Qwen3.7-Max 2026-06-08 adalah snapshot 8 Juni bernama dari Alibaba untuk model Max dalam keluarga Qwen3.7. Perubahan yang menentukan edisi ini adalah pemahaman modalitas visual yang ditambahkan ke snapshot 20 Mei, sehingga mendukung interaksi yang berlandaskan adegan dunia nyata. Model ini menerima teks, gambar, dan video serta menghasilkan teks. Tujuan keluarga yang berfokus pada agen mencakup pemrograman, pekerjaan kantor dan produktivitas, serta tugas berkelanjutan yang menggabungkan instruksi dengan hasil alat.
Edisi ini penting untuk tugas visual. Nama Qwen3.7-Max tanpa tanggal didokumentasikan setara dengan snapshot 20 Mei yang hanya menerima teks, sedangkan tabel model khusus Juni mencakup masukan gambar dan video. Untuk model ini, tangkapan layar dapat menyertai tugas pemrograman, atau video dapat menyediakan adegan yang diminta untuk dianalisis oleh agen melalui instruksi tertulis. Keluarannya berupa penjelasan, kode, catatan terstruktur, atau instruksi pemanggilan alat, bukan gambar, video, atau ucapan yang dihasilkan.
Panduan thinking Alibaba secara eksplisit mencantumkan snapshot Juni ini sebagai model hibrida: thinking diaktifkan secara bawaan dalam alur produsen dan dapat dinonaktifkan untuk respons langsung. Mode thinking menghasilkan penalaran sebelum jawaban dan membutuhkan waktu penalaran tambahan. Panduan tersebut memisahkan konten penalaran dari jawaban akhir dan mendukung pemeliharaan penalaran historis yang diberikan antar-giliran untuk model yang persis ini. Penalaran yang dipertahankan menjadi bagian dari masukan berikutnya, sehingga tugas berkelanjutan harus menganggarkannya bersama percakapan dan materi sumber.
Function Calling mendukung tugas ketika aplikasi menyediakan pertanyaan dan definisi alat yang tersedia. Model mengembalikan fungsi yang dipilih beserta argumennya; aplikasi menjalankan fungsi tersebut, menambahkan hasil alat ke percakapan, dan meminta model melanjutkan. Untuk asisten pemrograman, definisikan alat pembaca repositori atau validasi secara tepat, lalu minta perubahan yang selesai beserta hasil yang mendukungnya. Mendeskripsikan alat berbeda dari menjalankannya: aplikasi yang menggunakannya menyediakan akses dan melakukan operasi.
Snapshot Juni juga mencantumkan Structured Outputs, Web Search, Prefix Completion, dan Context Caching. Fitur tersebut mendukung catatan keluaran yang terdefinisi, pekerjaan berbantuan pencarian, kelanjutan dari awalan yang diberikan, serta penggunaan ulang prefiks masukan bersama dalam alur produsen. Untuk analisis berulang, tempatkan dokumen atau instruksi tugas yang stabil di awal dan pertanyaan yang berubah setelahnya. Penggunaan ulang cache bergantung pada kondisi alur tersebut; fakta bahwa model mendukung caching tidak membuktikan cache hit untuk permintaan tertentu. Inferensi batch dan fine-tuning ditandai tidak didukung untuk edisi ini.
Tabel khusus Juni mencantumkan jendela konteks 1,000,000 token. Masukan maksimum adalah 991,808 token dalam profil reguler dan 983,616 token dalam mode thinking; keluaran maksimum adalah 131,072 token dalam kedua profil. Ini merupakan batas konteks, masukan, dan keluaran yang berbeda. Materi sumber yang besar, riwayat percakapan, dan konten visual tetap harus sesuai dengan batas masukan yang berlaku, dan batas maksimum keluaran tidak mengharuskan jawaban menggunakan ruang sebanyak itu.
Untuk tugas antarmuka praktis, berikan tangkapan layar, potongan sumber yang relevan, perilaku yang diinginkan, dan hasil akhir yang eksplisit. Contoh brief: “Gunakan layar ini dan teks komponen yang dilampirkan untuk menjelaskan mengapa label formulir tidak sesuai dengan alur kerja. Usulkan perubahan kode yang terfokus dan cantumkan elemen terlihat yang mendasarinya.” Untuk tugas dokumen atau produktivitas, berikan bagian sumber, catatan akhir yang diinginkan, dan kriteria untuk menentukan apa yang perlu disertakan. Beri nomor pada gambar yang terpisah dan jelaskan hubungannya agar hasil teks dapat merujuk kembali pada bukti.
Untuk analisis video, tentukan peristiwa atau urutan yang Anda perlukan, minta deskripsi ringkas, dan pertahankan stempel waktu dalam masukan yang disiapkan ketika hasil harus mengidentifikasi momen tertentu. Dalam alur berkas Alibaba, gambar melalui URL dapat berukuran hingga 20 MB; video melalui URL dapat berukuran hingga 2 GB dan berdurasi 2 detik hingga 2 jam. Video Base64 harus lebih kecil dari 10 MB setelah encoding. Pisahkan batas berkas dari anggaran token. Jika audio penting, berikan transkrip sebagai teks; tabel masukan snapshot ini tidak mencantumkan audio. Dalam tugas agen yang lebih panjang, tentukan artefak akhir, alat yang diizinkan, dan hasil yang dianggap sebagai penyelesaian. Persiapan tersebut mengarahkan model menuju hasil tekstual yang dapat ditinjau, alih-alih rangkaian saran sementara tanpa batas.
", "aboutText": "Qwen3.7-Max 2026-06-08 adalah snapshot 8 Juni bernama dari Alibaba untuk model Max dalam keluarga Qwen3.7. Perubahan yang menentukan edisi ini adalah pemahaman modalitas visual yang ditambahkan ke snapshot 20 Mei, sehingga mendukung interaksi yang berlandaskan adegan dunia nyata. Model ini menerima teks, gambar, dan video serta menghasilkan teks. Tujuan keluarga yang berfokus pada agen mencakup pemrograman, pekerjaan kantor dan produktivitas, serta tugas berkelanjutan yang menggabungkan instruksi dengan hasil alat.\n\nEdisi ini penting untuk tugas visual. Nama Qwen3.7-Max tanpa tanggal didokumentasikan setara dengan snapshot 20 Mei yang hanya menerima teks, sedangkan tabel model khusus Juni mencakup masukan gambar dan video. Untuk model ini, tangkapan layar dapat menyertai tugas pemrograman, atau video dapat menyediakan adegan yang diminta untuk dianalisis oleh agen melalui instruksi tertulis. Keluarannya berupa penjelasan, kode, catatan terstruktur, atau instruksi pemanggilan alat, bukan gambar, video, atau ucapan yang dihasilkan.\n\nPanduan thinking Alibaba secara eksplisit mencantumkan snapshot Juni ini sebagai model hibrida: thinking diaktifkan secara bawaan dalam alur produsen dan dapat dinonaktifkan untuk respons langsung. Mode thinking menghasilkan penalaran sebelum jawaban dan membutuhkan waktu penalaran tambahan. Panduan tersebut memisahkan konten penalaran dari jawaban akhir dan mendukung pemeliharaan penalaran historis yang diberikan antar-giliran untuk model yang persis ini. Penalaran yang dipertahankan menjadi bagian dari masukan berikutnya, sehingga tugas berkelanjutan harus menganggarkannya bersama percakapan dan materi sumber.\n\nFunction Calling mendukung tugas ketika aplikasi menyediakan pertanyaan dan definisi alat yang tersedia. Model mengembalikan fungsi yang dipilih beserta argumennya; aplikasi menjalankan fungsi tersebut, menambahkan hasil alat ke percakapan, dan meminta model melanjutkan. Untuk asisten pemrograman, definisikan alat pembaca repositori atau validasi secara tepat, lalu minta perubahan yang selesai beserta hasil yang mendukungnya. Mendeskripsikan alat berbeda dari menjalankannya: aplikasi yang menggunakannya menyediakan akses dan melakukan operasi.\n\nSnapshot Juni juga mencantumkan Structured Outputs, Web Search, Prefix Completion, dan Context Caching. Fitur tersebut mendukung catatan keluaran yang terdefinisi, pekerjaan berbantuan pencarian, kelanjutan dari awalan yang diberikan, serta penggunaan ulang prefiks masukan bersama dalam alur produsen. Untuk analisis berulang, tempatkan dokumen atau instruksi tugas yang stabil di awal dan pertanyaan yang berubah setelahnya. Penggunaan ulang cache bergantung pada kondisi alur tersebut; fakta bahwa model mendukung caching tidak membuktikan cache hit untuk permintaan tertentu. Inferensi batch dan fine-tuning ditandai tidak didukung untuk edisi ini.\n\nTabel khusus Juni mencantumkan jendela konteks 1,000,000 token. Masukan maksimum adalah 991,808 token dalam profil reguler dan 983,616 token dalam mode thinking; keluaran maksimum adalah 131,072 token dalam kedua profil. Ini merupakan batas konteks, masukan, dan keluaran yang berbeda. Materi sumber yang besar, riwayat percakapan, dan konten visual tetap harus sesuai dengan batas masukan yang berlaku, dan batas maksimum keluaran tidak mengharuskan jawaban menggunakan ruang sebanyak itu.\n\nUntuk tugas antarmuka praktis, berikan tangkapan layar, potongan sumber yang relevan, perilaku yang diinginkan, dan hasil akhir yang eksplisit. Contoh brief: “Gunakan layar ini dan teks komponen yang dilampirkan untuk menjelaskan mengapa label formulir tidak sesuai dengan alur kerja. Usulkan perubahan kode yang terfokus dan cantumkan elemen terlihat yang mendasarinya.” Untuk tugas dokumen atau produktivitas, berikan bagian sumber, catatan akhir yang diinginkan, dan kriteria untuk menentukan apa yang perlu disertakan. Beri nomor pada gambar yang terpisah dan jelaskan hubungannya agar hasil teks dapat merujuk kembali pada bukti.\n\nUntuk analisis video, tentukan peristiwa atau urutan yang Anda perlukan, minta deskripsi ringkas, dan pertahankan stempel waktu dalam masukan yang disiapkan ketika hasil harus mengidentifikasi momen tertentu. Dalam alur berkas Alibaba, gambar melalui URL dapat berukuran hingga 20 MB; video melalui URL dapat berukuran hingga 2 GB dan berdurasi 2 detik hingga 2 jam. Video Base64 harus lebih kecil dari 10 MB setelah encoding. Pisahkan batas berkas dari anggaran token. Jika audio penting, berikan transkrip sebagai teks; tabel masukan snapshot ini tidak mencantumkan audio. Dalam tugas agen yang lebih panjang, tentukan artefak akhir, alat yang diizinkan, dan hasil yang dianggap sebagai penyelesaian. Persiapan tersebut mengarahkan model menuju hasil tekstual yang dapat ditinjau, alih-alih rangkaian saran sementara tanpa batas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 menggabungkan pemahaman teks, gambar, dan video dengan alur kerja teks yang berfokus pada agen. Snapshot bernama ini menambahkan visi ke edisi Mei, mendukung pemikiran hibrida dan alat, serta memiliki konteks satu juta token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3.7-Max 2026-06-08 adalah snapshot 8 Juni bernama dari Alibaba untuk model Max dalam keluarga Qwen3.7. Perubahan yang menentukan edisi ini adalah pemahaman modalitas visual yang ditambahkan ke snapshot 20 Mei, sehingga mendukung interaksi yang berlandaskan adegan dunia nyata. Model ini menerima teks, gambar, dan video serta menghasilkan teks. Tujuan keluarga yang berfokus pada agen mencakup pemrograman, pekerjaan kantor dan produktivitas, serta tugas berkelanjutan yang menggabungkan instruksi dengan hasil alat.
Edisi ini penting untuk tugas visual. Nama Qwen3.7-Max tanpa tanggal didokumentasikan setara dengan snapshot 20 Mei yang hanya menerima teks, sedangkan tabel model khusus Juni mencakup masukan gambar dan video. Untuk model ini, tangkapan layar dapat menyertai tugas pemrograman, atau video dapat menyediakan adegan yang diminta untuk dianalisis oleh agen melalui instruksi tertulis. Keluarannya berupa penjelasan, kode, catatan terstruktur, atau instruksi pemanggilan alat, bukan gambar, video, atau ucapan yang dihasilkan.
Panduan thinking Alibaba secara eksplisit mencantumkan snapshot Juni ini sebagai model hibrida: thinking diaktifkan secara bawaan dalam alur produsen dan dapat dinonaktifkan untuk respons langsung. Mode thinking menghasilkan penalaran sebelum jawaban dan membutuhkan waktu penalaran tambahan. Panduan tersebut memisahkan konten penalaran dari jawaban akhir dan mendukung pemeliharaan penalaran historis yang diberikan antar-giliran untuk model yang persis ini. Penalaran yang dipertahankan menjadi bagian dari masukan berikutnya, sehingga tugas berkelanjutan harus menganggarkannya bersama percakapan dan materi sumber.
Function Calling mendukung tugas ketika aplikasi menyediakan pertanyaan dan definisi alat yang tersedia. Model mengembalikan fungsi yang dipilih beserta argumennya; aplikasi menjalankan fungsi tersebut, menambahkan hasil alat ke percakapan, dan meminta model melanjutkan. Untuk asisten pemrograman, definisikan alat pembaca repositori atau validasi secara tepat, lalu minta perubahan yang selesai beserta hasil yang mendukungnya. Mendeskripsikan alat berbeda dari menjalankannya: aplikasi yang menggunakannya menyediakan akses dan melakukan operasi.
Snapshot Juni juga mencantumkan Structured Outputs, Web Search, Prefix Completion, dan Context Caching. Fitur tersebut mendukung catatan keluaran yang terdefinisi, pekerjaan berbantuan pencarian, kelanjutan dari awalan yang diberikan, serta penggunaan ulang prefiks masukan bersama dalam alur produsen. Untuk analisis berulang, tempatkan dokumen atau instruksi tugas yang stabil di awal dan pertanyaan yang berubah setelahnya. Penggunaan ulang cache bergantung pada kondisi alur tersebut; fakta bahwa model mendukung caching tidak membuktikan cache hit untuk permintaan tertentu. Inferensi batch dan fine-tuning ditandai tidak didukung untuk edisi ini.
Tabel khusus Juni mencantumkan jendela konteks 1,000,000 token. Masukan maksimum adalah 991,808 token dalam profil reguler dan 983,616 token dalam mode thinking; keluaran maksimum adalah 131,072 token dalam kedua profil. Ini merupakan batas konteks, masukan, dan keluaran yang berbeda. Materi sumber yang besar, riwayat percakapan, dan konten visual tetap harus sesuai dengan batas masukan yang berlaku, dan batas maksimum keluaran tidak mengharuskan jawaban menggunakan ruang sebanyak itu.
Untuk tugas antarmuka praktis, berikan tangkapan layar, potongan sumber yang relevan, perilaku yang diinginkan, dan hasil akhir yang eksplisit. Contoh brief: “Gunakan layar ini dan teks komponen yang dilampirkan untuk menjelaskan mengapa label formulir tidak sesuai dengan alur kerja. Usulkan perubahan kode yang terfokus dan cantumkan elemen terlihat yang mendasarinya.” Untuk tugas dokumen atau produktivitas, berikan bagian sumber, catatan akhir yang diinginkan, dan kriteria untuk menentukan apa yang perlu disertakan. Beri nomor pada gambar yang terpisah dan jelaskan hubungannya agar hasil teks dapat merujuk kembali pada bukti.
Untuk analisis video, tentukan peristiwa atau urutan yang Anda perlukan, minta deskripsi ringkas, dan pertahankan stempel waktu dalam masukan yang disiapkan ketika hasil harus mengidentifikasi momen tertentu. Dalam alur berkas Alibaba, gambar melalui URL dapat berukuran hingga 20 MB; video melalui URL dapat berukuran hingga 2 GB dan berdurasi 2 detik hingga 2 jam. Video Base64 harus lebih kecil dari 10 MB setelah encoding. Pisahkan batas berkas dari anggaran token. Jika audio penting, berikan transkrip sebagai teks; tabel masukan snapshot ini tidak mencantumkan audio. Dalam tugas agen yang lebih panjang, tentukan artefak akhir, alat yang diizinkan, dan hasil yang dianggap sebagai penyelesaian. Persiapan tersebut mengarahkan model menuju hasil tekstual yang dapat ditinjau, alih-alih rangkaian saran sementara tanpa batas.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K token Keluaran · Token keluaran $0.0106 / 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": "qwen3.7-max-2026-06-08", "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='qwen3.7-max-2026-06-08',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='qwen3.7-max-2026-06-08',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 qwen3.7-max-2026-06-08
Gunakan jalur metode yang ditampilkan di atas.
qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 menggabungkan pemahaman teks, gambar, dan video dengan alur kerja teks yang berfokus pada agen. Snapshot bernama ini menambahkan visi ke edisi Mei, mendukung pemikiran hibrida dan alat, serta memiliki konteks satu juta token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3.7-Max 2026-06-08 adalah snapshot 8 Juni bernama dari Alibaba untuk model Max dalam keluarga Qwen3.7. Perubahan yang menentukan edisi ini adalah pemahaman modalitas visual yang ditambahkan ke snapshot 20 Mei, sehingga mendukung interaksi yang berlandaskan adegan dunia nyata. Model ini menerima teks, gambar, dan video serta menghasilkan teks. Tujuan keluarga yang berfokus pada agen mencakup pemrograman, pekerjaan kantor dan produktivitas, serta tugas berkelanjutan yang menggabungkan instruksi dengan hasil alat.
Edisi ini penting untuk tugas visual. Nama Qwen3.7-Max tanpa tanggal didokumentasikan setara dengan snapshot 20 Mei yang hanya menerima teks, sedangkan tabel model khusus Juni mencakup masukan gambar dan video. Untuk model ini, tangkapan layar dapat menyertai tugas pemrograman, atau video dapat menyediakan adegan yang diminta untuk dianalisis oleh agen melalui instruksi tertulis. Keluarannya berupa penjelasan, kode, catatan terstruktur, atau instruksi pemanggilan alat, bukan gambar, video, atau ucapan yang dihasilkan.
Panduan thinking Alibaba secara eksplisit mencantumkan snapshot Juni ini sebagai model hibrida: thinking diaktifkan secara bawaan dalam alur produsen dan dapat dinonaktifkan untuk respons langsung. Mode thinking menghasilkan penalaran sebelum jawaban dan membutuhkan waktu penalaran tambahan. Panduan tersebut memisahkan konten penalaran dari jawaban akhir dan mendukung pemeliharaan penalaran historis yang diberikan antar-giliran untuk model yang persis ini. Penalaran yang dipertahankan menjadi bagian dari masukan berikutnya, sehingga tugas berkelanjutan harus menganggarkannya bersama percakapan dan materi sumber.
Function Calling mendukung tugas ketika aplikasi menyediakan pertanyaan dan definisi alat yang tersedia. Model mengembalikan fungsi yang dipilih beserta argumennya; aplikasi menjalankan fungsi tersebut, menambahkan hasil alat ke percakapan, dan meminta model melanjutkan. Untuk asisten pemrograman, definisikan alat pembaca repositori atau validasi secara tepat, lalu minta perubahan yang selesai beserta hasil yang mendukungnya. Mendeskripsikan alat berbeda dari menjalankannya: aplikasi yang menggunakannya menyediakan akses dan melakukan operasi.
Snapshot Juni juga mencantumkan Structured Outputs, Web Search, Prefix Completion, dan Context Caching. Fitur tersebut mendukung catatan keluaran yang terdefinisi, pekerjaan berbantuan pencarian, kelanjutan dari awalan yang diberikan, serta penggunaan ulang prefiks masukan bersama dalam alur produsen. Untuk analisis berulang, tempatkan dokumen atau instruksi tugas yang stabil di awal dan pertanyaan yang berubah setelahnya. Penggunaan ulang cache bergantung pada kondisi alur tersebut; fakta bahwa model mendukung caching tidak membuktikan cache hit untuk permintaan tertentu. Inferensi batch dan fine-tuning ditandai tidak didukung untuk edisi ini.
Tabel khusus Juni mencantumkan jendela konteks 1,000,000 token. Masukan maksimum adalah 991,808 token dalam profil reguler dan 983,616 token dalam mode thinking; keluaran maksimum adalah 131,072 token dalam kedua profil. Ini merupakan batas konteks, masukan, dan keluaran yang berbeda. Materi sumber yang besar, riwayat percakapan, dan konten visual tetap harus sesuai dengan batas masukan yang berlaku, dan batas maksimum keluaran tidak mengharuskan jawaban menggunakan ruang sebanyak itu.
Untuk tugas antarmuka praktis, berikan tangkapan layar, potongan sumber yang relevan, perilaku yang diinginkan, dan hasil akhir yang eksplisit. Contoh brief: “Gunakan layar ini dan teks komponen yang dilampirkan untuk menjelaskan mengapa label formulir tidak sesuai dengan alur kerja. Usulkan perubahan kode yang terfokus dan cantumkan elemen terlihat yang mendasarinya.” Untuk tugas dokumen atau produktivitas, berikan bagian sumber, catatan akhir yang diinginkan, dan kriteria untuk menentukan apa yang perlu disertakan. Beri nomor pada gambar yang terpisah dan jelaskan hubungannya agar hasil teks dapat merujuk kembali pada bukti.
Untuk analisis video, tentukan peristiwa atau urutan yang Anda perlukan, minta deskripsi ringkas, dan pertahankan stempel waktu dalam masukan yang disiapkan ketika hasil harus mengidentifikasi momen tertentu. Dalam alur berkas Alibaba, gambar melalui URL dapat berukuran hingga 20 MB; video melalui URL dapat berukuran hingga 2 GB dan berdurasi 2 detik hingga 2 jam. Video Base64 harus lebih kecil dari 10 MB setelah encoding. Pisahkan batas berkas dari anggaran token. Jika audio penting, berikan transkrip sebagai teks; tabel masukan snapshot ini tidak mencantumkan audio. Dalam tugas agen yang lebih panjang, tentukan artefak akhir, alat yang diizinkan, dan hasil yang dianggap sebagai penyelesaian. Persiapan tersebut mengarahkan model menuju hasil tekstual yang dapat ditinjau, alih-alih rangkaian saran sementara tanpa batas.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K token Keluaran · Token keluaran $0.0106 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen3.7-max-2026-06-08",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.7-max-2026-06-08', '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': 'qwen3.7-max-2026-06-08', '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 qwen3.7-max-2026-06-08
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.