata
Képernyőkép által segített kódolási kéréshez adja meg a vizuális referenciát, a meglévő forráskontextust, az interakciós követelményeket és az elvárt szerkeszthető munkaterméket. Diagramnál vagy dokumentumnál tartsa meg a feliratokat és mértékegységeket, és kérjen értéktáblázatot alátámasztó bizonyítékokkal. Többnyelvű magyarázathoz adja meg a célnyelvet és a megőrzendő kifejezéseket.
A gondolkodás alapértelmezés szerint be van kapcsolva, következtetési blokkot adva a végső válasz előtt. A gyártó enable_thinking vezérlője közvetlen válaszhoz kikapcsolhatja. A Qwen3.5 hivatalosan nem támogatja a régi /think és /nothink szöveges promptkapcsolókat. Előzménykezelési útmutatása a végső válaszokat gondolkodási tartalom nélkül tartja meg. Ezt külön kell kezelni a későbbi Qwen3.6 megőrzési opcióitól vagy a Qwen3.8 alapértelmezett korábbikövetkeztetés-megőrzésétől.
Ügynökjellegű használat
A gyártó dokumentálja az eszközhívást, és beállított vagy MCP-n keresztül csatlakozó eszközökhöz a Qwen-Agent, adattárközpontú munkához pedig a Qwen Code használatát is ajánlja. Határozza meg az engedélyezett műveleteket, a releváns bizonyítékokat és a végső munkaterméket. Az alkalmazás futtatja az eszközöket, és szolgáltatja megfigyeléseiket; a modell e visszajelzéssel módosíthatja elemzését. A tervezett parancs vagy generált javítás nem végrehajtott művelet, és a modellnév önmagában nem igazol hozzáférést aktuális információhoz vagy fájlokhoz.
Rendkívül hosszú kontextus
A gyártó bővítési receptje YaRN-t használ a modellváltozat váltakozó pozicionális beállításaival. A négyszeres szorzó a hozzávetőleg egymillió tokenes folyamatot célozza; 524,288 tokenes feladatokhoz kétszeres szorzó javasolt. A statikus skálázás ronthatja a rövidebb szövegek teljesítményét, ezért akkor kell beállítani, amikor szükség van a nagyobb kontextusra. A hosszú anyagot rendezze dokumentumhatárokkal, kódazonosítókkal és egyértelmű kérdéssel, ne töltse meg az ablakot nem kapcsolódó bizonyítékokkal.
Generálási ajánlások
A Best Practices több beállításkészletet különböztet meg. Általános gondolkodáshoz temperature 1.0, top_p 0.95, top_k 20, min_p 0, jelenléti büntetés 1.5 és ismétlési büntetés 1.0 tartozik. Pontos kódoláshoz temperature 0.6 és nulla jelenléti büntetés használatos. Általános közvetlen válaszokhoz temperature 0.7, top_p 0.8 és jelenléti büntetés 1.5 tartozik; a top_k 20, a min_p 0, az ismétlési büntetés 1.0. Közvetlenválasz-módban végzett következtetéshez a Best Practices külön temperature 1.0, top_p 1.0, top_k 40 és jelenléti büntetés 2.0 értékeket ajánl. Ezek feladatspecifikus receptek, nem tetszőlegesen keverendő értékek. A nagyobb jelenléti büntetések nyelvek keveredését vagy enyhe minőségromlást okozhatnak.
Az ajánlott generálási keret a legtöbb kérdéshez 32,768 token, szokatlanul összetett matematikához vagy programozáshoz 81,920 token. Ezek nem külön igazolt, szigorú kimeneti felső határok. Adja meg egyértelműen a végső válasz formáját, és ellenőrizze a számításokat vagy generált kódot a megadott feltételekkel.
Videó és érdemi korlátok
A támogatott videós példa alapértelmezés szerint másodpercenként két képkockát használ. A gyártó órás videókra vonatkozó útmutatása a feldolgozó keretét körülbelül 224K videótokenre bővíti a sűrűbb mintavételhez. Ez beállítást igényel, és a feladat, valamint a válasz mellett kontextust fogyaszt; nem jelent feltétel nélküli garanciát az időtartamra vagy az események tökéletes felidézésére. Őrizze meg a releváns jelenetátmeneteket és apró írást, és kérjen a látható bizonyítékhoz kötött eredményt. A gyakorlati érték a modellváltozat közös szöveges/vizuális feladatköre és választható válaszmódja, egy felülvizsgálható konkrét munkatermékkel.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3.5-35b-a3b | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00046 / 1K token Kimenet · Kimeneti tokenek $0.00366 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00046 / 1K token Kimenet · Kimeneti tokenek $0.00366 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "qwen/qwen3.5-35b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.5-35b-a3b', '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/qwen3.5-35b-a3b', '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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra qwen/qwen3.5-35b-a3b
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Audit a transcribed experiment table\n\nUse this transcribed experiment table: baseline, 100 trials, 12 failures; revision A, 80 trials, 8 failures; revision B, 40 trials, 2 failures. Calculate the observed failure rates and compare them. Explain what these counts establish and what would require additional statistical analysis; do not claim that the smallest observed rate proves the best underlying system.A rate table and a qualified comparison separating observed proportions from unperformed statistical inference.Each rate uses its own trial count, and the conclusion does not treat unequal sample sizes as equivalent proof.