A Qwen3.5 fő jellemzői: a 397B-A17B modellváltozat
A Qwen3.5-397B-A17B a Qwen3.5 család utótanított vizuális-nyelvi szakértőkeverékes modellje. Szöveget, képeket és videót fogad, és szöveget generál: magyarázatokat, kódjavaslatokat, elemzést és kért dokumentum-munkatermékeket. A család korai szöveg–látás fúzióval és fokozatosan összetettebb feladatokon végzett megerősítéses tanulással fejleszti a következtetést, kódolást, ügynököket és vizuális megértést. Dokumentált nyelvi lefedettsége 201 nyelv és nyelvjárás, nem azonos megbízhatóság ígérete minden nyelvhez vagy szakterülethez.
A gyártó külön írja le a menedzselt Qwen3.5-Plus modellt megfelelő ajánlatként, további éles üzemi funkciókkal. Őrizze meg e nyílt modellváltozat saját azonosságát, kontextusát és generálási receptjét, ne vegyen át minden menedzselt funkciót vagy későbbi Qwen-vezérlőt. A pontos 397B-A17B kiadás elkülönül a család kisebb sűrű és szakértős modelljeitől.
A modell áttekintése
A modell összesen 397 milliárd paraméterből 17 milliárdot aktivál. 60 rétegű hibrid felépítése három Gated DeltaNet szakértői réteget, majd egy kapuzott figyelmi szakértői réteget ismétel. A gyártó 512 útválasztott szakértőt sorol fel, amelyek közül tízet választ ki egy közös szakértővel együtt. Képkódoló és többtokenes előrejelzés is része a modellnek. A teljes paraméterszám, az aktivált paraméterszám és a teljes modellváltozat tárolási mérete külön fogalmak; e számok nem igazolnak rögzített válaszidőt.
A natív kontextus 262,144 token, feltételesen legfeljebb 1,010,000 tokenre bővíthető. A szöveg, reprezentált képek vagy videó, beszélgetési előzmények, következtetés és végső válasz közösen használja a beállított szekvenciakeretet. Egy feladathoz a ténylegesen beállított keretet használja, ne feltételezze, hogy a legnagyobb dokumentum és legnagyobb válasz automatikusan együtt is elfér.
Szöveges és vizuális bizonyítékok előkészítése
Műszaki projekthez adja meg a specifikációt, a releváns kódot és ábrákat, és határozza meg az elkészítendő munkaterméket. Kérjen az érintett komponensek szerint rendezett, a megadott követelményekkel alátámasztott megvalósítási javaslatot. Dokumentum-összehasonlításhoz őrizze meg a szakaszazonosítókat, táblázatfeliratokat és mértékegységeket, és kérjen megállapítási táblázatot minden sorhoz bizonyítékkal. Többnyelvű jelentéshez határozza meg a célnyelvet és a változatlanul hagyandó kifejezéseket.
Képi kérdésnél őrizze meg az apró feliratokat, és adja meg a képen nem szereplő definíciókat. Videós kérdésnél azonosítsa a releváns eseményt, és őrizze meg a képkockák sorrendjét és időzítését. A visszaadott vizuális részleteket, idézeteket és eseményleírásokat vesse össze az eredeti képekkel, szövegrészletekkel és időbélyegekkel. Az eredmény továbbra is szöveges elemzés vagy kód; a modell vizuális bemenete nem jelent kép-, videó- vagy beszédgenerálást.
Gondolkodás és beszélgetési előzmények
A gondolkodás alapértelmezés szerint be van kapcsolva, és megelőzi a végső választ. A gyártó enable_thinking beállítása közvetlen válaszhoz kikapcsolhatja. A régebbi /think és /nothink szöveges promptkapcsolók a Qwen3.5 esetén hivatalosan nem támogatottak. A végső munkaterméket tegye könnyen megtalálhatóvá a következtetés után, például elhatárolt következtetésként, bizonyítéktáblázatként vagy külön kódjavaslatként.
A kártya a korábbi asszisztensüzenetekben a végső válaszok gondolkodási tartalom nélküli megtartását ajánlja. Ez eltér a későbbi kiadásokban bevezetett korábbikövetkeztetés-megőrzési opcióktól és alapértékektől. Kövesse e pontos modellváltozat sablonját, és a javításokat vagy eszközmegfigyeléseket kapcsolja az általuk frissített feladathoz.
Ügynökjellegű használat
A Qwen dokumentálja az eszközhívást, és beállított vagy MCP-n keresztül csatlakozó eszközökhöz a Qwen-Agent, kódolóügynök-folyamatokhoz pedig a Qwen Code használatát ajánlja. Határozza meg az engedélyezett műveleteket, az elérhető bizonyítékokat és a teljesítés megfigyelhető feltételeit. Az alkalmazás futtatja az eszközöket, és visszaadja eredményeiket; a modell a megfigyelések alapján módosíthatja tervét vagy magyarázatát. A javasolt parancs vagy javítás különbözik a környezetben ténylegesen befejezett művelettől.
Rendkívül hosszú szöveg és videó
A gyártó bővítése YaRN-t használ a modellváltozat saját váltakozó pozicionális beállításaival. A négyszeres szorzó a hozzávetőleg egymillió tokenes folyamatot célozza; 524,288 tokenes terheléshez kétszeres szorzó javasolt. A statikus skálázás befolyásolhatja a rövidebb szövegek teljesítményét, ezért a nagyobb kontextus tényleges szükségletéhez kell igazítani. A hosszú bemenetet rendezze dokumentum-, oldal- vagy kódazonosító szerint, és hagyjon helyet az eredménynek.
A támogatott videós példa alapértelmezés szerint másodpercenként két képkockát használ. Órás anyaghoz a gyártó nagyobb, körülbelül 224K videótokennek megfelelő feldolgozói keretet ajánl a sűrűbb mintavételhez. Ez beállításfüggő recept, nem jelent általános garanciát a média időtartamára, a teljes felidézésre vagy az időbélyegek pontosságára.
Generálási útmutató és érdemi korlátok
E modellváltozat Best Practices része gondolkodáshoz temperature 0.6, top_p 0.95, top_k 20 és min_p 0, közvetlen válaszokhoz pedig temperature 0.7, top_p 0.8, top_k 20 és min_p 0 értékeket ajánl. Ezek a pontos ajánlások eltérnek néhány kisebb Qwen3.5 kiadásétól. Ahol támogatott, a nulla és kettő közötti jelenléti büntetés csökkentheti az ismétlést, de a magasabb értékek nyelvek keveredését vagy enyhe minőségromlást okozhatnak.
Az ajánlott generálási keret a legtöbb lekérdezéshez 32,768 token, szokatlanul összetett matematikai vagy programozási munkához 81,920 token. Ezek ajánlások, nem független, szigorú kimeneti felső határok. Határozza meg a szükséges válaszformátumot, és ellenőrizze a számításokat, kinyert részleteket és javasolt kódot a forrással. A hasznos kimenet konkrét szöveges munkatermék, amelynek bizonyítékai és feltételezései felülvizsgálhatók.
", "aboutText": "A Qwen3.5 fő jellemzői: a 397B-A17B modellváltozat\n\nA Qwen3.5-397B-A17B a Qwen3.5 család utótanított vizuális-nyelvi szakértőkeverékes modellje. Szöveget, képeket és videót fogad, és szöveget generál: magyarázatokat, kódjavaslatokat, elemzést és kért dokumentum-munkatermékeket. A család korai szöveg–látás fúzióval és fokozatosan összetettebb feladatokon végzett megerősítéses tanulással fejleszti a következtetést, kódolást, ügynököket és vizuális megértést. Dokumentált nyelvi lefedettsége 201 nyelv és nyelvjárás, nem azonos megbízhatóság ígérete minden nyelvhez vagy szakterülethez.\n\nA gyártó külön írja le a menedzselt Qwen3.5-Plus modellt megfelelő ajánlatként, további éles üzemi funkciókkal. Őrizze meg e nyílt modellváltozat saját azonosságát, kontextusát és generálási receptjét, ne vegyen át minden menedzselt funkciót vagy későbbi Qwen-vezérlőt. A pontos 397B-A17B kiadás elkülönül a család kisebb sűrű és szakértős modelljeitől.\n\nA modell áttekintése\n\nA modell összesen 397 milliárd paraméterből 17 milliárdot aktivál. 60 rétegű hibrid felépítése három Gated DeltaNet szakértői réteget, majd egy kapuzott figyelmi szakértői réteget ismétel. A gyártó 512 útválasztott szakértőt sorol fel, amelyek közül tízet választ ki egy közös szakértővel együtt. Képkódoló és többtokenes előrejelzés is része a modellnek. A teljes paraméterszám, az aktivált paraméterszám és a teljes modellváltozat tárolási mérete külön fogalmak; e számok nem igazolnak rögzített válaszidőt.\n\nA natív kontextus 262,144 token, feltételesen legfeljebb 1,010,000 tokenre bővíthető. A szöveg, reprezentált képek vagy videó, beszélgetési előzmények, következtetés és végső válasz közösen használja a beállított szekvenciakeretet. Egy feladathoz a ténylegesen beállított keretet használja, ne feltételezze, hogy a legnagyobb dokumentum és legnagyobb válasz automatikusan együtt is elfér.\n\nSzöveges és vizuális bizonyítékok előkészítése\n\nMűszaki projekthez adja meg a specifikációt, a releváns kódot és ábrákat, és határozza meg az elkészítendő munkaterméket. Kérjen az érintett komponensek szerint rendezett, a megadott követelményekkel alátámasztott megvalósítási javaslatot. Dokumentum-összehasonlításhoz őrizze meg a szakaszazonosítókat, táblázatfeliratokat és mértékegységeket, és kérjen megállapítási táblázatot minden sorhoz bizonyítékkal. Többnyelvű jelentéshez határozza meg a célnyelvet és a változatlanul hagyandó kifejezéseket.\n\nKépi kérdésnél őrizze meg az apró feliratokat, és adja meg a képen nem szereplő definíciókat. Videós kérdésnél azonosítsa a releváns eseményt, és őrizze meg a képkockák sorrendjét és időzítését. A visszaadott vizuális részleteket, idézeteket és eseményleírásokat vesse össze az eredeti képekkel, szövegrészletekkel és időbélyegekkel. Az eredmény továbbra is szöveges elemzés vagy kód; a modell vizuális bemenete nem jelent kép-, videó- vagy beszédgenerálást.\n\nGondolkodás és beszélgetési előzmények\n\nA gondolkodás alapértelmezés szerint be van kapcsolva, és megelőzi a végső választ. A gyártó enable_thinking beállítása közvetlen válaszhoz kikapcsolhatja. A régebbi /think és /nothink szöveges promptkapcsolók a Qwen3.5 esetén hivatalosan nem támogatottak. A végső munkaterméket tegye könnyen megtalálhatóvá a következtetés után, például elhatárolt következtetésként, bizonyítéktáblázatként vagy külön kódjavaslatként.\n\nA kártya a korábbi asszisztensüzenetekben a végső válaszok gondolkodási tartalom nélküli megtartását ajánlja. Ez eltér a későbbi kiadásokban bevezetett korábbikövetkeztetés-megőrzési opcióktól és alapértékektől. Kövesse e pontos modellváltozat sablonját, és a javításokat vagy eszközmegfigyeléseket kapcsolja az általuk frissített feladathoz.\n\nÜgynökjellegű használat\n\nA Qwen dokumentálja az eszközhívást, és beállított vagy MCP-n keresztül csatlakozó eszközökhöz a Qwen-Agent, kódolóügynök-folyamatokhoz pedig a Qwen Code használatát ajánlja. Határozza meg az engedélyezett műveleteket, az elérhető bizonyítékokat és a teljesítés megfigyelhető feltételeit. Az alkalmazás futtatja az eszközöket, és visszaadja eredményeiket; a modell a megfigyelések alapján módosíthatja tervét vagy magyarázatát. A javasolt parancs vagy javítás különbözik a környezetben ténylegesen befejezett művelettől.\n\nRendkívül hosszú szöveg és videó\n\nA gyártó bővítése YaRN-t használ a modellváltozat saját váltakozó pozicionális beállításaival. A négyszeres szorzó a hozzávetőleg egymillió tokenes folyamatot célozza; 524,288 tokenes terheléshez kétszeres szorzó javasolt. A statikus skálázás befolyásolhatja a rövidebb szövegek teljesítményét, ezért a nagyobb kontextus tényleges szükségletéhez kell igazítani. A hosszú bemenetet rendezze dokumentum-, oldal- vagy kódazonosító szerint, és hagyjon helyet az eredménynek.\n\nA támogatott videós példa alapértelmezés szerint másodpercenként két képkockát használ. Órás anyaghoz a gyártó nagyobb, körülbelül 224K videótokennek megfelelő feldolgozói keretet ajánl a sűrűbb mintavételhez. Ez beállításfüggő recept, nem jelent általános garanciát a média időtartamára, a teljes felidézésre vagy az időbélyegek pontosságára.\n\nGenerálási útmutató és érdemi korlátok\n\nE modellváltozat Best Practices része gondolkodáshoz temperature 0.6, top_p 0.95, top_k 20 és min_p 0, közvetlen válaszokhoz pedig temperature 0.7, top_p 0.8, top_k 20 és min_p 0 értékeket ajánl. Ezek a pontos ajánlások eltérnek néhány kisebb Qwen3.5 kiadásétól. Ahol támogatott, a nulla és kettő közötti jelenléti büntetés csökkentheti az ismétlést, de a magasabb értékek nyelvek keveredését vagy enyhe minőségromlást okozhatnak.\n\nAz ajánlott generálási keret a legtöbb lekérdezéshez 32,768 token, szokatlanul összetett matematikai vagy programozási munkához 81,920 token. Ezek ajánlások, nem független, szigorú kimeneti felső határok. Határozza meg a szükséges válaszformátumot, és ellenőrizze a számításokat, kinyert részleteket és javasolt kódot a forrással. A hasznos kimenet konkrét szöveges munkatermék, amelynek bizonyítékai és feltételezései felülvizsgálhatók.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Reconcile a specification and implementation plan\n\nCompare spec S1: users may delete only their own drafts, and published records cannot be deleted. Plan P1: show Delete for every record owned by the user, regardless of status. Return the exact mismatch, a corrected eligibility rule and test cases for an owned draft, owned published record and another user’s draft.An evidence-linked mismatch, a corrected rule and three acceptance-test descriptions.Check that both ownership and draft status are required rather than treating either condition as sufficient.qwen/qwen3.5-397b-a17bA Qwen3.5-397B-A17B a Qwen vizuális-nyelvi szakértőkeverékes modellje, összesen 397 milliárd és 17 milliárd aktivált paraméterrel. Szöveget, képeket és videót fogad, és szöveget ad vissza következtetési, kódolási és ügynökfeladatokhoz, választható gondolkodással és 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: a 397B-A17B modellváltozat
A Qwen3.5-397B-A17B a Qwen3.5 család utótanított vizuális-nyelvi szakértőkeverékes modellje. Szöveget, képeket és videót fogad, és szöveget generál: magyarázatokat, kódjavaslatokat, elemzést és kért dokumentum-munkatermékeket. A család korai szöveg–látás fúzióval és fokozatosan összetettebb feladatokon végzett megerősítéses tanulással fejleszti a következtetést, kódolást, ügynököket és vizuális megértést. Dokumentált nyelvi lefedettsége 201 nyelv és nyelvjárás, nem azonos megbízhatóság ígérete minden nyelvhez vagy szakterülethez.
A gyártó külön írja le a menedzselt Qwen3.5-Plus modellt megfelelő ajánlatként, további éles üzemi funkciókkal. Őrizze meg e nyílt modellváltozat saját azonosságát, kontextusát és generálási receptjét, ne vegyen át minden menedzselt funkciót vagy későbbi Qwen-vezérlőt. A pontos 397B-A17B kiadás elkülönül a család kisebb sűrű és szakértős modelljeitől.
A modell áttekintése
A modell összesen 397 milliárd paraméterből 17 milliárdot aktivál. 60 rétegű hibrid felépítése három Gated DeltaNet szakértői réteget, majd egy kapuzott figyelmi szakértői réteget ismétel. A gyártó 512 útválasztott szakértőt sorol fel, amelyek közül tízet választ ki egy közös szakértővel együtt. Képkódoló és többtokenes előrejelzés is része a modellnek. A teljes paraméterszám, az aktivált paraméterszám és a teljes modellváltozat tárolási mérete külön fogalmak; e számok nem igazolnak rögzített válaszidőt.
A natív kontextus 262,144 token, feltételesen legfeljebb 1,010,000 tokenre bővíthető. A szöveg, reprezentált képek vagy videó, beszélgetési előzmények, következtetés és végső válasz közösen használja a beállított szekvenciakeretet. Egy feladathoz a ténylegesen beállított keretet használja, ne feltételezze, hogy a legnagyobb dokumentum és legnagyobb válasz automatikusan együtt is elfér.
Szöveges és vizuális bizonyítékok előkészítése
Műszaki projekthez adja meg a specifikációt, a releváns kódot és ábrákat, és határozza meg az elkészítendő munkaterméket. Kérjen az érintett komponensek szerint rendezett, a megadott követelményekkel alátámasztott megvalósítási javaslatot. Dokumentum-összehasonlításhoz őrizze meg a szakaszazonosítókat, táblázatfeliratokat és mértékegységeket, és kérjen megállapítási táblázatot minden sorhoz bizonyítékkal. Többnyelvű jelentéshez határozza meg a célnyelvet és a változatlanul hagyandó kifejezéseket.
Képi kérdésnél őrizze meg az apró feliratokat, és adja meg a képen nem szereplő definíciókat. Videós kérdésnél azonosítsa a releváns eseményt, és őrizze meg a képkockák sorrendjét és időzítését. A visszaadott vizuális részleteket, idézeteket és eseményleírásokat vesse össze az eredeti képekkel, szövegrészletekkel és időbélyegekkel. Az eredmény továbbra is szöveges elemzés vagy kód; a modell vizuális bemenete nem jelent kép-, videó- vagy beszédgenerálást.
Gondolkodás és beszélgetési előzmények
A gondolkodás alapértelmezés szerint be van kapcsolva, és megelőzi a végső választ. A gyártó enable_thinking beállítása közvetlen válaszhoz kikapcsolhatja. A régebbi /think és /nothink szöveges promptkapcsolók a Qwen3.5 esetén hivatalosan nem támogatottak. A végső munkaterméket tegye könnyen megtalálhatóvá a következtetés után, például elhatárolt következtetésként, bizonyítéktáblázatként vagy külön kódjavaslatként.
A kártya a korábbi asszisztensüzenetekben a végső válaszok gondolkodási tartalom nélküli megtartását ajánlja. Ez eltér a későbbi kiadásokban bevezetett korábbikövetkeztetés-megőrzési opcióktól és alapértékektől. Kövesse e pontos modellváltozat sablonját, és a javításokat vagy eszközmegfigyeléseket kapcsolja az általuk frissített feladathoz.
Ügynökjellegű használat
A Qwen dokumentálja az eszközhívást, és beállított vagy MCP-n keresztül csatlakozó eszközökhöz a Qwen-Agent, kódolóügynök-folyamatokhoz pedig a Qwen Code használatát ajánlja. Határozza meg az engedélyezett műveleteket, az elérhető bizonyítékokat és a teljesítés megfigyelhető feltételeit. Az alkalmazás futtatja az eszközöket, és visszaadja eredményeiket; a modell a megfigyelések alapján módosíthatja tervét vagy magyarázatát. A javasolt parancs vagy javítás különbözik a környezetben ténylegesen befejezett művelettől.
Rendkívül hosszú szöveg és videó
A gyártó bővítése YaRN-t használ a modellváltozat saját váltakozó pozicionális beállításaival. A négyszeres szorzó a hozzávetőleg egymillió tokenes folyamatot célozza; 524,288 tokenes terheléshez kétszeres szorzó javasolt. A statikus skálázás befolyásolhatja a rövidebb szövegek teljesítményét, ezért a nagyobb kontextus tényleges szükségletéhez kell igazítani. A hosszú bemenetet rendezze dokumentum-, oldal- vagy kódazonosító szerint, és hagyjon helyet az eredménynek.
A támogatott videós példa alapértelmezés szerint másodpercenként két képkockát használ. Órás anyaghoz a gyártó nagyobb, körülbelül 224K videótokennek megfelelő feldolgozói keretet ajánl a sűrűbb mintavételhez. Ez beállításfüggő recept, nem jelent általános garanciát a média időtartamára, a teljes felidézésre vagy az időbélyegek pontosságára.
Generálási útmutató és érdemi korlátok
E modellváltozat Best Practices része gondolkodáshoz temperature 0.6, top_p 0.95, top_k 20 és min_p 0, közvetlen válaszokhoz pedig temperature 0.7, top_p 0.8, top_k 20 és min_p 0 értékeket ajánl. Ezek a pontos ajánlások eltérnek néhány kisebb Qwen3.5 kiadásétól. Ahol támogatott, a nulla és kettő közötti jelenléti büntetés csökkentheti az ismétlést, de a magasabb értékek nyelvek keveredését vagy enyhe minőségromlást okozhatnak.
Az ajánlott generálási keret a legtöbb lekérdezéshez 32,768 token, szokatlanul összetett matematikai vagy programozási munkához 81,920 token. Ezek ajánlások, nem független, szigorú kimeneti felső határok. Határozza meg a szükséges válaszformátumot, és ellenőrizze a számításokat, kinyert részleteket és javasolt kódot a forrással. A hasznos kimenet konkrét szöveges munkatermék, amelynek bizonyítékai és feltételezései felülvizsgálhatók.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3.5-397b-a17b | 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 $0.00078 / 1K token Kimenet · Kimeneti tokenek $0.00468 / 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 $0.00078 / 1K token Kimenet · Kimeneti tokenek $0.00468 / 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/qwen3.5-397b-a17b", "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/qwen3.5-397b-a17b',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/qwen3.5-397b-a17b',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/qwen3.5-397b-a17b
Használja a fent látható metódusútvonalakat.
qwen/qwen3.5-397b-a17bA Qwen3.5-397B-A17B a Qwen vizuális-nyelvi szakértőkeverékes modellje, összesen 397 milliárd és 17 milliárd aktivált paraméterrel. Szöveget, képeket és videót fogad, és szöveget ad vissza következtetési, kódolási és ügynökfeladatokhoz, választható gondolkodással és 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: a 397B-A17B modellváltozat
A Qwen3.5-397B-A17B a Qwen3.5 család utótanított vizuális-nyelvi szakértőkeverékes modellje. Szöveget, képeket és videót fogad, és szöveget generál: magyarázatokat, kódjavaslatokat, elemzést és kért dokumentum-munkatermékeket. A család korai szöveg–látás fúzióval és fokozatosan összetettebb feladatokon végzett megerősítéses tanulással fejleszti a következtetést, kódolást, ügynököket és vizuális megértést. Dokumentált nyelvi lefedettsége 201 nyelv és nyelvjárás, nem azonos megbízhatóság ígérete minden nyelvhez vagy szakterülethez.
A gyártó külön írja le a menedzselt Qwen3.5-Plus modellt megfelelő ajánlatként, további éles üzemi funkciókkal. Őrizze meg e nyílt modellváltozat saját azonosságát, kontextusát és generálási receptjét, ne vegyen át minden menedzselt funkciót vagy későbbi Qwen-vezérlőt. A pontos 397B-A17B kiadás elkülönül a család kisebb sűrű és szakértős modelljeitől.
A modell áttekintése
A modell összesen 397 milliárd paraméterből 17 milliárdot aktivál. 60 rétegű hibrid felépítése három Gated DeltaNet szakértői réteget, majd egy kapuzott figyelmi szakértői réteget ismétel. A gyártó 512 útválasztott szakértőt sorol fel, amelyek közül tízet választ ki egy közös szakértővel együtt. Képkódoló és többtokenes előrejelzés is része a modellnek. A teljes paraméterszám, az aktivált paraméterszám és a teljes modellváltozat tárolási mérete külön fogalmak; e számok nem igazolnak rögzített válaszidőt.
A natív kontextus 262,144 token, feltételesen legfeljebb 1,010,000 tokenre bővíthető. A szöveg, reprezentált képek vagy videó, beszélgetési előzmények, következtetés és végső válasz közösen használja a beállított szekvenciakeretet. Egy feladathoz a ténylegesen beállított keretet használja, ne feltételezze, hogy a legnagyobb dokumentum és legnagyobb válasz automatikusan együtt is elfér.
Szöveges és vizuális bizonyítékok előkészítése
Műszaki projekthez adja meg a specifikációt, a releváns kódot és ábrákat, és határozza meg az elkészítendő munkaterméket. Kérjen az érintett komponensek szerint rendezett, a megadott követelményekkel alátámasztott megvalósítási javaslatot. Dokumentum-összehasonlításhoz őrizze meg a szakaszazonosítókat, táblázatfeliratokat és mértékegységeket, és kérjen megállapítási táblázatot minden sorhoz bizonyítékkal. Többnyelvű jelentéshez határozza meg a célnyelvet és a változatlanul hagyandó kifejezéseket.
Képi kérdésnél őrizze meg az apró feliratokat, és adja meg a képen nem szereplő definíciókat. Videós kérdésnél azonosítsa a releváns eseményt, és őrizze meg a képkockák sorrendjét és időzítését. A visszaadott vizuális részleteket, idézeteket és eseményleírásokat vesse össze az eredeti képekkel, szövegrészletekkel és időbélyegekkel. Az eredmény továbbra is szöveges elemzés vagy kód; a modell vizuális bemenete nem jelent kép-, videó- vagy beszédgenerálást.
Gondolkodás és beszélgetési előzmények
A gondolkodás alapértelmezés szerint be van kapcsolva, és megelőzi a végső választ. A gyártó enable_thinking beállítása közvetlen válaszhoz kikapcsolhatja. A régebbi /think és /nothink szöveges promptkapcsolók a Qwen3.5 esetén hivatalosan nem támogatottak. A végső munkaterméket tegye könnyen megtalálhatóvá a következtetés után, például elhatárolt következtetésként, bizonyítéktáblázatként vagy külön kódjavaslatként.
A kártya a korábbi asszisztensüzenetekben a végső válaszok gondolkodási tartalom nélküli megtartását ajánlja. Ez eltér a későbbi kiadásokban bevezetett korábbikövetkeztetés-megőrzési opcióktól és alapértékektől. Kövesse e pontos modellváltozat sablonját, és a javításokat vagy eszközmegfigyeléseket kapcsolja az általuk frissített feladathoz.
Ügynökjellegű használat
A Qwen dokumentálja az eszközhívást, és beállított vagy MCP-n keresztül csatlakozó eszközökhöz a Qwen-Agent, kódolóügynök-folyamatokhoz pedig a Qwen Code használatát ajánlja. Határozza meg az engedélyezett műveleteket, az elérhető bizonyítékokat és a teljesítés megfigyelhető feltételeit. Az alkalmazás futtatja az eszközöket, és visszaadja eredményeiket; a modell a megfigyelések alapján módosíthatja tervét vagy magyarázatát. A javasolt parancs vagy javítás különbözik a környezetben ténylegesen befejezett művelettől.
Rendkívül hosszú szöveg és videó
A gyártó bővítése YaRN-t használ a modellváltozat saját váltakozó pozicionális beállításaival. A négyszeres szorzó a hozzávetőleg egymillió tokenes folyamatot célozza; 524,288 tokenes terheléshez kétszeres szorzó javasolt. A statikus skálázás befolyásolhatja a rövidebb szövegek teljesítményét, ezért a nagyobb kontextus tényleges szükségletéhez kell igazítani. A hosszú bemenetet rendezze dokumentum-, oldal- vagy kódazonosító szerint, és hagyjon helyet az eredménynek.
A támogatott videós példa alapértelmezés szerint másodpercenként két képkockát használ. Órás anyaghoz a gyártó nagyobb, körülbelül 224K videótokennek megfelelő feldolgozói keretet ajánl a sűrűbb mintavételhez. Ez beállításfüggő recept, nem jelent általános garanciát a média időtartamára, a teljes felidézésre vagy az időbélyegek pontosságára.
Generálási útmutató és érdemi korlátok
E modellváltozat Best Practices része gondolkodáshoz temperature 0.6, top_p 0.95, top_k 20 és min_p 0, közvetlen válaszokhoz pedig temperature 0.7, top_p 0.8, top_k 20 és min_p 0 értékeket ajánl. Ezek a pontos ajánlások eltérnek néhány kisebb Qwen3.5 kiadásétól. Ahol támogatott, a nulla és kettő közötti jelenléti büntetés csökkentheti az ismétlést, de a magasabb értékek nyelvek keveredését vagy enyhe minőségromlást okozhatnak.
Az ajánlott generálási keret a legtöbb lekérdezéshez 32,768 token, szokatlanul összetett matematikai vagy programozási munkához 81,920 token. Ezek ajánlások, nem független, szigorú kimeneti felső határok. Határozza meg a szükséges válaszformátumot, és ellenőrizze a számításokat, kinyert részleteket és javasolt kódot a forrással. A hasznos kimenet konkrét szöveges munkatermék, amelynek bizonyítékai és feltételezései felülvizsgálhatók.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3.5-397b-a17b | 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 $0.00078 / 1K token Kimenet · Kimeneti tokenek $0.00468 / 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 $0.00078 / 1K token Kimenet · Kimeneti tokenek $0.00468 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "qwen/qwen3.5-397b-a17b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.5-397b-a17b', '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/qwen3.5-397b-a17b', '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/qwen3.5-397b-a17b
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Reconcile a specification and implementation plan\n\nCompare spec S1: users may delete only their own drafts, and published records cannot be deleted. Plan P1: show Delete for every record owned by the user, regardless of status. Return the exact mismatch, a corrected eligibility rule and test cases for an owned draft, owned published record and another user’s draft.An evidence-linked mismatch, a corrected rule and three acceptance-test descriptions.Check that both ownership and draft status are required rather than treating either condition as sufficient.