Qwen Turbo 2024-11-01은 Qwen2.5 세대에 속하는 Alibaba의 고정 Qwen-Turbo 스냅샷입니다. 서면 지시와 텍스트 컨텍스트를 받아 텍스트 답변을 생성합니다. 제공된 문서에 관한 질문, 여러 출처를 연결하는 요약, 코드베이스 설명, JSON 추출 등에 활용할 수 있습니다. 버전별 결과를 비교할 때는 프롬프트와 함께 날짜가 붙은 모델 이름을 유지하세요.
Qwen의 Qwen2.5-Turbo 소개 자료는 긴 서사와 여러 관련 논문을 읽는 예를 보여 줍니다. 유용한 출력은 질문에 따라 달라집니다. 개요는 여러 저작물 사이의 관계를 설명할 수 있고, 집중 비교는 접근법과 이를 뒷받침하는 근거를 구분할 수 있습니다. 명확하게 이름을 붙인 텍스트를 제공하고 독자에게 중요한 차이를 요청하세요. 직접 작성한 지침에서는 각 문서의 핵심 제안, 이를 뒷받침하는 구절, 문서 사이의 의견 차이를 요청할 수 있습니다. 독자에게 필요한 언어로 답변을 요청하고 인용문을 해당 출처와 연결해 두세요.
제조사는 저장소를 하나의 텍스트 파일로 모아 읽는 예도 보여 줍니다. 먼저 목적을 설명한 다음 클래스와 해당 파일 경로를 찾습니다. 파일 경계, 이름, 관련 주변 정의를 그대로 유지해 코드를 준비하세요. 각 부분의 관계를 더 좁혀 설명해 달라고 요청하기 전에 구성 요소의 지도를 요청하세요. 결과로 얻은 설명이나 위치 목록은 원래 파일을 살펴보는 데 도움이 됩니다. 해당 위치를 제공된 코드와 대조하세요.
제조사가 문서화한 텍스트 작업 흐름에서는 시스템 메시지가 역할과 작업 규칙을 정하고, 사용자 메시지가 질문과 자료를 제공하며, 모델은 어시스턴트로 답합니다. 요약, 비교표, 간결한 설명, 추출한 필드 등 의도한 결과물을 명시하세요. 문서 작업에서는 읽을 텍스트와 그 텍스트로 무엇을 할지 설명하는 지시를 구분하세요. 용어, 출력 언어, 출처에 없는 정보를 처리할 규칙을 포함하세요.
제조사의 Chat Completions 작업 흐름은 상태를 유지하지 않습니다. 대화를 이어 갈 때는 다음 질문과 함께 제공하는 대화 이력을 사용합니다. 후속 요청이 앞선 메시지에 의존한다면 이전 사용자 및 어시스턴트 메시지를 덧붙이세요. 첫 번째 턴에서는 문서의 주장을 정리하고, 두 번째 턴에서는 어떤 구절이 특정 결론을 뒷받침하는지 물을 수 있습니다. 이전 답변이 모델에 영구적인 기억을 준다고 가정하지 말고 필요한 원문 컨텍스트를 계속 제공하세요. 논의가 길어지면 최근 턴과 출처의 중요한 사실을 유지하거나 검토한 이전 자료 요약을 사용하세요. 이력을 삭제하거나 압축하면 다음 답변에 필요한 세부 사항이 사라질 수 있습니다.
Alibaba는 JSON Object 지원 대상에 qwen-turbo-2024-11-01을 명시적으로 포함합니다. 제조사의 작업 흐름에서는 응답 형식을 json_object로 설정하고, 시스템 또는 사용자 지시에 반드시 JSON이라는 단어가 포함되어야 합니다. 필드 이름과 정보가 없는 경우의 처리 방식을 지정하세요. 예를 들어 추출 지침에서는 문서 제목, 명시된 저자 이름, 이를 뒷받침하는 구절을 요청하고, 저자가 없을 때 사용할 규칙을 명시할 수 있습니다.
JSON Object 모드는 유효한 JSON 문법을 목표로 합니다. 특정 스키마, 고정된 필드 이름이나 필드 유형을 강제하지는 않습니다. 반환된 객체를 다음 단계에 사용하기 전에 작업에 필요한 필드와 값을 확인하세요. 완성되기 전에 잘린 결과도 유효하지 않은 JSON일 수 있습니다. 형식 문제와 잘못된 추출을 구분할 수 있도록 완전한 객체와 원문을 보관하세요.
Qwen 소개 자료는 까다로운 긴 시퀀스 작업에서의 불안정성을 지적합니다. 텍스트를 많이 제공한다고 해서 모든 세부 사항을 찾아내거나 모든 관계를 올바르게 해석한다고 보장되지는 않습니다. 특히 결론이 멀리 떨어진 구절들을 연결한다면 중요한 진술, 참고자료, 코드 위치를 원자료와 대조하세요. 출처, 정확한 프롬프트, 선택한 답변을 작업 결과물로 보관하세요. Alibaba의 버전 매핑은 이 스냅샷을 Qwen-Turbo-2025-04-28과 구분합니다. 따라서 버전을 비교할 때는 두 모델 이름과 동일한 작업을 유지해야 합니다.
", "aboutText": "Qwen Turbo 2024-11-01은 Qwen2.5 세대에 속하는 Alibaba의 고정 Qwen-Turbo 스냅샷입니다. 서면 지시와 텍스트 컨텍스트를 받아 텍스트 답변을 생성합니다. 제공된 문서에 관한 질문, 여러 출처를 연결하는 요약, 코드베이스 설명, JSON 추출 등에 활용할 수 있습니다. 버전별 결과를 비교할 때는 프롬프트와 함께 날짜가 붙은 모델 이름을 유지하세요.\n\n### 구체적인 질문으로 연결된 자료 읽기\n\nQwen의 Qwen2.5-Turbo 소개 자료는 긴 서사와 여러 관련 논문을 읽는 예를 보여 줍니다. 유용한 출력은 질문에 따라 달라집니다. 개요는 여러 저작물 사이의 관계를 설명할 수 있고, 집중 비교는 접근법과 이를 뒷받침하는 근거를 구분할 수 있습니다. 명확하게 이름을 붙인 텍스트를 제공하고 독자에게 중요한 차이를 요청하세요. 직접 작성한 지침에서는 각 문서의 핵심 제안, 이를 뒷받침하는 구절, 문서 사이의 의견 차이를 요청할 수 있습니다. 독자에게 필요한 언어로 답변을 요청하고 인용문을 해당 출처와 연결해 두세요.\n\n### 텍스트를 통해 저장소 이해하기\n\n제조사는 저장소를 하나의 텍스트 파일로 모아 읽는 예도 보여 줍니다. 먼저 목적을 설명한 다음 클래스와 해당 파일 경로를 찾습니다. 파일 경계, 이름, 관련 주변 정의를 그대로 유지해 코드를 준비하세요. 각 부분의 관계를 더 좁혀 설명해 달라고 요청하기 전에 구성 요소의 지도를 요청하세요. 결과로 얻은 설명이나 위치 목록은 원래 파일을 살펴보는 데 도움이 됩니다. 해당 위치를 제공된 코드와 대조하세요.\n\n### 지시와 자료를 메시지로 제공하기\n\n제조사가 문서화한 텍스트 작업 흐름에서는 시스템 메시지가 역할과 작업 규칙을 정하고, 사용자 메시지가 질문과 자료를 제공하며, 모델은 어시스턴트로 답합니다. 요약, 비교표, 간결한 설명, 추출한 필드 등 의도한 결과물을 명시하세요. 문서 작업에서는 읽을 텍스트와 그 텍스트로 무엇을 할지 설명하는 지시를 구분하세요. 용어, 출력 언어, 출처에 없는 정보를 처리할 규칙을 포함하세요.\n\n### 관련 이력으로 대화 이어 가기\n\n제조사의 Chat Completions 작업 흐름은 상태를 유지하지 않습니다. 대화를 이어 갈 때는 다음 질문과 함께 제공하는 대화 이력을 사용합니다. 후속 요청이 앞선 메시지에 의존한다면 이전 사용자 및 어시스턴트 메시지를 덧붙이세요. 첫 번째 턴에서는 문서의 주장을 정리하고, 두 번째 턴에서는 어떤 구절이 특정 결론을 뒷받침하는지 물을 수 있습니다. 이전 답변이 모델에 영구적인 기억을 준다고 가정하지 말고 필요한 원문 컨텍스트를 계속 제공하세요. 논의가 길어지면 최근 턴과 출처의 중요한 사실을 유지하거나 검토한 이전 자료 요약을 사용하세요. 이력을 삭제하거나 압축하면 다음 답변에 필요한 세부 사항이 사라질 수 있습니다.\n\n### JSON Object 모드로 정보 추출하기\n\nAlibaba는 JSON Object 지원 대상에 qwen-turbo-2024-11-01을 명시적으로 포함합니다. 제조사의 작업 흐름에서는 응답 형식을 json_object로 설정하고, 시스템 또는 사용자 지시에 반드시 JSON이라는 단어가 포함되어야 합니다. 필드 이름과 정보가 없는 경우의 처리 방식을 지정하세요. 예를 들어 추출 지침에서는 문서 제목, 명시된 저자 이름, 이를 뒷받침하는 구절을 요청하고, 저자가 없을 때 사용할 규칙을 명시할 수 있습니다.\n\nJSON Object 모드는 유효한 JSON 문법을 목표로 합니다. 특정 스키마, 고정된 필드 이름이나 필드 유형을 강제하지는 않습니다. 반환된 객체를 다음 단계에 사용하기 전에 작업에 필요한 필드와 값을 확인하세요. 완성되기 전에 잘린 결과도 유효하지 않은 JSON일 수 있습니다. 형식 문제와 잘못된 추출을 구분할 수 있도록 완전한 객체와 원문을 보관하세요.\n\n### 답변을 원자료와 대조하기\n\nQwen 소개 자료는 까다로운 긴 시퀀스 작업에서의 불안정성을 지적합니다. 텍스트를 많이 제공한다고 해서 모든 세부 사항을 찾아내거나 모든 관계를 올바르게 해석한다고 보장되지는 않습니다. 특히 결론이 멀리 떨어진 구절들을 연결한다면 중요한 진술, 참고자료, 코드 위치를 원자료와 대조하세요. 출처, 정확한 프롬프트, 선택한 답변을 작업 결과물로 보관하세요. Alibaba의 버전 매핑은 이 스냅샷을 Qwen-Turbo-2025-04-28과 구분합니다. 따라서 버전을 비교할 때는 두 모델 이름과 동일한 작업을 유지해야 합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Map a component from supplied code text\n\nMap this miniature repository. File reader.py: class CsvReader exposes read(path). File service.py: class ImportService receives a reader and calls reader.read(path) inside import_file(path). Explain each class’s role, identify where file loading occurs and list the supplied paths. Do not invent validation, storage or error handling absent from the excerpts.A two-component map, the read call location and an explicit list of unspecified behavior.Check that file loading is attributed to CsvReader.read and orchestration to ImportService.import_file, using the supplied paths only.qwen-turbo-2024-11-01Alibaba의 Qwen Turbo 2024-11-01은 제공된 자료에 관한 질문에 답하고, 관련 문서를 요약하며, 소스 코드를 읽는 고정 텍스트 모델 스냅샷입니다. 제조사의 JSON Object 모드도 지원해 정보를 파싱할 수 있는 결과로 추출할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen Turbo 2024-11-01은 Qwen2.5 세대에 속하는 Alibaba의 고정 Qwen-Turbo 스냅샷입니다. 서면 지시와 텍스트 컨텍스트를 받아 텍스트 답변을 생성합니다. 제공된 문서에 관한 질문, 여러 출처를 연결하는 요약, 코드베이스 설명, JSON 추출 등에 활용할 수 있습니다. 버전별 결과를 비교할 때는 프롬프트와 함께 날짜가 붙은 모델 이름을 유지하세요.
Qwen의 Qwen2.5-Turbo 소개 자료는 긴 서사와 여러 관련 논문을 읽는 예를 보여 줍니다. 유용한 출력은 질문에 따라 달라집니다. 개요는 여러 저작물 사이의 관계를 설명할 수 있고, 집중 비교는 접근법과 이를 뒷받침하는 근거를 구분할 수 있습니다. 명확하게 이름을 붙인 텍스트를 제공하고 독자에게 중요한 차이를 요청하세요. 직접 작성한 지침에서는 각 문서의 핵심 제안, 이를 뒷받침하는 구절, 문서 사이의 의견 차이를 요청할 수 있습니다. 독자에게 필요한 언어로 답변을 요청하고 인용문을 해당 출처와 연결해 두세요.
제조사는 저장소를 하나의 텍스트 파일로 모아 읽는 예도 보여 줍니다. 먼저 목적을 설명한 다음 클래스와 해당 파일 경로를 찾습니다. 파일 경계, 이름, 관련 주변 정의를 그대로 유지해 코드를 준비하세요. 각 부분의 관계를 더 좁혀 설명해 달라고 요청하기 전에 구성 요소의 지도를 요청하세요. 결과로 얻은 설명이나 위치 목록은 원래 파일을 살펴보는 데 도움이 됩니다. 해당 위치를 제공된 코드와 대조하세요.
제조사가 문서화한 텍스트 작업 흐름에서는 시스템 메시지가 역할과 작업 규칙을 정하고, 사용자 메시지가 질문과 자료를 제공하며, 모델은 어시스턴트로 답합니다. 요약, 비교표, 간결한 설명, 추출한 필드 등 의도한 결과물을 명시하세요. 문서 작업에서는 읽을 텍스트와 그 텍스트로 무엇을 할지 설명하는 지시를 구분하세요. 용어, 출력 언어, 출처에 없는 정보를 처리할 규칙을 포함하세요.
제조사의 Chat Completions 작업 흐름은 상태를 유지하지 않습니다. 대화를 이어 갈 때는 다음 질문과 함께 제공하는 대화 이력을 사용합니다. 후속 요청이 앞선 메시지에 의존한다면 이전 사용자 및 어시스턴트 메시지를 덧붙이세요. 첫 번째 턴에서는 문서의 주장을 정리하고, 두 번째 턴에서는 어떤 구절이 특정 결론을 뒷받침하는지 물을 수 있습니다. 이전 답변이 모델에 영구적인 기억을 준다고 가정하지 말고 필요한 원문 컨텍스트를 계속 제공하세요. 논의가 길어지면 최근 턴과 출처의 중요한 사실을 유지하거나 검토한 이전 자료 요약을 사용하세요. 이력을 삭제하거나 압축하면 다음 답변에 필요한 세부 사항이 사라질 수 있습니다.
Alibaba는 JSON Object 지원 대상에 qwen-turbo-2024-11-01을 명시적으로 포함합니다. 제조사의 작업 흐름에서는 응답 형식을 json_object로 설정하고, 시스템 또는 사용자 지시에 반드시 JSON이라는 단어가 포함되어야 합니다. 필드 이름과 정보가 없는 경우의 처리 방식을 지정하세요. 예를 들어 추출 지침에서는 문서 제목, 명시된 저자 이름, 이를 뒷받침하는 구절을 요청하고, 저자가 없을 때 사용할 규칙을 명시할 수 있습니다.
JSON Object 모드는 유효한 JSON 문법을 목표로 합니다. 특정 스키마, 고정된 필드 이름이나 필드 유형을 강제하지는 않습니다. 반환된 객체를 다음 단계에 사용하기 전에 작업에 필요한 필드와 값을 확인하세요. 완성되기 전에 잘린 결과도 유효하지 않은 JSON일 수 있습니다. 형식 문제와 잘못된 추출을 구분할 수 있도록 완전한 객체와 원문을 보관하세요.
Qwen 소개 자료는 까다로운 긴 시퀀스 작업에서의 불안정성을 지적합니다. 텍스트를 많이 제공한다고 해서 모든 세부 사항을 찾아내거나 모든 관계를 올바르게 해석한다고 보장되지는 않습니다. 특히 결론이 멀리 떨어진 구절들을 연결한다면 중요한 진술, 참고자료, 코드 위치를 원자료와 대조하세요. 출처, 정확한 프롬프트, 선택한 답변을 작업 결과물로 보관하세요. Alibaba의 버전 매핑은 이 스냅샷을 Qwen-Turbo-2025-04-28과 구분합니다. 따라서 버전을 비교할 때는 두 모델 이름과 동일한 작업을 유지해야 합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen-turbo-2024-11-01 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.00018 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-turbo-2024-11-01", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen-turbo-2024-11-01',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen-turbo-2024-11-01',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen-turbo-2024-11-01
위에 표시된 메서드 경로를 사용하세요.
qwen-turbo-2024-11-01Alibaba의 Qwen Turbo 2024-11-01은 제공된 자료에 관한 질문에 답하고, 관련 문서를 요약하며, 소스 코드를 읽는 고정 텍스트 모델 스냅샷입니다. 제조사의 JSON Object 모드도 지원해 정보를 파싱할 수 있는 결과로 추출할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen Turbo 2024-11-01은 Qwen2.5 세대에 속하는 Alibaba의 고정 Qwen-Turbo 스냅샷입니다. 서면 지시와 텍스트 컨텍스트를 받아 텍스트 답변을 생성합니다. 제공된 문서에 관한 질문, 여러 출처를 연결하는 요약, 코드베이스 설명, JSON 추출 등에 활용할 수 있습니다. 버전별 결과를 비교할 때는 프롬프트와 함께 날짜가 붙은 모델 이름을 유지하세요.
Qwen의 Qwen2.5-Turbo 소개 자료는 긴 서사와 여러 관련 논문을 읽는 예를 보여 줍니다. 유용한 출력은 질문에 따라 달라집니다. 개요는 여러 저작물 사이의 관계를 설명할 수 있고, 집중 비교는 접근법과 이를 뒷받침하는 근거를 구분할 수 있습니다. 명확하게 이름을 붙인 텍스트를 제공하고 독자에게 중요한 차이를 요청하세요. 직접 작성한 지침에서는 각 문서의 핵심 제안, 이를 뒷받침하는 구절, 문서 사이의 의견 차이를 요청할 수 있습니다. 독자에게 필요한 언어로 답변을 요청하고 인용문을 해당 출처와 연결해 두세요.
제조사는 저장소를 하나의 텍스트 파일로 모아 읽는 예도 보여 줍니다. 먼저 목적을 설명한 다음 클래스와 해당 파일 경로를 찾습니다. 파일 경계, 이름, 관련 주변 정의를 그대로 유지해 코드를 준비하세요. 각 부분의 관계를 더 좁혀 설명해 달라고 요청하기 전에 구성 요소의 지도를 요청하세요. 결과로 얻은 설명이나 위치 목록은 원래 파일을 살펴보는 데 도움이 됩니다. 해당 위치를 제공된 코드와 대조하세요.
제조사가 문서화한 텍스트 작업 흐름에서는 시스템 메시지가 역할과 작업 규칙을 정하고, 사용자 메시지가 질문과 자료를 제공하며, 모델은 어시스턴트로 답합니다. 요약, 비교표, 간결한 설명, 추출한 필드 등 의도한 결과물을 명시하세요. 문서 작업에서는 읽을 텍스트와 그 텍스트로 무엇을 할지 설명하는 지시를 구분하세요. 용어, 출력 언어, 출처에 없는 정보를 처리할 규칙을 포함하세요.
제조사의 Chat Completions 작업 흐름은 상태를 유지하지 않습니다. 대화를 이어 갈 때는 다음 질문과 함께 제공하는 대화 이력을 사용합니다. 후속 요청이 앞선 메시지에 의존한다면 이전 사용자 및 어시스턴트 메시지를 덧붙이세요. 첫 번째 턴에서는 문서의 주장을 정리하고, 두 번째 턴에서는 어떤 구절이 특정 결론을 뒷받침하는지 물을 수 있습니다. 이전 답변이 모델에 영구적인 기억을 준다고 가정하지 말고 필요한 원문 컨텍스트를 계속 제공하세요. 논의가 길어지면 최근 턴과 출처의 중요한 사실을 유지하거나 검토한 이전 자료 요약을 사용하세요. 이력을 삭제하거나 압축하면 다음 답변에 필요한 세부 사항이 사라질 수 있습니다.
Alibaba는 JSON Object 지원 대상에 qwen-turbo-2024-11-01을 명시적으로 포함합니다. 제조사의 작업 흐름에서는 응답 형식을 json_object로 설정하고, 시스템 또는 사용자 지시에 반드시 JSON이라는 단어가 포함되어야 합니다. 필드 이름과 정보가 없는 경우의 처리 방식을 지정하세요. 예를 들어 추출 지침에서는 문서 제목, 명시된 저자 이름, 이를 뒷받침하는 구절을 요청하고, 저자가 없을 때 사용할 규칙을 명시할 수 있습니다.
JSON Object 모드는 유효한 JSON 문법을 목표로 합니다. 특정 스키마, 고정된 필드 이름이나 필드 유형을 강제하지는 않습니다. 반환된 객체를 다음 단계에 사용하기 전에 작업에 필요한 필드와 값을 확인하세요. 완성되기 전에 잘린 결과도 유효하지 않은 JSON일 수 있습니다. 형식 문제와 잘못된 추출을 구분할 수 있도록 완전한 객체와 원문을 보관하세요.
Qwen 소개 자료는 까다로운 긴 시퀀스 작업에서의 불안정성을 지적합니다. 텍스트를 많이 제공한다고 해서 모든 세부 사항을 찾아내거나 모든 관계를 올바르게 해석한다고 보장되지는 않습니다. 특히 결론이 멀리 떨어진 구절들을 연결한다면 중요한 진술, 참고자료, 코드 위치를 원자료와 대조하세요. 출처, 정확한 프롬프트, 선택한 답변을 작업 결과물로 보관하세요. Alibaba의 버전 매핑은 이 스냅샷을 Qwen-Turbo-2025-04-28과 구분합니다. 따라서 버전을 비교할 때는 두 모델 이름과 동일한 작업을 유지해야 합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen-turbo-2024-11-01 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.00018 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen-turbo-2024-11-01",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-turbo-2024-11-01', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-turbo-2024-11-01', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen-turbo-2024-11-01
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Map a component from supplied code text\n\nMap this miniature repository. File reader.py: class CsvReader exposes read(path). File service.py: class ImportService receives a reader and calls reader.read(path) inside import_file(path). Explain each class’s role, identify where file loading occurs and list the supplied paths. Do not invent validation, storage or error handling absent from the excerpts.A two-component map, the read call location and an explicit list of unspecified behavior.Check that file loading is attributed to CsvReader.read and orchestration to ImportService.import_file, using the supplied paths only.