Qwen Turbo 2024-11-01 adalah versi tetap Qwen-Turbo Alibaba dari generasi Qwen2.5. Model ini menerima instruksi tertulis dan konteks teks lalu menghasilkan jawaban teks. Tugas yang berguna mencakup pertanyaan tentang dokumen yang diberikan, ringkasan yang menghubungkan beberapa sumber, penjelasan basis kode, dan ekstraksi ke JSON. Pertahankan nama model bertanggal bersama prompt saat membandingkan hasil antar-edisi.
Pengenalan Qwen2.5-Turbo oleh Qwen memperagakan pembacaan narasi panjang dan beberapa makalah terkait. Keluaran yang berguna bergantung pada pertanyaan: gambaran umum dapat menjelaskan hubungan antar-karya, sedangkan perbandingan terfokus dapat membedakan pendekatan dan bukti pendukungnya. Berikan teks dengan label yang jelas dan minta perbedaan yang penting bagi pembaca. Arahan awal dapat meminta usulan utama setiap dokumen, bagian teks yang mendukungnya, dan perbedaan pendapat antar-dokumen. Minta jawaban dalam bahasa yang dibutuhkan audiens dan pertahankan hubungan kutipan dengan sumbernya.
Pembuatnya juga memperagakan pembacaan repositori yang dihimpun menjadi sebuah berkas teks, mulai dari menjelaskan tujuannya lalu menemukan kelas dan jalur berkasnya. Siapkan kode dengan batas berkas, nama, dan definisi relevan di sekitarnya tetap utuh. Minta gambaran struktur sebuah komponen sebelum meminta penjelasan yang lebih spesifik tentang hubungan antar-bagiannya. Penjelasan atau daftar lokasi yang dihasilkan dapat memandu pemeriksaan berkas asli; periksa lokasi tersebut berdasarkan kode yang diberikan.
Dalam alur kerja teks yang didokumentasikan pembuatnya, pesan sistem menetapkan peran dan aturan tugas, pesan pengguna menyediakan pertanyaan serta materi, dan model menjawab sebagai asisten. Nyatakan hasil kerja yang diinginkan secara eksplisit: ringkasan, tabel perbandingan, penjelasan singkat, atau bidang yang diekstrak. Untuk tugas dokumen, bedakan teks yang perlu dibaca dari instruksi yang menjelaskan apa yang harus dilakukan terhadapnya. Sertakan terminologi, bahasa keluaran, dan aturan untuk menangani informasi yang tidak disediakan sumber.
Alur kerja Chat Completions dari pembuatnya tidak menyimpan keadaan: diskusi lanjutan menggunakan riwayat percakapan yang diberikan bersama pertanyaan berikutnya. Tambahkan pesan pengguna dan asisten sebelumnya ketika pertanyaan lanjutan bergantung padanya. Giliran pertama dapat mengidentifikasi argumen sebuah dokumen; giliran kedua dapat menanyakan bagian teks yang mendukung satu kesimpulan. Sediakan konteks sumber yang diperlukan, alih-alih menganggap jawaban sebelumnya memberi model memori permanen. Seiring bertambahnya diskusi, pertahankan giliran terbaru dan fakta sumber yang penting, atau gunakan ringkasan materi sebelumnya yang telah ditinjau. Menghapus atau memadatkan riwayat dapat menghilangkan detail yang diperlukan untuk jawaban berikutnya.
Alibaba secara eksplisit menyertakan qwen-turbo-2024-11-01 dalam dukungan JSON Object. Dalam alur kerja pembuatnya, format jawaban ditetapkan ke json_object dan instruksi sistem atau pengguna harus memuat kata JSON. Tentukan nama bidang dan cara menangani informasi yang hilang. Misalnya, arahan ekstraksi dapat meminta judul dokumen, nama penulis yang tercantum, dan bagian teks pendukung, dengan ketentuan yang telah ditetapkan apabila penulis tidak disebutkan.
Mode JSON Object menargetkan sintaks JSON yang valid; mode ini tidak memaksakan skema tertentu, nama bidang yang tetap, atau tipe bidang. Periksa objek yang dikembalikan untuk memastikan bidang dan nilai yang diperlukan tugas sebelum menggunakannya pada proses berikutnya. Hasil yang terpotong sebelum selesai juga dapat berupa JSON yang tidak valid. Pertahankan objek lengkap dan teks sumbernya agar masalah format dapat dibedakan dari ekstraksi yang keliru.
Pengenalan Qwen menyebutkan ketidakstabilan dalam tugas yang menuntut pengolahan urutan panjang. Banyaknya teks yang diberikan tidak menjamin setiap detail akan ditemukan atau setiap hubungan akan ditafsirkan dengan benar. Periksa pernyataan penting, referensi, dan lokasi kode berdasarkan materi asli, terutama ketika kesimpulan menghubungkan bagian teks yang berjauhan. Pertahankan sumber, prompt yang tepat, dan jawaban yang dipilih sebagai hasil kerja. Pemetaan versi Alibaba membedakan versi ini dari Qwen-Turbo-2025-04-28, sehingga perbandingan antar-edisi sebaiknya mempertahankan kedua nama model dan tugas yang sama.
", "aboutText": "Qwen Turbo 2024-11-01 adalah versi tetap Qwen-Turbo Alibaba dari generasi Qwen2.5. Model ini menerima instruksi tertulis dan konteks teks lalu menghasilkan jawaban teks. Tugas yang berguna mencakup pertanyaan tentang dokumen yang diberikan, ringkasan yang menghubungkan beberapa sumber, penjelasan basis kode, dan ekstraksi ke JSON. Pertahankan nama model bertanggal bersama prompt saat membandingkan hasil antar-edisi.\n\n### Baca materi yang saling terkait dengan pertanyaan spesifik\n\nPengenalan Qwen2.5-Turbo oleh Qwen memperagakan pembacaan narasi panjang dan beberapa makalah terkait. Keluaran yang berguna bergantung pada pertanyaan: gambaran umum dapat menjelaskan hubungan antar-karya, sedangkan perbandingan terfokus dapat membedakan pendekatan dan bukti pendukungnya. Berikan teks dengan label yang jelas dan minta perbedaan yang penting bagi pembaca. Arahan awal dapat meminta usulan utama setiap dokumen, bagian teks yang mendukungnya, dan perbedaan pendapat antar-dokumen. Minta jawaban dalam bahasa yang dibutuhkan audiens dan pertahankan hubungan kutipan dengan sumbernya.\n\n### Pahami repositori melalui teksnya\n\nPembuatnya juga memperagakan pembacaan repositori yang dihimpun menjadi sebuah berkas teks, mulai dari menjelaskan tujuannya lalu menemukan kelas dan jalur berkasnya. Siapkan kode dengan batas berkas, nama, dan definisi relevan di sekitarnya tetap utuh. Minta gambaran struktur sebuah komponen sebelum meminta penjelasan yang lebih spesifik tentang hubungan antar-bagiannya. Penjelasan atau daftar lokasi yang dihasilkan dapat memandu pemeriksaan berkas asli; periksa lokasi tersebut berdasarkan kode yang diberikan.\n\n### Berikan instruksi dan materi sebagai pesan\n\nDalam alur kerja teks yang didokumentasikan pembuatnya, pesan sistem menetapkan peran dan aturan tugas, pesan pengguna menyediakan pertanyaan serta materi, dan model menjawab sebagai asisten. Nyatakan hasil kerja yang diinginkan secara eksplisit: ringkasan, tabel perbandingan, penjelasan singkat, atau bidang yang diekstrak. Untuk tugas dokumen, bedakan teks yang perlu dibaca dari instruksi yang menjelaskan apa yang harus dilakukan terhadapnya. Sertakan terminologi, bahasa keluaran, dan aturan untuk menangani informasi yang tidak disediakan sumber.\n\n### Lanjutkan percakapan dengan riwayat yang relevan\n\nAlur kerja Chat Completions dari pembuatnya tidak menyimpan keadaan: diskusi lanjutan menggunakan riwayat percakapan yang diberikan bersama pertanyaan berikutnya. Tambahkan pesan pengguna dan asisten sebelumnya ketika pertanyaan lanjutan bergantung padanya. Giliran pertama dapat mengidentifikasi argumen sebuah dokumen; giliran kedua dapat menanyakan bagian teks yang mendukung satu kesimpulan. Sediakan konteks sumber yang diperlukan, alih-alih menganggap jawaban sebelumnya memberi model memori permanen. Seiring bertambahnya diskusi, pertahankan giliran terbaru dan fakta sumber yang penting, atau gunakan ringkasan materi sebelumnya yang telah ditinjau. Menghapus atau memadatkan riwayat dapat menghilangkan detail yang diperlukan untuk jawaban berikutnya.\n\n### Ekstrak informasi dengan mode JSON Object\n\nAlibaba secara eksplisit menyertakan qwen-turbo-2024-11-01 dalam dukungan JSON Object. Dalam alur kerja pembuatnya, format jawaban ditetapkan ke json_object dan instruksi sistem atau pengguna harus memuat kata JSON. Tentukan nama bidang dan cara menangani informasi yang hilang. Misalnya, arahan ekstraksi dapat meminta judul dokumen, nama penulis yang tercantum, dan bagian teks pendukung, dengan ketentuan yang telah ditetapkan apabila penulis tidak disebutkan.\n\nMode JSON Object menargetkan sintaks JSON yang valid; mode ini tidak memaksakan skema tertentu, nama bidang yang tetap, atau tipe bidang. Periksa objek yang dikembalikan untuk memastikan bidang dan nilai yang diperlukan tugas sebelum menggunakannya pada proses berikutnya. Hasil yang terpotong sebelum selesai juga dapat berupa JSON yang tidak valid. Pertahankan objek lengkap dan teks sumbernya agar masalah format dapat dibedakan dari ekstraksi yang keliru.\n\n### Tinjau jawaban berdasarkan materi asli\n\nPengenalan Qwen menyebutkan ketidakstabilan dalam tugas yang menuntut pengolahan urutan panjang. Banyaknya teks yang diberikan tidak menjamin setiap detail akan ditemukan atau setiap hubungan akan ditafsirkan dengan benar. Periksa pernyataan penting, referensi, dan lokasi kode berdasarkan materi asli, terutama ketika kesimpulan menghubungkan bagian teks yang berjauhan. Pertahankan sumber, prompt yang tepat, dan jawaban yang dipilih sebagai hasil kerja. Pemetaan versi Alibaba membedakan versi ini dari Qwen-Turbo-2025-04-28, sehingga perbandingan antar-edisi sebaiknya mempertahankan kedua nama model dan tugas yang sama.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Map a component from supplied code text\n\nMap this miniature repository. File reader.py: class CsvReader exposes read(path). File service.py: class ImportService receives a reader and calls reader.read(path) inside import_file(path). Explain each class’s role, identify where file loading occurs and list the supplied paths. Do not invent validation, storage or error handling absent from the excerpts.A two-component map, the read call location and an explicit list of unspecified behavior.Check that file loading is attributed to CsvReader.read and orchestration to ImportService.import_file, using the supplied paths only.qwen-turbo-2024-11-01Qwen Turbo 2024-11-01 dari Alibaba adalah versi tetap model teks untuk menjawab pertanyaan tentang materi yang diberikan, merangkum dokumen terkait, dan membaca kode sumber. Model ini juga mendukung mode JSON Object dari pembuatnya untuk mengekstrak informasi menjadi hasil yang dapat diurai.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen Turbo 2024-11-01 adalah versi tetap Qwen-Turbo Alibaba dari generasi Qwen2.5. Model ini menerima instruksi tertulis dan konteks teks lalu menghasilkan jawaban teks. Tugas yang berguna mencakup pertanyaan tentang dokumen yang diberikan, ringkasan yang menghubungkan beberapa sumber, penjelasan basis kode, dan ekstraksi ke JSON. Pertahankan nama model bertanggal bersama prompt saat membandingkan hasil antar-edisi.
Pengenalan Qwen2.5-Turbo oleh Qwen memperagakan pembacaan narasi panjang dan beberapa makalah terkait. Keluaran yang berguna bergantung pada pertanyaan: gambaran umum dapat menjelaskan hubungan antar-karya, sedangkan perbandingan terfokus dapat membedakan pendekatan dan bukti pendukungnya. Berikan teks dengan label yang jelas dan minta perbedaan yang penting bagi pembaca. Arahan awal dapat meminta usulan utama setiap dokumen, bagian teks yang mendukungnya, dan perbedaan pendapat antar-dokumen. Minta jawaban dalam bahasa yang dibutuhkan audiens dan pertahankan hubungan kutipan dengan sumbernya.
Pembuatnya juga memperagakan pembacaan repositori yang dihimpun menjadi sebuah berkas teks, mulai dari menjelaskan tujuannya lalu menemukan kelas dan jalur berkasnya. Siapkan kode dengan batas berkas, nama, dan definisi relevan di sekitarnya tetap utuh. Minta gambaran struktur sebuah komponen sebelum meminta penjelasan yang lebih spesifik tentang hubungan antar-bagiannya. Penjelasan atau daftar lokasi yang dihasilkan dapat memandu pemeriksaan berkas asli; periksa lokasi tersebut berdasarkan kode yang diberikan.
Dalam alur kerja teks yang didokumentasikan pembuatnya, pesan sistem menetapkan peran dan aturan tugas, pesan pengguna menyediakan pertanyaan serta materi, dan model menjawab sebagai asisten. Nyatakan hasil kerja yang diinginkan secara eksplisit: ringkasan, tabel perbandingan, penjelasan singkat, atau bidang yang diekstrak. Untuk tugas dokumen, bedakan teks yang perlu dibaca dari instruksi yang menjelaskan apa yang harus dilakukan terhadapnya. Sertakan terminologi, bahasa keluaran, dan aturan untuk menangani informasi yang tidak disediakan sumber.
Alur kerja Chat Completions dari pembuatnya tidak menyimpan keadaan: diskusi lanjutan menggunakan riwayat percakapan yang diberikan bersama pertanyaan berikutnya. Tambahkan pesan pengguna dan asisten sebelumnya ketika pertanyaan lanjutan bergantung padanya. Giliran pertama dapat mengidentifikasi argumen sebuah dokumen; giliran kedua dapat menanyakan bagian teks yang mendukung satu kesimpulan. Sediakan konteks sumber yang diperlukan, alih-alih menganggap jawaban sebelumnya memberi model memori permanen. Seiring bertambahnya diskusi, pertahankan giliran terbaru dan fakta sumber yang penting, atau gunakan ringkasan materi sebelumnya yang telah ditinjau. Menghapus atau memadatkan riwayat dapat menghilangkan detail yang diperlukan untuk jawaban berikutnya.
Alibaba secara eksplisit menyertakan qwen-turbo-2024-11-01 dalam dukungan JSON Object. Dalam alur kerja pembuatnya, format jawaban ditetapkan ke json_object dan instruksi sistem atau pengguna harus memuat kata JSON. Tentukan nama bidang dan cara menangani informasi yang hilang. Misalnya, arahan ekstraksi dapat meminta judul dokumen, nama penulis yang tercantum, dan bagian teks pendukung, dengan ketentuan yang telah ditetapkan apabila penulis tidak disebutkan.
Mode JSON Object menargetkan sintaks JSON yang valid; mode ini tidak memaksakan skema tertentu, nama bidang yang tetap, atau tipe bidang. Periksa objek yang dikembalikan untuk memastikan bidang dan nilai yang diperlukan tugas sebelum menggunakannya pada proses berikutnya. Hasil yang terpotong sebelum selesai juga dapat berupa JSON yang tidak valid. Pertahankan objek lengkap dan teks sumbernya agar masalah format dapat dibedakan dari ekstraksi yang keliru.
Pengenalan Qwen menyebutkan ketidakstabilan dalam tugas yang menuntut pengolahan urutan panjang. Banyaknya teks yang diberikan tidak menjamin setiap detail akan ditemukan atau setiap hubungan akan ditafsirkan dengan benar. Periksa pernyataan penting, referensi, dan lokasi kode berdasarkan materi asli, terutama ketika kesimpulan menghubungkan bagian teks yang berjauhan. Pertahankan sumber, prompt yang tepat, dan jawaban yang dipilih sebagai hasil kerja. Pemetaan versi Alibaba membedakan versi ini dari Qwen-Turbo-2025-04-28, sehingga perbandingan antar-edisi sebaiknya mempertahankan kedua nama model dan tugas yang sama.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen-turbo-2024-11-01 | 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.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0001 / 1K token Keluaran · Token keluaran $0.00018 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-turbo-2024-11-01", "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-turbo-2024-11-01',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-turbo-2024-11-01',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-turbo-2024-11-01
Gunakan jalur metode yang ditampilkan di atas.
qwen-turbo-2024-11-01Qwen Turbo 2024-11-01 dari Alibaba adalah versi tetap model teks untuk menjawab pertanyaan tentang materi yang diberikan, merangkum dokumen terkait, dan membaca kode sumber. Model ini juga mendukung mode JSON Object dari pembuatnya untuk mengekstrak informasi menjadi hasil yang dapat diurai.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen Turbo 2024-11-01 adalah versi tetap Qwen-Turbo Alibaba dari generasi Qwen2.5. Model ini menerima instruksi tertulis dan konteks teks lalu menghasilkan jawaban teks. Tugas yang berguna mencakup pertanyaan tentang dokumen yang diberikan, ringkasan yang menghubungkan beberapa sumber, penjelasan basis kode, dan ekstraksi ke JSON. Pertahankan nama model bertanggal bersama prompt saat membandingkan hasil antar-edisi.
Pengenalan Qwen2.5-Turbo oleh Qwen memperagakan pembacaan narasi panjang dan beberapa makalah terkait. Keluaran yang berguna bergantung pada pertanyaan: gambaran umum dapat menjelaskan hubungan antar-karya, sedangkan perbandingan terfokus dapat membedakan pendekatan dan bukti pendukungnya. Berikan teks dengan label yang jelas dan minta perbedaan yang penting bagi pembaca. Arahan awal dapat meminta usulan utama setiap dokumen, bagian teks yang mendukungnya, dan perbedaan pendapat antar-dokumen. Minta jawaban dalam bahasa yang dibutuhkan audiens dan pertahankan hubungan kutipan dengan sumbernya.
Pembuatnya juga memperagakan pembacaan repositori yang dihimpun menjadi sebuah berkas teks, mulai dari menjelaskan tujuannya lalu menemukan kelas dan jalur berkasnya. Siapkan kode dengan batas berkas, nama, dan definisi relevan di sekitarnya tetap utuh. Minta gambaran struktur sebuah komponen sebelum meminta penjelasan yang lebih spesifik tentang hubungan antar-bagiannya. Penjelasan atau daftar lokasi yang dihasilkan dapat memandu pemeriksaan berkas asli; periksa lokasi tersebut berdasarkan kode yang diberikan.
Dalam alur kerja teks yang didokumentasikan pembuatnya, pesan sistem menetapkan peran dan aturan tugas, pesan pengguna menyediakan pertanyaan serta materi, dan model menjawab sebagai asisten. Nyatakan hasil kerja yang diinginkan secara eksplisit: ringkasan, tabel perbandingan, penjelasan singkat, atau bidang yang diekstrak. Untuk tugas dokumen, bedakan teks yang perlu dibaca dari instruksi yang menjelaskan apa yang harus dilakukan terhadapnya. Sertakan terminologi, bahasa keluaran, dan aturan untuk menangani informasi yang tidak disediakan sumber.
Alur kerja Chat Completions dari pembuatnya tidak menyimpan keadaan: diskusi lanjutan menggunakan riwayat percakapan yang diberikan bersama pertanyaan berikutnya. Tambahkan pesan pengguna dan asisten sebelumnya ketika pertanyaan lanjutan bergantung padanya. Giliran pertama dapat mengidentifikasi argumen sebuah dokumen; giliran kedua dapat menanyakan bagian teks yang mendukung satu kesimpulan. Sediakan konteks sumber yang diperlukan, alih-alih menganggap jawaban sebelumnya memberi model memori permanen. Seiring bertambahnya diskusi, pertahankan giliran terbaru dan fakta sumber yang penting, atau gunakan ringkasan materi sebelumnya yang telah ditinjau. Menghapus atau memadatkan riwayat dapat menghilangkan detail yang diperlukan untuk jawaban berikutnya.
Alibaba secara eksplisit menyertakan qwen-turbo-2024-11-01 dalam dukungan JSON Object. Dalam alur kerja pembuatnya, format jawaban ditetapkan ke json_object dan instruksi sistem atau pengguna harus memuat kata JSON. Tentukan nama bidang dan cara menangani informasi yang hilang. Misalnya, arahan ekstraksi dapat meminta judul dokumen, nama penulis yang tercantum, dan bagian teks pendukung, dengan ketentuan yang telah ditetapkan apabila penulis tidak disebutkan.
Mode JSON Object menargetkan sintaks JSON yang valid; mode ini tidak memaksakan skema tertentu, nama bidang yang tetap, atau tipe bidang. Periksa objek yang dikembalikan untuk memastikan bidang dan nilai yang diperlukan tugas sebelum menggunakannya pada proses berikutnya. Hasil yang terpotong sebelum selesai juga dapat berupa JSON yang tidak valid. Pertahankan objek lengkap dan teks sumbernya agar masalah format dapat dibedakan dari ekstraksi yang keliru.
Pengenalan Qwen menyebutkan ketidakstabilan dalam tugas yang menuntut pengolahan urutan panjang. Banyaknya teks yang diberikan tidak menjamin setiap detail akan ditemukan atau setiap hubungan akan ditafsirkan dengan benar. Periksa pernyataan penting, referensi, dan lokasi kode berdasarkan materi asli, terutama ketika kesimpulan menghubungkan bagian teks yang berjauhan. Pertahankan sumber, prompt yang tepat, dan jawaban yang dipilih sebagai hasil kerja. Pemetaan versi Alibaba membedakan versi ini dari Qwen-Turbo-2025-04-28, sehingga perbandingan antar-edisi sebaiknya mempertahankan kedua nama model dan tugas yang sama.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen-turbo-2024-11-01 | 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.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0001 / 1K token Keluaran · Token keluaran $0.00018 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen-turbo-2024-11-01",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-turbo-2024-11-01', '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-turbo-2024-11-01', '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-turbo-2024-11-01
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Map a component from supplied code text\n\nMap this miniature repository. File reader.py: class CsvReader exposes read(path). File service.py: class ImportService receives a reader and calls reader.read(path) inside import_file(path). Explain each class’s role, identify where file loading occurs and list the supplied paths. Do not invent validation, storage or error handling absent from the excerpts.A two-component map, the read call location and an explicit list of unspecified behavior.Check that file loading is attributed to CsvReader.read and orchestration to ImportService.import_file, using the supplied paths only.