Panoramica: ragionamento basato su Qwen2.5
QwQ-Plus è il modello di ragionamento QwQ potenziato, costruito su Qwen2.5. Qwen descrive l'apprendimento per rinforzo come il metodo usato per rafforzarne il ragionamento, in particolare in matematica e programmazione, insieme a compiti generali di rispetto delle istruzioni. Riceve testo e restituisce testo. Selezionalo quando il lavoro richiede una soluzione spiegata, un confronto o una proposta di codice verificabile rispetto alle condizioni fornite.
Questa è la linea di modelli QwQ-Plus. Il nome non stabilisce il numero di parametri o l'identità dei pesi di un checkpoint QwQ aperto, e un nome del fornitore contenente latest non deve diventare implicitamente una revisione datata fissa. Usa l'identità esatta del modello richiesto quando confronti output o conservi una registrazione riproducibile del compito.
Preparare attività matematiche e logiche
Fornisci l'enunciato completo del problema, le definizioni, le unità e le ipotesi consentite. Richiedi la risposta finale in una forma chiaramente delimitata, quindi chiedi le equazioni o i passaggi logici necessari a sostenerla. Per un problema di pianificazione vincolata, specifica separatamente le scelte fattibili e i criteri di valutazione e richiedi una tabella che mostri quali condizioni soddisfi ogni scelta. Per una revisione didattica, includi il tentativo di soluzione dello studente e chiedi al modello di identificare il primo passaggio non supportato, anziché riscrivere l'intero esercizio senza spiegazione.
Queste sono applicazioni pratiche dell'orientamento al ragionamento documentato del modello. L'elaborato utile è un risultato verificabile: un valore con unità, una conclusione con premesse o un confronto collegato ai criteri indicati. Una maggiore quantità di testo esplicativo non stabilisce da sola una conclusione corretta, quindi mantieni visibili le ipotesi e confronta il risultato finale con la domanda originale.
Preparare attività di programmazione
Fornisci il codice pertinente, l'input che evidenzia il problema, l'output osservato e il comportamento desiderato. Richiedi una proposta di modifica, una spiegazione di come affronta quell'input e i casi limite che devono ancora essere verificati. Per una domanda algoritmica, specifica i vincoli dell'input e l'output richiesto prima di domandare un approccio. Distingui il codice generato dal codice effettivamente eseguito nell'ambiente dell'applicazione.
Una risposta utile può separare diagnosi, patch e comportamento atteso. Quando serve una modifica piccola, richiedi una patch sintetica anziché la riscrittura del progetto. Questi esempi sono modi proposti per applicare la specializzazione matematica e di programmazione di QwQ-Plus; non costituiscono uno strumento o una capacità di esecuzione aggiuntivi.
Limiti di contesto e risposta
La specifica esatta del modello indica una finestra di contesto di 131,072 token, un input massimo di 98,304 token e un output massimo di 8,192 token. Sono limiti separati del produttore. Non trasformare la differenza aritmetica tra essi in un margine garantito di ragionamento non documentato. Testo di partenza, cronologia della conversazione e risposta devono restare entro i limiti configurati applicabili.
Per una specifica lunga o un brano di codice, conserva gli identificativi delle sezioni e delle funzioni pertinenti e chiedi al modello di richiamarli nella spiegazione. Rimuovi il materiale estraneo prima dell'invio e riserva abbastanza spazio di output per la conclusione richiesta. Una finestra di contesto ampia è utile per fornire più condizioni insieme; non promette che ogni fatto venga ricordato o ogni dipendenza compresa.
Strumenti, formattazione e confini specifici del modello
La matrice di distribuzione del produttore indica chiamate di funzione e ricerca web in alcune configurazioni e le contrassegna come non supportate in un'altra. Sono quindi capacità condizionali, non funzionalità che si possano promettere sulla sola base del nome del modello. La stessa matrice supporta l'inferenza batch in alcune configurazioni del produttore. Un flusso assistito da strumenti deve fornire gli strumenti effettivi e reinserirne i risultati nel compito testuale. Questa descrizione non attesta la disponibilità degli strumenti in un'applicazione.
Gli output strutturati imposti sono contrassegnati come non supportati. Un prompt può comunque richiedere una tabella o una risposta in forma JSON, ma l'applicazione deve esaminare il risultato anziché considerare la richiesta come applicazione vincolante di uno schema. La pagina esatta del modello descrive una specializzazione nel ragionamento senza fornire una specifica per modello di commutazione ibrida del ragionamento; i controlli documentati per generazioni Qwen più recenti non devono essere importati in questa edizione.
Mantieni la risposta finale facile da esaminare, verifica i calcoli rispetto alle unità indicate ed esamina le proposte di codice prima dell'esecuzione. Il ruolo pratico di QwQ-Plus è affrontare un problema testuale difficile e restituire una spiegazione o un elaborato utile entro i propri limiti documentati.
", "aboutText": "Panoramica: ragionamento basato su Qwen2.5\n\nQwQ-Plus è il modello di ragionamento QwQ potenziato, costruito su Qwen2.5. Qwen descrive l'apprendimento per rinforzo come il metodo usato per rafforzarne il ragionamento, in particolare in matematica e programmazione, insieme a compiti generali di rispetto delle istruzioni. Riceve testo e restituisce testo. Selezionalo quando il lavoro richiede una soluzione spiegata, un confronto o una proposta di codice verificabile rispetto alle condizioni fornite.\n\nQuesta è la linea di modelli QwQ-Plus. Il nome non stabilisce il numero di parametri o l'identità dei pesi di un checkpoint QwQ aperto, e un nome del fornitore contenente latest non deve diventare implicitamente una revisione datata fissa. Usa l'identità esatta del modello richiesto quando confronti output o conservi una registrazione riproducibile del compito.\n\nPreparare attività matematiche e logiche\n\nFornisci l'enunciato completo del problema, le definizioni, le unità e le ipotesi consentite. Richiedi la risposta finale in una forma chiaramente delimitata, quindi chiedi le equazioni o i passaggi logici necessari a sostenerla. Per un problema di pianificazione vincolata, specifica separatamente le scelte fattibili e i criteri di valutazione e richiedi una tabella che mostri quali condizioni soddisfi ogni scelta. Per una revisione didattica, includi il tentativo di soluzione dello studente e chiedi al modello di identificare il primo passaggio non supportato, anziché riscrivere l'intero esercizio senza spiegazione.\n\nQueste sono applicazioni pratiche dell'orientamento al ragionamento documentato del modello. L'elaborato utile è un risultato verificabile: un valore con unità, una conclusione con premesse o un confronto collegato ai criteri indicati. Una maggiore quantità di testo esplicativo non stabilisce da sola una conclusione corretta, quindi mantieni visibili le ipotesi e confronta il risultato finale con la domanda originale.\n\nPreparare attività di programmazione\n\nFornisci il codice pertinente, l'input che evidenzia il problema, l'output osservato e il comportamento desiderato. Richiedi una proposta di modifica, una spiegazione di come affronta quell'input e i casi limite che devono ancora essere verificati. Per una domanda algoritmica, specifica i vincoli dell'input e l'output richiesto prima di domandare un approccio. Distingui il codice generato dal codice effettivamente eseguito nell'ambiente dell'applicazione.\n\nUna risposta utile può separare diagnosi, patch e comportamento atteso. Quando serve una modifica piccola, richiedi una patch sintetica anziché la riscrittura del progetto. Questi esempi sono modi proposti per applicare la specializzazione matematica e di programmazione di QwQ-Plus; non costituiscono uno strumento o una capacità di esecuzione aggiuntivi.\n\nLimiti di contesto e risposta\n\nLa specifica esatta del modello indica una finestra di contesto di 131,072 token, un input massimo di 98,304 token e un output massimo di 8,192 token. Sono limiti separati del produttore. Non trasformare la differenza aritmetica tra essi in un margine garantito di ragionamento non documentato. Testo di partenza, cronologia della conversazione e risposta devono restare entro i limiti configurati applicabili.\n\nPer una specifica lunga o un brano di codice, conserva gli identificativi delle sezioni e delle funzioni pertinenti e chiedi al modello di richiamarli nella spiegazione. Rimuovi il materiale estraneo prima dell'invio e riserva abbastanza spazio di output per la conclusione richiesta. Una finestra di contesto ampia è utile per fornire più condizioni insieme; non promette che ogni fatto venga ricordato o ogni dipendenza compresa.\n\nStrumenti, formattazione e confini specifici del modello\n\nLa matrice di distribuzione del produttore indica chiamate di funzione e ricerca web in alcune configurazioni e le contrassegna come non supportate in un'altra. Sono quindi capacità condizionali, non funzionalità che si possano promettere sulla sola base del nome del modello. La stessa matrice supporta l'inferenza batch in alcune configurazioni del produttore. Un flusso assistito da strumenti deve fornire gli strumenti effettivi e reinserirne i risultati nel compito testuale. Questa descrizione non attesta la disponibilità degli strumenti in un'applicazione.\n\nGli output strutturati imposti sono contrassegnati come non supportati. Un prompt può comunque richiedere una tabella o una risposta in forma JSON, ma l'applicazione deve esaminare il risultato anziché considerare la richiesta come applicazione vincolante di uno schema. La pagina esatta del modello descrive una specializzazione nel ragionamento senza fornire una specifica per modello di commutazione ibrida del ragionamento; i controlli documentati per generazioni Qwen più recenti non devono essere importati in questa edizione.\n\nMantieni la risposta finale facile da esaminare, verifica i calcoli rispetto alle unità indicate ed esamina le proposte di codice prima dell'esecuzione. Il ruolo pratico di QwQ-Plus è affrontare un problema testuale difficile e restituire una spiegazione o un elaborato utile entro i propri limiti documentati.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.qwq-plusQwQ-Plus è il modello di ragionamento di Qwen basato su Qwen2.5, potenziato attraverso apprendimento per rinforzo per compiti testuali matematici, di programmazione e di logica. La specifica dedicata indica un contesto di 131,072 token, un input massimo di 98,304 token e un output massimo di 8,192 token.
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.
Panoramica: ragionamento basato su Qwen2.5
QwQ-Plus è il modello di ragionamento QwQ potenziato, costruito su Qwen2.5. Qwen descrive l'apprendimento per rinforzo come il metodo usato per rafforzarne il ragionamento, in particolare in matematica e programmazione, insieme a compiti generali di rispetto delle istruzioni. Riceve testo e restituisce testo. Selezionalo quando il lavoro richiede una soluzione spiegata, un confronto o una proposta di codice verificabile rispetto alle condizioni fornite.
Questa è la linea di modelli QwQ-Plus. Il nome non stabilisce il numero di parametri o l'identità dei pesi di un checkpoint QwQ aperto, e un nome del fornitore contenente latest non deve diventare implicitamente una revisione datata fissa. Usa l'identità esatta del modello richiesto quando confronti output o conservi una registrazione riproducibile del compito.
Preparare attività matematiche e logiche
Fornisci l'enunciato completo del problema, le definizioni, le unità e le ipotesi consentite. Richiedi la risposta finale in una forma chiaramente delimitata, quindi chiedi le equazioni o i passaggi logici necessari a sostenerla. Per un problema di pianificazione vincolata, specifica separatamente le scelte fattibili e i criteri di valutazione e richiedi una tabella che mostri quali condizioni soddisfi ogni scelta. Per una revisione didattica, includi il tentativo di soluzione dello studente e chiedi al modello di identificare il primo passaggio non supportato, anziché riscrivere l'intero esercizio senza spiegazione.
Queste sono applicazioni pratiche dell'orientamento al ragionamento documentato del modello. L'elaborato utile è un risultato verificabile: un valore con unità, una conclusione con premesse o un confronto collegato ai criteri indicati. Una maggiore quantità di testo esplicativo non stabilisce da sola una conclusione corretta, quindi mantieni visibili le ipotesi e confronta il risultato finale con la domanda originale.
Preparare attività di programmazione
Fornisci il codice pertinente, l'input che evidenzia il problema, l'output osservato e il comportamento desiderato. Richiedi una proposta di modifica, una spiegazione di come affronta quell'input e i casi limite che devono ancora essere verificati. Per una domanda algoritmica, specifica i vincoli dell'input e l'output richiesto prima di domandare un approccio. Distingui il codice generato dal codice effettivamente eseguito nell'ambiente dell'applicazione.
Una risposta utile può separare diagnosi, patch e comportamento atteso. Quando serve una modifica piccola, richiedi una patch sintetica anziché la riscrittura del progetto. Questi esempi sono modi proposti per applicare la specializzazione matematica e di programmazione di QwQ-Plus; non costituiscono uno strumento o una capacità di esecuzione aggiuntivi.
Limiti di contesto e risposta
La specifica esatta del modello indica una finestra di contesto di 131,072 token, un input massimo di 98,304 token e un output massimo di 8,192 token. Sono limiti separati del produttore. Non trasformare la differenza aritmetica tra essi in un margine garantito di ragionamento non documentato. Testo di partenza, cronologia della conversazione e risposta devono restare entro i limiti configurati applicabili.
Per una specifica lunga o un brano di codice, conserva gli identificativi delle sezioni e delle funzioni pertinenti e chiedi al modello di richiamarli nella spiegazione. Rimuovi il materiale estraneo prima dell'invio e riserva abbastanza spazio di output per la conclusione richiesta. Una finestra di contesto ampia è utile per fornire più condizioni insieme; non promette che ogni fatto venga ricordato o ogni dipendenza compresa.
Strumenti, formattazione e confini specifici del modello
La matrice di distribuzione del produttore indica chiamate di funzione e ricerca web in alcune configurazioni e le contrassegna come non supportate in un'altra. Sono quindi capacità condizionali, non funzionalità che si possano promettere sulla sola base del nome del modello. La stessa matrice supporta l'inferenza batch in alcune configurazioni del produttore. Un flusso assistito da strumenti deve fornire gli strumenti effettivi e reinserirne i risultati nel compito testuale. Questa descrizione non attesta la disponibilità degli strumenti in un'applicazione.
Gli output strutturati imposti sono contrassegnati come non supportati. Un prompt può comunque richiedere una tabella o una risposta in forma JSON, ma l'applicazione deve esaminare il risultato anziché considerare la richiesta come applicazione vincolante di uno schema. La pagina esatta del modello descrive una specializzazione nel ragionamento senza fornire una specifica per modello di commutazione ibrida del ragionamento; i controlli documentati per generazioni Qwen più recenti non devono essere importati in questa edizione.
Mantieni la risposta finale facile da esaminare, verifica i calcoli rispetto alle unità indicate ed esamina le proposte di codice prima dell'esecuzione. Il ruolo pratico di QwQ-Plus è affrontare un problema testuale difficile e restituire una spiegazione o un elaborato utile entro i propri limiti documentati.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwq-plus | 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 $0.00046 / 1K token Output · Token in output $0.00116 / 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": "qwq-plus", "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='qwq-plus',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='qwq-plus',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 qwq-plus
Usa i percorsi dei metodi indicati sopra.
qwq-plusQwQ-Plus è il modello di ragionamento di Qwen basato su Qwen2.5, potenziato attraverso apprendimento per rinforzo per compiti testuali matematici, di programmazione e di logica. La specifica dedicata indica un contesto di 131,072 token, un input massimo di 98,304 token e un output massimo di 8,192 token.
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.
Panoramica: ragionamento basato su Qwen2.5
QwQ-Plus è il modello di ragionamento QwQ potenziato, costruito su Qwen2.5. Qwen descrive l'apprendimento per rinforzo come il metodo usato per rafforzarne il ragionamento, in particolare in matematica e programmazione, insieme a compiti generali di rispetto delle istruzioni. Riceve testo e restituisce testo. Selezionalo quando il lavoro richiede una soluzione spiegata, un confronto o una proposta di codice verificabile rispetto alle condizioni fornite.
Questa è la linea di modelli QwQ-Plus. Il nome non stabilisce il numero di parametri o l'identità dei pesi di un checkpoint QwQ aperto, e un nome del fornitore contenente latest non deve diventare implicitamente una revisione datata fissa. Usa l'identità esatta del modello richiesto quando confronti output o conservi una registrazione riproducibile del compito.
Preparare attività matematiche e logiche
Fornisci l'enunciato completo del problema, le definizioni, le unità e le ipotesi consentite. Richiedi la risposta finale in una forma chiaramente delimitata, quindi chiedi le equazioni o i passaggi logici necessari a sostenerla. Per un problema di pianificazione vincolata, specifica separatamente le scelte fattibili e i criteri di valutazione e richiedi una tabella che mostri quali condizioni soddisfi ogni scelta. Per una revisione didattica, includi il tentativo di soluzione dello studente e chiedi al modello di identificare il primo passaggio non supportato, anziché riscrivere l'intero esercizio senza spiegazione.
Queste sono applicazioni pratiche dell'orientamento al ragionamento documentato del modello. L'elaborato utile è un risultato verificabile: un valore con unità, una conclusione con premesse o un confronto collegato ai criteri indicati. Una maggiore quantità di testo esplicativo non stabilisce da sola una conclusione corretta, quindi mantieni visibili le ipotesi e confronta il risultato finale con la domanda originale.
Preparare attività di programmazione
Fornisci il codice pertinente, l'input che evidenzia il problema, l'output osservato e il comportamento desiderato. Richiedi una proposta di modifica, una spiegazione di come affronta quell'input e i casi limite che devono ancora essere verificati. Per una domanda algoritmica, specifica i vincoli dell'input e l'output richiesto prima di domandare un approccio. Distingui il codice generato dal codice effettivamente eseguito nell'ambiente dell'applicazione.
Una risposta utile può separare diagnosi, patch e comportamento atteso. Quando serve una modifica piccola, richiedi una patch sintetica anziché la riscrittura del progetto. Questi esempi sono modi proposti per applicare la specializzazione matematica e di programmazione di QwQ-Plus; non costituiscono uno strumento o una capacità di esecuzione aggiuntivi.
Limiti di contesto e risposta
La specifica esatta del modello indica una finestra di contesto di 131,072 token, un input massimo di 98,304 token e un output massimo di 8,192 token. Sono limiti separati del produttore. Non trasformare la differenza aritmetica tra essi in un margine garantito di ragionamento non documentato. Testo di partenza, cronologia della conversazione e risposta devono restare entro i limiti configurati applicabili.
Per una specifica lunga o un brano di codice, conserva gli identificativi delle sezioni e delle funzioni pertinenti e chiedi al modello di richiamarli nella spiegazione. Rimuovi il materiale estraneo prima dell'invio e riserva abbastanza spazio di output per la conclusione richiesta. Una finestra di contesto ampia è utile per fornire più condizioni insieme; non promette che ogni fatto venga ricordato o ogni dipendenza compresa.
Strumenti, formattazione e confini specifici del modello
La matrice di distribuzione del produttore indica chiamate di funzione e ricerca web in alcune configurazioni e le contrassegna come non supportate in un'altra. Sono quindi capacità condizionali, non funzionalità che si possano promettere sulla sola base del nome del modello. La stessa matrice supporta l'inferenza batch in alcune configurazioni del produttore. Un flusso assistito da strumenti deve fornire gli strumenti effettivi e reinserirne i risultati nel compito testuale. Questa descrizione non attesta la disponibilità degli strumenti in un'applicazione.
Gli output strutturati imposti sono contrassegnati come non supportati. Un prompt può comunque richiedere una tabella o una risposta in forma JSON, ma l'applicazione deve esaminare il risultato anziché considerare la richiesta come applicazione vincolante di uno schema. La pagina esatta del modello descrive una specializzazione nel ragionamento senza fornire una specifica per modello di commutazione ibrida del ragionamento; i controlli documentati per generazioni Qwen più recenti non devono essere importati in questa edizione.
Mantieni la risposta finale facile da esaminare, verifica i calcoli rispetto alle unità indicate ed esamina le proposte di codice prima dell'esecuzione. Il ruolo pratico di QwQ-Plus è affrontare un problema testuale difficile e restituire una spiegazione o un elaborato utile entro i propri limiti documentati.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwq-plus | 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 $0.00046 / 1K token Output · Token in output $0.00116 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qwq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwq-plus', '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': 'qwq-plus', '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 qwq-plus
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.