Qwen3.7-Max 2026-06-08은 Alibaba가 Qwen3.7 제품군의 Max 모델에 지정한 6월 8일 스냅샷입니다. 이 버전의 핵심 변화는 5월 20일 스냅샷에 시각 모달리티 이해가 추가되어 실제 세계의 장면에 근거한 상호작용을 지원한다는 점입니다. 텍스트, 이미지, 비디오를 입력받아 텍스트를 생성합니다. 제품군의 에이전트 중심 목적에는 프로그래밍, 사무 및 생산성 작업, 지시와 도구 결과를 결합하는 지속적인 작업이 포함됩니다.
시각 과제에서는 버전이 중요합니다. 날짜 없는 Qwen3.7-Max 이름은 5월 20일의 텍스트 전용 스냅샷과 동등한 것으로 문서화되어 있지만, 6월의 정확한 모델 표에는 이미지와 비디오 입력이 포함되어 있습니다. 이 모델에서는 스크린샷을 코드 작업과 함께 제공하거나, 에이전트가 분석하도록 서면 지시한 장면을 비디오로 제공할 수 있습니다. 출력은 생성 이미지, 비디오, 음성이 아니라 설명, 코드, 구조화된 기록, 도구 호출 지시입니다.
Alibaba의 사고 가이드는 이 6월 스냅샷을 하이브리드 모델로 명시합니다. 제작사 작업 흐름에서는 사고가 기본으로 켜져 있으며 직접 응답을 위해 끌 수 있습니다. 사고 모드는 답변 전에 추론을 생성하고 추가 추론 시간이 필요합니다. 가이드는 추론 내용과 최종 답변을 구분하며, 이 정확한 모델에서는 제공된 과거 추론을 여러 턴에 걸쳐 보존할 수 있습니다. 보존된 추론은 다음 입력의 일부가 되므로 계속되는 작업에서는 대화와 원본 자료에 더해 추론에도 예산을 배분해야 합니다.
Function Calling은 애플리케이션이 질문과 사용 가능한 도구 정의를 제공하는 작업을 지원합니다. 모델이 선택한 함수와 인수를 반환하면 애플리케이션이 함수를 실행하고 도구 결과를 대화에 추가한 뒤 모델에 계속 진행하도록 요청합니다. 코딩 도우미에서는 저장소 읽기 또는 검증 도구를 정확히 정의하고 완료된 변경과 이를 뒷받침하는 결과를 함께 요청하세요. 도구를 설명하는 것과 실행하는 것은 다릅니다. 접근 권한을 제공하고 작업을 수행하는 주체는 주변 애플리케이션입니다.
6월 스냅샷에는 Structured Outputs, Web Search, Prefix Completion, Context Caching도 명시되어 있습니다. 이는 제조사의 작업 흐름에서 정의된 출력 기록, 검색 지원 작업, 제공된 시작 부분에서 이어 쓰기, 공통 입력 접두사 재사용을 지원합니다. 반복 분석에서는 고정된 문서나 작업 지시를 앞부분에 두고 바뀌는 질문을 그 뒤에 배치하세요. 캐시 재사용은 해당 작업 흐름의 조건에 따라 달라집니다. 모델이 캐싱을 지원한다는 사실만으로 특정 요청의 캐시 적중이 입증되지는 않습니다. 이 버전에서는 배치 추론과 미세 조정이 미지원으로 표시되어 있습니다.
정확한 6월 표에는 1,000,000토큰 컨텍스트 윈도가 명시되어 있습니다. 최대 입력은 일반 프로필에서 991,808토큰, 사고 모드에서 983,616토큰이고, 최대 출력은 두 프로필 모두 131,072토큰입니다. 컨텍스트, 입력, 출력은 서로 다른 한도입니다. 큰 원본 자료, 대화 이력, 시각 콘텐츠도 적용되는 입력 한도 안에 들어가야 하며, 출력 상한만큼 답변을 길게 작성할 필요는 없습니다.
실용적인 인터페이스 작업에서는 스크린샷, 관련 소스 조각, 원하는 동작, 명시적인 산출물을 제공하세요. 예시 요청은 다음과 같습니다. “이 화면과 첨부한 컴포넌트 텍스트를 사용해 폼의 레이블이 작업 흐름과 맞지 않는 이유를 설명해 주세요. 핵심 코드 변경을 제안하고 그 근거가 된 화면 요소를 나열해 주세요.” 문서 또는 생산성 작업에서는 원문 섹션, 원하는 최종 기록, 포함할 내용을 판단하는 기준을 제공하세요. 여러 이미지에 번호를 붙이고 관계를 설명하여 텍스트 결과가 근거를 다시 참조할 수 있도록 하세요.
비디오 분석에서는 필요한 사건이나 순서를 지정하고 간결한 설명을 요청하세요. 결과가 특정 순간을 식별해야 한다면 준비한 입력에 타임스탬프를 유지하세요. Alibaba의 파일 작업 흐름에서 URL 이미지는 최대 20 MB이고, URL 비디오는 최대 2 GB이며 길이는 2초에서 2시간입니다. Base64 비디오는 인코딩 후 10 MB보다 작아야 합니다. 파일 한도와 토큰 예산을 구분하세요. 오디오가 필수라면 이 스냅샷의 입력 표에는 오디오가 없으므로 전사문을 텍스트로 제공하세요. 긴 에이전트 작업에서는 최종 산출물, 허용된 도구, 완료로 인정할 결과를 지정하세요. 이렇게 준비하면 끝없는 중간 제안 대신 검토 가능한 텍스트 산출물에 모델을 집중시킬 수 있습니다.
", "aboutText": "Qwen3.7-Max 2026-06-08은 Alibaba가 Qwen3.7 제품군의 Max 모델에 지정한 6월 8일 스냅샷입니다. 이 버전의 핵심 변화는 5월 20일 스냅샷에 시각 모달리티 이해가 추가되어 실제 세계의 장면에 근거한 상호작용을 지원한다는 점입니다. 텍스트, 이미지, 비디오를 입력받아 텍스트를 생성합니다. 제품군의 에이전트 중심 목적에는 프로그래밍, 사무 및 생산성 작업, 지시와 도구 결과를 결합하는 지속적인 작업이 포함됩니다.\n\n시각 과제에서는 버전이 중요합니다. 날짜 없는 Qwen3.7-Max 이름은 5월 20일의 텍스트 전용 스냅샷과 동등한 것으로 문서화되어 있지만, 6월의 정확한 모델 표에는 이미지와 비디오 입력이 포함되어 있습니다. 이 모델에서는 스크린샷을 코드 작업과 함께 제공하거나, 에이전트가 분석하도록 서면 지시한 장면을 비디오로 제공할 수 있습니다. 출력은 생성 이미지, 비디오, 음성이 아니라 설명, 코드, 구조화된 기록, 도구 호출 지시입니다.\n\nAlibaba의 사고 가이드는 이 6월 스냅샷을 하이브리드 모델로 명시합니다. 제작사 작업 흐름에서는 사고가 기본으로 켜져 있으며 직접 응답을 위해 끌 수 있습니다. 사고 모드는 답변 전에 추론을 생성하고 추가 추론 시간이 필요합니다. 가이드는 추론 내용과 최종 답변을 구분하며, 이 정확한 모델에서는 제공된 과거 추론을 여러 턴에 걸쳐 보존할 수 있습니다. 보존된 추론은 다음 입력의 일부가 되므로 계속되는 작업에서는 대화와 원본 자료에 더해 추론에도 예산을 배분해야 합니다.\n\nFunction Calling은 애플리케이션이 질문과 사용 가능한 도구 정의를 제공하는 작업을 지원합니다. 모델이 선택한 함수와 인수를 반환하면 애플리케이션이 함수를 실행하고 도구 결과를 대화에 추가한 뒤 모델에 계속 진행하도록 요청합니다. 코딩 도우미에서는 저장소 읽기 또는 검증 도구를 정확히 정의하고 완료된 변경과 이를 뒷받침하는 결과를 함께 요청하세요. 도구를 설명하는 것과 실행하는 것은 다릅니다. 접근 권한을 제공하고 작업을 수행하는 주체는 주변 애플리케이션입니다.\n\n6월 스냅샷에는 Structured Outputs, Web Search, Prefix Completion, Context Caching도 명시되어 있습니다. 이는 제조사의 작업 흐름에서 정의된 출력 기록, 검색 지원 작업, 제공된 시작 부분에서 이어 쓰기, 공통 입력 접두사 재사용을 지원합니다. 반복 분석에서는 고정된 문서나 작업 지시를 앞부분에 두고 바뀌는 질문을 그 뒤에 배치하세요. 캐시 재사용은 해당 작업 흐름의 조건에 따라 달라집니다. 모델이 캐싱을 지원한다는 사실만으로 특정 요청의 캐시 적중이 입증되지는 않습니다. 이 버전에서는 배치 추론과 미세 조정이 미지원으로 표시되어 있습니다.\n\n정확한 6월 표에는 1,000,000토큰 컨텍스트 윈도가 명시되어 있습니다. 최대 입력은 일반 프로필에서 991,808토큰, 사고 모드에서 983,616토큰이고, 최대 출력은 두 프로필 모두 131,072토큰입니다. 컨텍스트, 입력, 출력은 서로 다른 한도입니다. 큰 원본 자료, 대화 이력, 시각 콘텐츠도 적용되는 입력 한도 안에 들어가야 하며, 출력 상한만큼 답변을 길게 작성할 필요는 없습니다.\n\n실용적인 인터페이스 작업에서는 스크린샷, 관련 소스 조각, 원하는 동작, 명시적인 산출물을 제공하세요. 예시 요청은 다음과 같습니다. “이 화면과 첨부한 컴포넌트 텍스트를 사용해 폼의 레이블이 작업 흐름과 맞지 않는 이유를 설명해 주세요. 핵심 코드 변경을 제안하고 그 근거가 된 화면 요소를 나열해 주세요.” 문서 또는 생산성 작업에서는 원문 섹션, 원하는 최종 기록, 포함할 내용을 판단하는 기준을 제공하세요. 여러 이미지에 번호를 붙이고 관계를 설명하여 텍스트 결과가 근거를 다시 참조할 수 있도록 하세요.\n\n비디오 분석에서는 필요한 사건이나 순서를 지정하고 간결한 설명을 요청하세요. 결과가 특정 순간을 식별해야 한다면 준비한 입력에 타임스탬프를 유지하세요. Alibaba의 파일 작업 흐름에서 URL 이미지는 최대 20 MB이고, URL 비디오는 최대 2 GB이며 길이는 2초에서 2시간입니다. Base64 비디오는 인코딩 후 10 MB보다 작아야 합니다. 파일 한도와 토큰 예산을 구분하세요. 오디오가 필수라면 이 스냅샷의 입력 표에는 오디오가 없으므로 전사문을 텍스트로 제공하세요. 긴 에이전트 작업에서는 최종 산출물, 허용된 도구, 완료로 인정할 결과를 지정하세요. 이렇게 준비하면 끝없는 중간 제안 대신 검토 가능한 텍스트 산출물에 모델을 집중시킬 수 있습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08은 텍스트, 이미지, 비디오 이해와 에이전트 중심 텍스트 작업 흐름을 결합합니다. 이 이름이 지정된 스냅샷은 5월 버전에 시각 기능을 추가하고 하이브리드 사고와 도구를 지원하며, 컨텍스트는 1M 토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3.7-Max 2026-06-08은 Alibaba가 Qwen3.7 제품군의 Max 모델에 지정한 6월 8일 스냅샷입니다. 이 버전의 핵심 변화는 5월 20일 스냅샷에 시각 모달리티 이해가 추가되어 실제 세계의 장면에 근거한 상호작용을 지원한다는 점입니다. 텍스트, 이미지, 비디오를 입력받아 텍스트를 생성합니다. 제품군의 에이전트 중심 목적에는 프로그래밍, 사무 및 생산성 작업, 지시와 도구 결과를 결합하는 지속적인 작업이 포함됩니다.
시각 과제에서는 버전이 중요합니다. 날짜 없는 Qwen3.7-Max 이름은 5월 20일의 텍스트 전용 스냅샷과 동등한 것으로 문서화되어 있지만, 6월의 정확한 모델 표에는 이미지와 비디오 입력이 포함되어 있습니다. 이 모델에서는 스크린샷을 코드 작업과 함께 제공하거나, 에이전트가 분석하도록 서면 지시한 장면을 비디오로 제공할 수 있습니다. 출력은 생성 이미지, 비디오, 음성이 아니라 설명, 코드, 구조화된 기록, 도구 호출 지시입니다.
Alibaba의 사고 가이드는 이 6월 스냅샷을 하이브리드 모델로 명시합니다. 제작사 작업 흐름에서는 사고가 기본으로 켜져 있으며 직접 응답을 위해 끌 수 있습니다. 사고 모드는 답변 전에 추론을 생성하고 추가 추론 시간이 필요합니다. 가이드는 추론 내용과 최종 답변을 구분하며, 이 정확한 모델에서는 제공된 과거 추론을 여러 턴에 걸쳐 보존할 수 있습니다. 보존된 추론은 다음 입력의 일부가 되므로 계속되는 작업에서는 대화와 원본 자료에 더해 추론에도 예산을 배분해야 합니다.
Function Calling은 애플리케이션이 질문과 사용 가능한 도구 정의를 제공하는 작업을 지원합니다. 모델이 선택한 함수와 인수를 반환하면 애플리케이션이 함수를 실행하고 도구 결과를 대화에 추가한 뒤 모델에 계속 진행하도록 요청합니다. 코딩 도우미에서는 저장소 읽기 또는 검증 도구를 정확히 정의하고 완료된 변경과 이를 뒷받침하는 결과를 함께 요청하세요. 도구를 설명하는 것과 실행하는 것은 다릅니다. 접근 권한을 제공하고 작업을 수행하는 주체는 주변 애플리케이션입니다.
6월 스냅샷에는 Structured Outputs, Web Search, Prefix Completion, Context Caching도 명시되어 있습니다. 이는 제조사의 작업 흐름에서 정의된 출력 기록, 검색 지원 작업, 제공된 시작 부분에서 이어 쓰기, 공통 입력 접두사 재사용을 지원합니다. 반복 분석에서는 고정된 문서나 작업 지시를 앞부분에 두고 바뀌는 질문을 그 뒤에 배치하세요. 캐시 재사용은 해당 작업 흐름의 조건에 따라 달라집니다. 모델이 캐싱을 지원한다는 사실만으로 특정 요청의 캐시 적중이 입증되지는 않습니다. 이 버전에서는 배치 추론과 미세 조정이 미지원으로 표시되어 있습니다.
정확한 6월 표에는 1,000,000토큰 컨텍스트 윈도가 명시되어 있습니다. 최대 입력은 일반 프로필에서 991,808토큰, 사고 모드에서 983,616토큰이고, 최대 출력은 두 프로필 모두 131,072토큰입니다. 컨텍스트, 입력, 출력은 서로 다른 한도입니다. 큰 원본 자료, 대화 이력, 시각 콘텐츠도 적용되는 입력 한도 안에 들어가야 하며, 출력 상한만큼 답변을 길게 작성할 필요는 없습니다.
실용적인 인터페이스 작업에서는 스크린샷, 관련 소스 조각, 원하는 동작, 명시적인 산출물을 제공하세요. 예시 요청은 다음과 같습니다. “이 화면과 첨부한 컴포넌트 텍스트를 사용해 폼의 레이블이 작업 흐름과 맞지 않는 이유를 설명해 주세요. 핵심 코드 변경을 제안하고 그 근거가 된 화면 요소를 나열해 주세요.” 문서 또는 생산성 작업에서는 원문 섹션, 원하는 최종 기록, 포함할 내용을 판단하는 기준을 제공하세요. 여러 이미지에 번호를 붙이고 관계를 설명하여 텍스트 결과가 근거를 다시 참조할 수 있도록 하세요.
비디오 분석에서는 필요한 사건이나 순서를 지정하고 간결한 설명을 요청하세요. 결과가 특정 순간을 식별해야 한다면 준비한 입력에 타임스탬프를 유지하세요. Alibaba의 파일 작업 흐름에서 URL 이미지는 최대 20 MB이고, URL 비디오는 최대 2 GB이며 길이는 2초에서 2시간입니다. Base64 비디오는 인코딩 후 10 MB보다 작아야 합니다. 파일 한도와 토큰 예산을 구분하세요. 오디오가 필수라면 이 스냅샷의 입력 표에는 오디오가 없으므로 전사문을 텍스트로 제공하세요. 긴 에이전트 작업에서는 최종 산출물, 허용된 도구, 완료로 인정할 결과를 지정하세요. 이렇게 준비하면 끝없는 중간 제안 대신 검토 가능한 텍스트 산출물에 모델을 집중시킬 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K 토큰 출력 · 출력 토큰 $0.0106 / 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": "qwen3.7-max-2026-06-08", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3.7-max-2026-06-08',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3.7-max-2026-06-08',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen3.7-max-2026-06-08
위에 표시된 메서드 경로를 사용하세요.
qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08은 텍스트, 이미지, 비디오 이해와 에이전트 중심 텍스트 작업 흐름을 결합합니다. 이 이름이 지정된 스냅샷은 5월 버전에 시각 기능을 추가하고 하이브리드 사고와 도구를 지원하며, 컨텍스트는 1M 토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3.7-Max 2026-06-08은 Alibaba가 Qwen3.7 제품군의 Max 모델에 지정한 6월 8일 스냅샷입니다. 이 버전의 핵심 변화는 5월 20일 스냅샷에 시각 모달리티 이해가 추가되어 실제 세계의 장면에 근거한 상호작용을 지원한다는 점입니다. 텍스트, 이미지, 비디오를 입력받아 텍스트를 생성합니다. 제품군의 에이전트 중심 목적에는 프로그래밍, 사무 및 생산성 작업, 지시와 도구 결과를 결합하는 지속적인 작업이 포함됩니다.
시각 과제에서는 버전이 중요합니다. 날짜 없는 Qwen3.7-Max 이름은 5월 20일의 텍스트 전용 스냅샷과 동등한 것으로 문서화되어 있지만, 6월의 정확한 모델 표에는 이미지와 비디오 입력이 포함되어 있습니다. 이 모델에서는 스크린샷을 코드 작업과 함께 제공하거나, 에이전트가 분석하도록 서면 지시한 장면을 비디오로 제공할 수 있습니다. 출력은 생성 이미지, 비디오, 음성이 아니라 설명, 코드, 구조화된 기록, 도구 호출 지시입니다.
Alibaba의 사고 가이드는 이 6월 스냅샷을 하이브리드 모델로 명시합니다. 제작사 작업 흐름에서는 사고가 기본으로 켜져 있으며 직접 응답을 위해 끌 수 있습니다. 사고 모드는 답변 전에 추론을 생성하고 추가 추론 시간이 필요합니다. 가이드는 추론 내용과 최종 답변을 구분하며, 이 정확한 모델에서는 제공된 과거 추론을 여러 턴에 걸쳐 보존할 수 있습니다. 보존된 추론은 다음 입력의 일부가 되므로 계속되는 작업에서는 대화와 원본 자료에 더해 추론에도 예산을 배분해야 합니다.
Function Calling은 애플리케이션이 질문과 사용 가능한 도구 정의를 제공하는 작업을 지원합니다. 모델이 선택한 함수와 인수를 반환하면 애플리케이션이 함수를 실행하고 도구 결과를 대화에 추가한 뒤 모델에 계속 진행하도록 요청합니다. 코딩 도우미에서는 저장소 읽기 또는 검증 도구를 정확히 정의하고 완료된 변경과 이를 뒷받침하는 결과를 함께 요청하세요. 도구를 설명하는 것과 실행하는 것은 다릅니다. 접근 권한을 제공하고 작업을 수행하는 주체는 주변 애플리케이션입니다.
6월 스냅샷에는 Structured Outputs, Web Search, Prefix Completion, Context Caching도 명시되어 있습니다. 이는 제조사의 작업 흐름에서 정의된 출력 기록, 검색 지원 작업, 제공된 시작 부분에서 이어 쓰기, 공통 입력 접두사 재사용을 지원합니다. 반복 분석에서는 고정된 문서나 작업 지시를 앞부분에 두고 바뀌는 질문을 그 뒤에 배치하세요. 캐시 재사용은 해당 작업 흐름의 조건에 따라 달라집니다. 모델이 캐싱을 지원한다는 사실만으로 특정 요청의 캐시 적중이 입증되지는 않습니다. 이 버전에서는 배치 추론과 미세 조정이 미지원으로 표시되어 있습니다.
정확한 6월 표에는 1,000,000토큰 컨텍스트 윈도가 명시되어 있습니다. 최대 입력은 일반 프로필에서 991,808토큰, 사고 모드에서 983,616토큰이고, 최대 출력은 두 프로필 모두 131,072토큰입니다. 컨텍스트, 입력, 출력은 서로 다른 한도입니다. 큰 원본 자료, 대화 이력, 시각 콘텐츠도 적용되는 입력 한도 안에 들어가야 하며, 출력 상한만큼 답변을 길게 작성할 필요는 없습니다.
실용적인 인터페이스 작업에서는 스크린샷, 관련 소스 조각, 원하는 동작, 명시적인 산출물을 제공하세요. 예시 요청은 다음과 같습니다. “이 화면과 첨부한 컴포넌트 텍스트를 사용해 폼의 레이블이 작업 흐름과 맞지 않는 이유를 설명해 주세요. 핵심 코드 변경을 제안하고 그 근거가 된 화면 요소를 나열해 주세요.” 문서 또는 생산성 작업에서는 원문 섹션, 원하는 최종 기록, 포함할 내용을 판단하는 기준을 제공하세요. 여러 이미지에 번호를 붙이고 관계를 설명하여 텍스트 결과가 근거를 다시 참조할 수 있도록 하세요.
비디오 분석에서는 필요한 사건이나 순서를 지정하고 간결한 설명을 요청하세요. 결과가 특정 순간을 식별해야 한다면 준비한 입력에 타임스탬프를 유지하세요. Alibaba의 파일 작업 흐름에서 URL 이미지는 최대 20 MB이고, URL 비디오는 최대 2 GB이며 길이는 2초에서 2시간입니다. Base64 비디오는 인코딩 후 10 MB보다 작아야 합니다. 파일 한도와 토큰 예산을 구분하세요. 오디오가 필수라면 이 스냅샷의 입력 표에는 오디오가 없으므로 전사문을 텍스트로 제공하세요. 긴 에이전트 작업에서는 최종 산출물, 허용된 도구, 완료로 인정할 결과를 지정하세요. 이렇게 준비하면 끝없는 중간 제안 대신 검토 가능한 텍스트 산출물에 모델을 집중시킬 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K 토큰 출력 · 출력 토큰 $0.0106 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen3.7-max-2026-06-08",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.7-max-2026-06-08', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.7-max-2026-06-08', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen3.7-max-2026-06-08
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.