Rilis Flash tanggal 23 Februari
Qwen3.5 Flash adalah keluarga model visi-bahasa native. Rilis dari pembuatnya menyebut snapshot tanggal 23 Februari 2026 dan menjelaskan arsitektur hibrida yang menggabungkan linear attention dengan komputasi sparse mixture-of-experts. Masukannya adalah teks, gambar, dan video serta hasilnya berupa teks. Rilis berfokus pada keseimbangan inferensi dan kemampuan tugas dalam pekerjaan teks maupun multimodal; hal itu tidak menetapkan latensi tetap untuk aplikasi tertentu.
Kartu model terbuka Qwen menjelaskan Qwen3.5-Flash terkelola sebagai padanan Qwen3.5-35B-A3B, dengan fitur tambahan seperti konteks bawaan satu juta token dan alat bawaan. Itu merupakan hubungan antarlayanan yang dijelaskan produsen, bukan alasan untuk menggabungkan nama, konfigurasi, atau fitur antarmuka yang tepat. Snapshot tanggal 23 Februari tetap berbeda dari nama Flash yang terus berubah dan dari generasi Qwen berikutnya.
Tugas teks, visual, dan pemrograman
Keluarga Qwen3.5 dilatih dengan fusi teks–visi sejak awal, mendukung penalaran, pemrograman, agen, dan pemahaman visual. Untuk tugas pemrograman yang dipandu tangkapan layar, berikan referensi visual, kode yang relevan, dan perilaku yang diperlukan, lalu minta artefak yang dapat diedit beserta penjelasan kondisi yang terdampak. Untuk dokumen atau bagan, pertahankan label dan satuan serta minta kolom atau kesimpulan spesifik yang diperlukan.
Jawaban visual yang berguna dapat membedakan fakta yang terlihat dari hubungan yang disimpulkan serta mengidentifikasi bagian sumber atau bagian teks yang mendukung setiap kesimpulan. Untuk video, pertahankan urutan dan waktu serta nyatakan kejadian yang menjadi perhatian. Untuk analisis dokumen dan video, bandingkan kolom dan klaim yang dikembalikan dengan label, bagian teks, dan stempel waktu asli. Model menghasilkan analisis tekstual atau kode; masukan visual tidak menyiratkan pembuatan gambar atau video.
Berpikir dan respons langsung
Panduan mode dari pembuatnya mengidentifikasi Qwen3.5 Flash sebagai hybrid thinking, dengan mode berpikir aktif secara bawaan. Alur kerja hibrida yang didokumentasikan dapat menonaktifkan berpikir untuk jawaban langsung. Pisahkan artefak akhir dari penalaran ketika antarmuka yang dipilih menyediakan keduanya. Respons ringkas dapat sesuai untuk ekstraksi atau penulisan ulang sederhana, sedangkan pertanyaan yang menghubungkan beberapa kondisi mendapat manfaat dari penjelasan yang tetap dapat ditelusuri ke sumber.
Gunakan kontrol edisi Flash yang didokumentasikan, alih-alih mengimpor preset pengambilan sampel, opsi penalaran historis, atau penanda prompt dari checkpoint Qwen lain. Kartu terbuka Qwen3.5-35B-A3B memiliki resep riwayat dan pembuatan keluarannya sendiri; pengaturannya tidak otomatis menjadi kontrak antarmuka hosted Flash yang tepat.
Alat dan alur kerja aplikasi
Produsen menjelaskan alat tambahan dalam layanan Flash terkelola. Alur kerja terhubung dapat menyediakan retrieval, pemeriksaan, atau eksekusi yang diizinkan dan mengembalikan pengamatannya ke model. Tetapkan alat yang tersedia, tindakan yang diizinkan, dan kondisi penyelesaian yang dapat diamati. Minta laporan akhir membedakan pekerjaan yang diusulkan dari hasil yang dikembalikan alat nyata.
Kemampuan model yang berorientasi alat tidak menetapkan akses bawaan ke sumber terkini, berkas, atau lingkungan kode melalui setiap antarmuka. Permintaan tabel atau teks berbentuk JSON juga tidak dengan sendirinya menciptakan skema keluaran yang diberlakukan. Buat artefak mudah diperiksa: berkas kode, tabel bukti, atau kesimpulan singkat yang dihubungkan dengan materi yang diberikan.
Konteks dan batas khusus edisi
Qwen menjelaskan konteks bawaan satu juta token untuk versi Flash terkelolanya. Checkpoint terbuka yang bersesuaian memiliki konteks native berbeda dan prosedur perluasan eksplisit, sehingga deskripsi angka tersebut harus tetap dibatasi pada layanannya masing-masing. Teks, media yang direpresentasikan, riwayat percakapan, penalaran, dan jawaban harus muat dalam anggaran urutan konfigurasi yang berlaku.
Pilih teks, gambar, atau segmen video yang relevan, pertahankan pengenal dokumen serta kode, dan sisakan ruang dalam urutan kerja untuk hasil.
Persiapan praktis dan tinjauan
Untuk tugas pemrograman iteratif, berikan umpan balik galat atau tinjauan aktual bersama pertanyaan berikutnya agar model dapat memperbarui usulan perubahannya. Untuk analisis dokumen, minta bagian teks pendukung dan identifikasi bukti yang hilang secara eksplisit. Periksa teks hasil ekstraksi, perhitungan, dan kode yang dihasilkan terhadap sumber. Gunakan rilis tetap ini untuk analisis teks, gambar, atau video yang mengembalikan hasil akhir tekstual konkret.
", "aboutText": "Rilis Flash tanggal 23 Februari\n\nQwen3.5 Flash adalah keluarga model visi-bahasa native. Rilis dari pembuatnya menyebut snapshot tanggal 23 Februari 2026 dan menjelaskan arsitektur hibrida yang menggabungkan linear attention dengan komputasi sparse mixture-of-experts. Masukannya adalah teks, gambar, dan video serta hasilnya berupa teks. Rilis berfokus pada keseimbangan inferensi dan kemampuan tugas dalam pekerjaan teks maupun multimodal; hal itu tidak menetapkan latensi tetap untuk aplikasi tertentu.\n\nKartu model terbuka Qwen menjelaskan Qwen3.5-Flash terkelola sebagai padanan Qwen3.5-35B-A3B, dengan fitur tambahan seperti konteks bawaan satu juta token dan alat bawaan. Itu merupakan hubungan antarlayanan yang dijelaskan produsen, bukan alasan untuk menggabungkan nama, konfigurasi, atau fitur antarmuka yang tepat. Snapshot tanggal 23 Februari tetap berbeda dari nama Flash yang terus berubah dan dari generasi Qwen berikutnya.\n\nTugas teks, visual, dan pemrograman\n\nKeluarga Qwen3.5 dilatih dengan fusi teks–visi sejak awal, mendukung penalaran, pemrograman, agen, dan pemahaman visual. Untuk tugas pemrograman yang dipandu tangkapan layar, berikan referensi visual, kode yang relevan, dan perilaku yang diperlukan, lalu minta artefak yang dapat diedit beserta penjelasan kondisi yang terdampak. Untuk dokumen atau bagan, pertahankan label dan satuan serta minta kolom atau kesimpulan spesifik yang diperlukan.\n\nJawaban visual yang berguna dapat membedakan fakta yang terlihat dari hubungan yang disimpulkan serta mengidentifikasi bagian sumber atau bagian teks yang mendukung setiap kesimpulan. Untuk video, pertahankan urutan dan waktu serta nyatakan kejadian yang menjadi perhatian. Untuk analisis dokumen dan video, bandingkan kolom dan klaim yang dikembalikan dengan label, bagian teks, dan stempel waktu asli. Model menghasilkan analisis tekstual atau kode; masukan visual tidak menyiratkan pembuatan gambar atau video.\n\nBerpikir dan respons langsung\n\nPanduan mode dari pembuatnya mengidentifikasi Qwen3.5 Flash sebagai hybrid thinking, dengan mode berpikir aktif secara bawaan. Alur kerja hibrida yang didokumentasikan dapat menonaktifkan berpikir untuk jawaban langsung. Pisahkan artefak akhir dari penalaran ketika antarmuka yang dipilih menyediakan keduanya. Respons ringkas dapat sesuai untuk ekstraksi atau penulisan ulang sederhana, sedangkan pertanyaan yang menghubungkan beberapa kondisi mendapat manfaat dari penjelasan yang tetap dapat ditelusuri ke sumber.\n\nGunakan kontrol edisi Flash yang didokumentasikan, alih-alih mengimpor preset pengambilan sampel, opsi penalaran historis, atau penanda prompt dari checkpoint Qwen lain. Kartu terbuka Qwen3.5-35B-A3B memiliki resep riwayat dan pembuatan keluarannya sendiri; pengaturannya tidak otomatis menjadi kontrak antarmuka hosted Flash yang tepat.\n\nAlat dan alur kerja aplikasi\n\nProdusen menjelaskan alat tambahan dalam layanan Flash terkelola. Alur kerja terhubung dapat menyediakan retrieval, pemeriksaan, atau eksekusi yang diizinkan dan mengembalikan pengamatannya ke model. Tetapkan alat yang tersedia, tindakan yang diizinkan, dan kondisi penyelesaian yang dapat diamati. Minta laporan akhir membedakan pekerjaan yang diusulkan dari hasil yang dikembalikan alat nyata.\n\nKemampuan model yang berorientasi alat tidak menetapkan akses bawaan ke sumber terkini, berkas, atau lingkungan kode melalui setiap antarmuka. Permintaan tabel atau teks berbentuk JSON juga tidak dengan sendirinya menciptakan skema keluaran yang diberlakukan. Buat artefak mudah diperiksa: berkas kode, tabel bukti, atau kesimpulan singkat yang dihubungkan dengan materi yang diberikan.\n\nKonteks dan batas khusus edisi\n\nQwen menjelaskan konteks bawaan satu juta token untuk versi Flash terkelolanya. Checkpoint terbuka yang bersesuaian memiliki konteks native berbeda dan prosedur perluasan eksplisit, sehingga deskripsi angka tersebut harus tetap dibatasi pada layanannya masing-masing. Teks, media yang direpresentasikan, riwayat percakapan, penalaran, dan jawaban harus muat dalam anggaran urutan konfigurasi yang berlaku.\n\nPilih teks, gambar, atau segmen video yang relevan, pertahankan pengenal dokumen serta kode, dan sisakan ruang dalam urutan kerja untuk hasil.\n\nPersiapan praktis dan tinjauan\n\nUntuk tugas pemrograman iteratif, berikan umpan balik galat atau tinjauan aktual bersama pertanyaan berikutnya agar model dapat memperbarui usulan perubahannya. Untuk analisis dokumen, minta bagian teks pendukung dan identifikasi bukti yang hilang secara eksplisit. Periksa teks hasil ekstraksi, perhitungan, dan kode yang dihasilkan terhadap sumber. Gunakan rilis tetap ini untuk analisis teks, gambar, atau video yang mengembalikan hasil akhir tekstual konkret.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Refine a patch using test feedback\n\nA first patch changes deduplicate(values) to list(set(values)). The returned test observation is: input [3,1,3,2] expected [3,1,2], but order was not preserved. Propose a replacement that retains first occurrences and works on integers. Include a regression assertion and explain the one behavior the failed patch overlooked. Do not claim to run the test.A revised Python function, a regression assertion and a short explanation tied to the supplied test observation.The duplicate 3 is removed while the order 3,1,2 survives; test execution remains a proposed check.qwen/qwen3.5-flash-02-23Rilis Qwen3.5 Flash tanggal 23 Februari adalah model visi-bahasa untuk teks, gambar, dan video, dengan keluaran teks. Model ini menggabungkan attention hibrida dan expert sparse dengan alur kerja berpikir/jawaban langsung keluarga Flash, untuk pemrograman, analisis visual, dan tugas berbantuan alat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Rilis Flash tanggal 23 Februari
Qwen3.5 Flash adalah keluarga model visi-bahasa native. Rilis dari pembuatnya menyebut snapshot tanggal 23 Februari 2026 dan menjelaskan arsitektur hibrida yang menggabungkan linear attention dengan komputasi sparse mixture-of-experts. Masukannya adalah teks, gambar, dan video serta hasilnya berupa teks. Rilis berfokus pada keseimbangan inferensi dan kemampuan tugas dalam pekerjaan teks maupun multimodal; hal itu tidak menetapkan latensi tetap untuk aplikasi tertentu.
Kartu model terbuka Qwen menjelaskan Qwen3.5-Flash terkelola sebagai padanan Qwen3.5-35B-A3B, dengan fitur tambahan seperti konteks bawaan satu juta token dan alat bawaan. Itu merupakan hubungan antarlayanan yang dijelaskan produsen, bukan alasan untuk menggabungkan nama, konfigurasi, atau fitur antarmuka yang tepat. Snapshot tanggal 23 Februari tetap berbeda dari nama Flash yang terus berubah dan dari generasi Qwen berikutnya.
Tugas teks, visual, dan pemrograman
Keluarga Qwen3.5 dilatih dengan fusi teks–visi sejak awal, mendukung penalaran, pemrograman, agen, dan pemahaman visual. Untuk tugas pemrograman yang dipandu tangkapan layar, berikan referensi visual, kode yang relevan, dan perilaku yang diperlukan, lalu minta artefak yang dapat diedit beserta penjelasan kondisi yang terdampak. Untuk dokumen atau bagan, pertahankan label dan satuan serta minta kolom atau kesimpulan spesifik yang diperlukan.
Jawaban visual yang berguna dapat membedakan fakta yang terlihat dari hubungan yang disimpulkan serta mengidentifikasi bagian sumber atau bagian teks yang mendukung setiap kesimpulan. Untuk video, pertahankan urutan dan waktu serta nyatakan kejadian yang menjadi perhatian. Untuk analisis dokumen dan video, bandingkan kolom dan klaim yang dikembalikan dengan label, bagian teks, dan stempel waktu asli. Model menghasilkan analisis tekstual atau kode; masukan visual tidak menyiratkan pembuatan gambar atau video.
Berpikir dan respons langsung
Panduan mode dari pembuatnya mengidentifikasi Qwen3.5 Flash sebagai hybrid thinking, dengan mode berpikir aktif secara bawaan. Alur kerja hibrida yang didokumentasikan dapat menonaktifkan berpikir untuk jawaban langsung. Pisahkan artefak akhir dari penalaran ketika antarmuka yang dipilih menyediakan keduanya. Respons ringkas dapat sesuai untuk ekstraksi atau penulisan ulang sederhana, sedangkan pertanyaan yang menghubungkan beberapa kondisi mendapat manfaat dari penjelasan yang tetap dapat ditelusuri ke sumber.
Gunakan kontrol edisi Flash yang didokumentasikan, alih-alih mengimpor preset pengambilan sampel, opsi penalaran historis, atau penanda prompt dari checkpoint Qwen lain. Kartu terbuka Qwen3.5-35B-A3B memiliki resep riwayat dan pembuatan keluarannya sendiri; pengaturannya tidak otomatis menjadi kontrak antarmuka hosted Flash yang tepat.
Alat dan alur kerja aplikasi
Produsen menjelaskan alat tambahan dalam layanan Flash terkelola. Alur kerja terhubung dapat menyediakan retrieval, pemeriksaan, atau eksekusi yang diizinkan dan mengembalikan pengamatannya ke model. Tetapkan alat yang tersedia, tindakan yang diizinkan, dan kondisi penyelesaian yang dapat diamati. Minta laporan akhir membedakan pekerjaan yang diusulkan dari hasil yang dikembalikan alat nyata.
Kemampuan model yang berorientasi alat tidak menetapkan akses bawaan ke sumber terkini, berkas, atau lingkungan kode melalui setiap antarmuka. Permintaan tabel atau teks berbentuk JSON juga tidak dengan sendirinya menciptakan skema keluaran yang diberlakukan. Buat artefak mudah diperiksa: berkas kode, tabel bukti, atau kesimpulan singkat yang dihubungkan dengan materi yang diberikan.
Konteks dan batas khusus edisi
Qwen menjelaskan konteks bawaan satu juta token untuk versi Flash terkelolanya. Checkpoint terbuka yang bersesuaian memiliki konteks native berbeda dan prosedur perluasan eksplisit, sehingga deskripsi angka tersebut harus tetap dibatasi pada layanannya masing-masing. Teks, media yang direpresentasikan, riwayat percakapan, penalaran, dan jawaban harus muat dalam anggaran urutan konfigurasi yang berlaku.
Pilih teks, gambar, atau segmen video yang relevan, pertahankan pengenal dokumen serta kode, dan sisakan ruang dalam urutan kerja untuk hasil.
Persiapan praktis dan tinjauan
Untuk tugas pemrograman iteratif, berikan umpan balik galat atau tinjauan aktual bersama pertanyaan berikutnya agar model dapat memperbarui usulan perubahannya. Untuk analisis dokumen, minta bagian teks pendukung dan identifikasi bukti yang hilang secara eksplisit. Periksa teks hasil ekstraksi, perhitungan, dan kode yang dihasilkan terhadap sumber. Gunakan rilis tetap ini untuk analisis teks, gambar, atau video yang mengembalikan hasil akhir tekstual konkret.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3.5-flash-02-23 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00013 / 1K token Keluaran · Token keluaran $0.00052 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00013 / 1K token Keluaran · Token keluaran $0.00052 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-flash-02-23", "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-flash-02-23',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-flash-02-23',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen/qwen3.5-flash-02-23
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3.5-flash-02-23Rilis Qwen3.5 Flash tanggal 23 Februari adalah model visi-bahasa untuk teks, gambar, dan video, dengan keluaran teks. Model ini menggabungkan attention hibrida dan expert sparse dengan alur kerja berpikir/jawaban langsung keluarga Flash, untuk pemrograman, analisis visual, dan tugas berbantuan alat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Rilis Flash tanggal 23 Februari
Qwen3.5 Flash adalah keluarga model visi-bahasa native. Rilis dari pembuatnya menyebut snapshot tanggal 23 Februari 2026 dan menjelaskan arsitektur hibrida yang menggabungkan linear attention dengan komputasi sparse mixture-of-experts. Masukannya adalah teks, gambar, dan video serta hasilnya berupa teks. Rilis berfokus pada keseimbangan inferensi dan kemampuan tugas dalam pekerjaan teks maupun multimodal; hal itu tidak menetapkan latensi tetap untuk aplikasi tertentu.
Kartu model terbuka Qwen menjelaskan Qwen3.5-Flash terkelola sebagai padanan Qwen3.5-35B-A3B, dengan fitur tambahan seperti konteks bawaan satu juta token dan alat bawaan. Itu merupakan hubungan antarlayanan yang dijelaskan produsen, bukan alasan untuk menggabungkan nama, konfigurasi, atau fitur antarmuka yang tepat. Snapshot tanggal 23 Februari tetap berbeda dari nama Flash yang terus berubah dan dari generasi Qwen berikutnya.
Tugas teks, visual, dan pemrograman
Keluarga Qwen3.5 dilatih dengan fusi teks–visi sejak awal, mendukung penalaran, pemrograman, agen, dan pemahaman visual. Untuk tugas pemrograman yang dipandu tangkapan layar, berikan referensi visual, kode yang relevan, dan perilaku yang diperlukan, lalu minta artefak yang dapat diedit beserta penjelasan kondisi yang terdampak. Untuk dokumen atau bagan, pertahankan label dan satuan serta minta kolom atau kesimpulan spesifik yang diperlukan.
Jawaban visual yang berguna dapat membedakan fakta yang terlihat dari hubungan yang disimpulkan serta mengidentifikasi bagian sumber atau bagian teks yang mendukung setiap kesimpulan. Untuk video, pertahankan urutan dan waktu serta nyatakan kejadian yang menjadi perhatian. Untuk analisis dokumen dan video, bandingkan kolom dan klaim yang dikembalikan dengan label, bagian teks, dan stempel waktu asli. Model menghasilkan analisis tekstual atau kode; masukan visual tidak menyiratkan pembuatan gambar atau video.
Berpikir dan respons langsung
Panduan mode dari pembuatnya mengidentifikasi Qwen3.5 Flash sebagai hybrid thinking, dengan mode berpikir aktif secara bawaan. Alur kerja hibrida yang didokumentasikan dapat menonaktifkan berpikir untuk jawaban langsung. Pisahkan artefak akhir dari penalaran ketika antarmuka yang dipilih menyediakan keduanya. Respons ringkas dapat sesuai untuk ekstraksi atau penulisan ulang sederhana, sedangkan pertanyaan yang menghubungkan beberapa kondisi mendapat manfaat dari penjelasan yang tetap dapat ditelusuri ke sumber.
Gunakan kontrol edisi Flash yang didokumentasikan, alih-alih mengimpor preset pengambilan sampel, opsi penalaran historis, atau penanda prompt dari checkpoint Qwen lain. Kartu terbuka Qwen3.5-35B-A3B memiliki resep riwayat dan pembuatan keluarannya sendiri; pengaturannya tidak otomatis menjadi kontrak antarmuka hosted Flash yang tepat.
Alat dan alur kerja aplikasi
Produsen menjelaskan alat tambahan dalam layanan Flash terkelola. Alur kerja terhubung dapat menyediakan retrieval, pemeriksaan, atau eksekusi yang diizinkan dan mengembalikan pengamatannya ke model. Tetapkan alat yang tersedia, tindakan yang diizinkan, dan kondisi penyelesaian yang dapat diamati. Minta laporan akhir membedakan pekerjaan yang diusulkan dari hasil yang dikembalikan alat nyata.
Kemampuan model yang berorientasi alat tidak menetapkan akses bawaan ke sumber terkini, berkas, atau lingkungan kode melalui setiap antarmuka. Permintaan tabel atau teks berbentuk JSON juga tidak dengan sendirinya menciptakan skema keluaran yang diberlakukan. Buat artefak mudah diperiksa: berkas kode, tabel bukti, atau kesimpulan singkat yang dihubungkan dengan materi yang diberikan.
Konteks dan batas khusus edisi
Qwen menjelaskan konteks bawaan satu juta token untuk versi Flash terkelolanya. Checkpoint terbuka yang bersesuaian memiliki konteks native berbeda dan prosedur perluasan eksplisit, sehingga deskripsi angka tersebut harus tetap dibatasi pada layanannya masing-masing. Teks, media yang direpresentasikan, riwayat percakapan, penalaran, dan jawaban harus muat dalam anggaran urutan konfigurasi yang berlaku.
Pilih teks, gambar, atau segmen video yang relevan, pertahankan pengenal dokumen serta kode, dan sisakan ruang dalam urutan kerja untuk hasil.
Persiapan praktis dan tinjauan
Untuk tugas pemrograman iteratif, berikan umpan balik galat atau tinjauan aktual bersama pertanyaan berikutnya agar model dapat memperbarui usulan perubahannya. Untuk analisis dokumen, minta bagian teks pendukung dan identifikasi bukti yang hilang secara eksplisit. Periksa teks hasil ekstraksi, perhitungan, dan kode yang dihasilkan terhadap sumber. Gunakan rilis tetap ini untuk analisis teks, gambar, atau video yang mengembalikan hasil akhir tekstual konkret.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3.5-flash-02-23 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00013 / 1K token Keluaran · Token keluaran $0.00052 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00013 / 1K token Keluaran · Token keluaran $0.00052 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3.5-flash-02-23",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-flash-02-23', '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-flash-02-23', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen/qwen3.5-flash-02-23
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Refine a patch using test feedback\n\nA first patch changes deduplicate(values) to list(set(values)). The returned test observation is: input [3,1,3,2] expected [3,1,2], but order was not preserved. Propose a replacement that retains first occurrences and works on integers. Include a regression assertion and explain the one behavior the failed patch overlooked. Do not claim to run the test.A revised Python function, a regression assertion and a short explanation tied to the supplied test observation.The duplicate 3 is removed while the order 3,1,2 survives; test execution remains a proposed check.