Qwen3.5-Flash è un modello Qwen3.5 per la comprensione di testo e contenuti visivi. Accetta testo, immagini e video e restituisce testo. Le tabelle del produttore indicano un contesto di 1 milione di token, supporto al ragionamento, chiamate di funzione, strumenti integrati e output strutturato.
Per una spiegazione di assistenza, combina la domanda scritta con uno screenshot o una fonte visiva pertinente. Identifica le etichette, gli oggetti o la regione rilevanti e definisci l'obiettivo del lettore. Richiedi una risposta testuale sintetica collegata a ciò che è visibile, mantenendo i dettagli incerti separati dalle osservazioni.
Per una sequenza registrata, isola l'episodio pertinente alla domanda e conservane l'ordine. Richiedi gli eventi visibili e le prove a supporto della spiegazione. Se la domanda dipende dal parlato, fornisci la trascrizione necessaria come testo accanto al materiale visivo.
In un'integrazione capace di usare funzioni, l'applicazione definisce l'azione disponibile e i campi di input, esegue una chiamata selezionata e ne restituisce il risultato. Gli strumenti integrati sono una funzionalità separata lato produttore. L'integrazione determina quali controlli espone. Per una risposta strutturata, definisci i campi obbligatori e la gestione dei valori mancanti, quindi convalida sia il contenuto restituito sia la sua forma.
La tabella dei modelli visivi del produttore indica un limite di output di 64K, fino a 256 immagini e 64 video per questo modello denominato. Il flusso video documentato supporta file fino a due ore e 2 GB. Sono limiti del flusso del produttore e tutto il materiale fornito condivide comunque il budget di contesto. Prepara materiale di partenza leggibile, conservane le etichette e usa i limiti esposti dall'interfaccia selezionata quando pianifichi la richiesta effettiva.
Scegli il risultato da preparare: una nota analitica, campi estratti, un brano rivisto o una spiegazione del materiale visivo. Richiedi le prove a supporto dei dettagli importanti ed esamina la risposta rispetto alle fonti. L'elaborato restituito è testo; azioni e operazioni sui file in un flusso collegato hanno risultati di esecuzione propri.
", "aboutText": "Qwen3.5-Flash è un modello Qwen3.5 per la comprensione di testo e contenuti visivi. Accetta testo, immagini e video e restituisce testo. Le tabelle del produttore indicano un contesto di 1 milione di token, supporto al ragionamento, chiamate di funzione, strumenti integrati e output strutturato.\n\n### Prepara spiegazioni con media misti e risposte di assistenza\n\nPer una spiegazione di assistenza, combina la domanda scritta con uno screenshot o una fonte visiva pertinente. Identifica le etichette, gli oggetti o la regione rilevanti e definisci l'obiettivo del lettore. Richiedi una risposta testuale sintetica collegata a ciò che è visibile, mantenendo i dettagli incerti separati dalle osservazioni.\n\n### Scegli una richiesta di output chiara\n\nPer una sequenza registrata, isola l'episodio pertinente alla domanda e conservane l'ordine. Richiedi gli eventi visibili e le prove a supporto della spiegazione. Se la domanda dipende dal parlato, fornisci la trascrizione necessaria come testo accanto al materiale visivo.\n\n### Collega gli strumenti ai risultati effettivi\n\nIn un'integrazione capace di usare funzioni, l'applicazione definisce l'azione disponibile e i campi di input, esegue una chiamata selezionata e ne restituisce il risultato. Gli strumenti integrati sono una funzionalità separata lato produttore. L'integrazione determina quali controlli espone. Per una risposta strutturata, definisci i campi obbligatori e la gestione dei valori mancanti, quindi convalida sia il contenuto restituito sia la sua forma.\n\n### Pianifica insieme input visivo e testuale\n\nLa tabella dei modelli visivi del produttore indica un limite di output di 64K, fino a 256 immagini e 64 video per questo modello denominato. Il flusso video documentato supporta file fino a due ore e 2 GB. Sono limiti del flusso del produttore e tutto il materiale fornito condivide comunque il budget di contesto. Prepara materiale di partenza leggibile, conservane le etichette e usa i limiti esposti dall'interfaccia selezionata quando pianifichi la richiesta effettiva.\n\n### Esamina l'elaborato testuale\n\nScegli il risultato da preparare: una nota analitica, campi estratti, un brano rivisto o una spiegazione del materiale visivo. Richiedi le prove a supporto dei dettagli importanti ed esamina la risposta rispetto alle fonti. L'elaborato restituito è testo; azioni e operazioni sui file in un flusso collegato hanno risultati di esecuzione propri.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Explain a recorded interface state\n\nDraft a support explanation from this text observation: "Upload panel shows file orders.csv, status Failed, message Required column sku missing. Retry button visible." Explain what the user should check in the CSV before retrying. Keep the error wording and filename, and do not claim to inspect or modify the file or interact with the interface.A concise explanation with the recorded error and a proposed file-check step before retry.Check that the advice addresses the missing sku column and does not claim a successful retry.qwen3.5-flashQwen3.5-Flash combina testo, immagini e video per produrre testo destinato a spiegazioni con media misti e risposte di assistenza. Il produttore documenta un contesto di 1 milione di token, supporto al ragionamento e funzionalità facoltative per strumenti e risposte strutturate.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Qwen3.5-Flash è un modello Qwen3.5 per la comprensione di testo e contenuti visivi. Accetta testo, immagini e video e restituisce testo. Le tabelle del produttore indicano un contesto di 1 milione di token, supporto al ragionamento, chiamate di funzione, strumenti integrati e output strutturato.
Per una spiegazione di assistenza, combina la domanda scritta con uno screenshot o una fonte visiva pertinente. Identifica le etichette, gli oggetti o la regione rilevanti e definisci l'obiettivo del lettore. Richiedi una risposta testuale sintetica collegata a ciò che è visibile, mantenendo i dettagli incerti separati dalle osservazioni.
Per una sequenza registrata, isola l'episodio pertinente alla domanda e conservane l'ordine. Richiedi gli eventi visibili e le prove a supporto della spiegazione. Se la domanda dipende dal parlato, fornisci la trascrizione necessaria come testo accanto al materiale visivo.
In un'integrazione capace di usare funzioni, l'applicazione definisce l'azione disponibile e i campi di input, esegue una chiamata selezionata e ne restituisce il risultato. Gli strumenti integrati sono una funzionalità separata lato produttore. L'integrazione determina quali controlli espone. Per una risposta strutturata, definisci i campi obbligatori e la gestione dei valori mancanti, quindi convalida sia il contenuto restituito sia la sua forma.
La tabella dei modelli visivi del produttore indica un limite di output di 64K, fino a 256 immagini e 64 video per questo modello denominato. Il flusso video documentato supporta file fino a due ore e 2 GB. Sono limiti del flusso del produttore e tutto il materiale fornito condivide comunque il budget di contesto. Prepara materiale di partenza leggibile, conservane le etichette e usa i limiti esposti dall'interfaccia selezionata quando pianifichi la richiesta effettiva.
Scegli il risultato da preparare: una nota analitica, campi estratti, un brano rivisto o una spiegazione del materiale visivo. Richiedi le prove a supporto dei dettagli importanti ed esamina la risposta rispetto alle fonti. L'elaborato restituito è testo; azioni e operazioni sui file in un flusso collegato hanno risultati di esecuzione propri.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen3.5-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.00006 / 1K token Output · Token in output $0.00058 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.5-flash", "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='qwen3.5-flash',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='qwen3.5-flash',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen3.5-flash
Usa i percorsi dei metodi indicati sopra.
qwen3.5-flashQwen3.5-Flash combina testo, immagini e video per produrre testo destinato a spiegazioni con media misti e risposte di assistenza. Il produttore documenta un contesto di 1 milione di token, supporto al ragionamento e funzionalità facoltative per strumenti e risposte strutturate.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Qwen3.5-Flash è un modello Qwen3.5 per la comprensione di testo e contenuti visivi. Accetta testo, immagini e video e restituisce testo. Le tabelle del produttore indicano un contesto di 1 milione di token, supporto al ragionamento, chiamate di funzione, strumenti integrati e output strutturato.
Per una spiegazione di assistenza, combina la domanda scritta con uno screenshot o una fonte visiva pertinente. Identifica le etichette, gli oggetti o la regione rilevanti e definisci l'obiettivo del lettore. Richiedi una risposta testuale sintetica collegata a ciò che è visibile, mantenendo i dettagli incerti separati dalle osservazioni.
Per una sequenza registrata, isola l'episodio pertinente alla domanda e conservane l'ordine. Richiedi gli eventi visibili e le prove a supporto della spiegazione. Se la domanda dipende dal parlato, fornisci la trascrizione necessaria come testo accanto al materiale visivo.
In un'integrazione capace di usare funzioni, l'applicazione definisce l'azione disponibile e i campi di input, esegue una chiamata selezionata e ne restituisce il risultato. Gli strumenti integrati sono una funzionalità separata lato produttore. L'integrazione determina quali controlli espone. Per una risposta strutturata, definisci i campi obbligatori e la gestione dei valori mancanti, quindi convalida sia il contenuto restituito sia la sua forma.
La tabella dei modelli visivi del produttore indica un limite di output di 64K, fino a 256 immagini e 64 video per questo modello denominato. Il flusso video documentato supporta file fino a due ore e 2 GB. Sono limiti del flusso del produttore e tutto il materiale fornito condivide comunque il budget di contesto. Prepara materiale di partenza leggibile, conservane le etichette e usa i limiti esposti dall'interfaccia selezionata quando pianifichi la richiesta effettiva.
Scegli il risultato da preparare: una nota analitica, campi estratti, un brano rivisto o una spiegazione del materiale visivo. Richiedi le prove a supporto dei dettagli importanti ed esamina la risposta rispetto alle fonti. L'elaborato restituito è testo; azioni e operazioni sui file in un flusso collegato hanno risultati di esecuzione propri.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen3.5-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.00006 / 1K token Output · Token in output $0.00058 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qwen3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.5-flash', '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': 'qwen3.5-flash', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen3.5-flash
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Explain a recorded interface state\n\nDraft a support explanation from this text observation: "Upload panel shows file orders.csv, status Failed, message Required column sku missing. Retry button visible." Explain what the user should check in the CSV before retrying. Keep the error wording and filename, and do not claim to inspect or modify the file or interact with the interface.A concise explanation with the recorded error and a proposed file-check step before retry.Check that the advice addresses the missing sku column and does not claim a successful retry.