Qwen-Plus (2025-04-28) ialah versi Qwen3-Plus bertarikh 28 April. Model ini menerima teks dan mengembalikan teks, mengintegrasikan mod Thinking dan Non-Thinking serta membolehkan mod berubah semasa perbualan. Tarikh mengenal pasti versi yang dipilih, membezakannya daripada keluaran Qwen-Plus yang lebih baharu dan alias yang berubah dari semasa ke semasa.
Mod Thinking menyokong tugas yang memerlukan analisis keadaan dan hubungan. Berikan bukti yang berkaitan, takrifkan soalan dan kenal pasti kriteria yang patut membimbing jawapan. Perbandingan boleh meminta penjelasan tentang kompromi antara dua pilihan di bawah kekangan yang dinyatakan. Tugas dokumen boleh meminta keperluan yang sepadan, yang bercanggah dan yang memerlukan penjelasan.
Mod Non-Thinking menyokong arahan langsung, seperti memendekkan petikan atau mendraf jawapan berdasarkan fakta yang dibekalkan. Berikan pembaca sasaran, panjang yang diperlukan dan maklumat yang mesti dikekalkan semasa penulisan semula. Arahan yang terarah memperjelas hasil yang dijangkakan: mesej yang siap, bahagian yang disemak atau penjelasan ringkas.
Asingkan teks rujukan daripada arahan tentang cara menggunakannya. Kekalkan label bahagian dan istilah yang telah ditakrifkan supaya jawapan kekal berkaitan dengan sumbernya. Apabila maklumat tiada, nyatakan sama ada model patut mengemukakan soalan atau menandakan perkara yang berkaitan sebagai belum diselesaikan. Untuk catatan analisis, minta kesimpulan dan syarat yang menyokongnya; untuk penulisan, minta teks yang disemak dan penjelasan ringkas tentang perubahan.
Soalan susulan boleh mengubah satu keperluan sambil mengekalkan bahagian lain tugas. Sebagai contoh, ubah khalayak sasaran bagi petikan yang dipilih atau masukkan kekangan baharu dalam perbandingan. Sertakan bahagian jawapan terdahulu yang sedang disemak supaya perbualan kekal berpandukan satu hasil yang dapat dikenal pasti.
Pengeluar mendokumenkan sokongan ciri mengikut konfigurasi pelaksanaan serantau. Konfigurasi yang disenaraikan untuk versi ini menyokong output berstruktur dan pelengkapan awalan, manakala panggilan fungsi hanya tersedia dalam sebahagian daripadanya. Aplikasi yang menyokong panggilan fungsi mentakrifkan tindakan dan medan inputnya, melaksanakan panggilan yang dipilih serta mengembalikan hasil kepada model. Output berstruktur mengawal bentuk jawapan, manakala pelengkapan awalan menyambung teks pembantu yang dibekalkan. Integrasi menentukan kawalan ini yang disediakannya.
Versi April mempunyai konteks didokumenkan sebanyak 131,072 token, dengan panjang input maksimum 98,304 token dan panjang output 16,384 token. Gunakan peruntukan input untuk arahan, dokumen yang berkaitan dan bahan perbualan yang diperlukan bagi tugasan. Nyatakan saiz dan bentuk hasil dan bukannya meminta perbincangan tanpa had. Hasil akhir yang berguna boleh berupa perbandingan berdasarkan sumber, jawapan kepada pelanggan atau bahagian dokumen yang disemak dan sedia diperiksa berdasarkan keperluan awal.
", "aboutText": "Qwen-Plus (2025-04-28) ialah versi Qwen3-Plus bertarikh 28 April. Model ini menerima teks dan mengembalikan teks, mengintegrasikan mod Thinking dan Non-Thinking serta membolehkan mod berubah semasa perbualan. Tarikh mengenal pasti versi yang dipilih, membezakannya daripada keluaran Qwen-Plus yang lebih baharu dan alias yang berubah dari semasa ke semasa.\n\n### Analisis keadaan atau tulis jawapan terus\n\nMod Thinking menyokong tugas yang memerlukan analisis keadaan dan hubungan. Berikan bukti yang berkaitan, takrifkan soalan dan kenal pasti kriteria yang patut membimbing jawapan. Perbandingan boleh meminta penjelasan tentang kompromi antara dua pilihan di bawah kekangan yang dinyatakan. Tugas dokumen boleh meminta keperluan yang sepadan, yang bercanggah dan yang memerlukan penjelasan.\n\nMod Non-Thinking menyokong arahan langsung, seperti memendekkan petikan atau mendraf jawapan berdasarkan fakta yang dibekalkan. Berikan pembaca sasaran, panjang yang diperlukan dan maklumat yang mesti dikekalkan semasa penulisan semula. Arahan yang terarah memperjelas hasil yang dijangkakan: mesej yang siap, bahagian yang disemak atau penjelasan ringkas.\n\n### Rancang perbualan untuk menghasilkan suatu hasil\n\nAsingkan teks rujukan daripada arahan tentang cara menggunakannya. Kekalkan label bahagian dan istilah yang telah ditakrifkan supaya jawapan kekal berkaitan dengan sumbernya. Apabila maklumat tiada, nyatakan sama ada model patut mengemukakan soalan atau menandakan perkara yang berkaitan sebagai belum diselesaikan. Untuk catatan analisis, minta kesimpulan dan syarat yang menyokongnya; untuk penulisan, minta teks yang disemak dan penjelasan ringkas tentang perubahan.\n\nSoalan susulan boleh mengubah satu keperluan sambil mengekalkan bahagian lain tugas. Sebagai contoh, ubah khalayak sasaran bagi petikan yang dipilih atau masukkan kekangan baharu dalam perbandingan. Sertakan bahagian jawapan terdahulu yang sedang disemak supaya perbualan kekal berpandukan satu hasil yang dapat dikenal pasti.\n\n### Fungsi, jawapan berstruktur dan penyambungan\n\nPengeluar mendokumenkan sokongan ciri mengikut konfigurasi pelaksanaan serantau. Konfigurasi yang disenaraikan untuk versi ini menyokong output berstruktur dan pelengkapan awalan, manakala panggilan fungsi hanya tersedia dalam sebahagian daripadanya. Aplikasi yang menyokong panggilan fungsi mentakrifkan tindakan dan medan inputnya, melaksanakan panggilan yang dipilih serta mengembalikan hasil kepada model. Output berstruktur mengawal bentuk jawapan, manakala pelengkapan awalan menyambung teks pembantu yang dibekalkan. Integrasi menentukan kawalan ini yang disediakannya.\n\n### Rancang dalam had versi bertarikh ini\n\nVersi April mempunyai konteks didokumenkan sebanyak 131,072 token, dengan panjang input maksimum 98,304 token dan panjang output 16,384 token. Gunakan peruntukan input untuk arahan, dokumen yang berkaitan dan bahan perbualan yang diperlukan bagi tugasan. Nyatakan saiz dan bentuk hasil dan bukannya meminta perbincangan tanpa had. Hasil akhir yang berguna boleh berupa perbandingan berdasarkan sumber, jawapan kepada pelanggan atau bahagian dokumen yang disemak dan sedia diperiksa berdasarkan keperluan awal.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Shorten a supplier message\n\nShorten this supplier message to at most 45 words for a busy warehouse manager: "Production of batch B-31 is complete. The 90 boxes are ready for pickup. Collection cannot occur before the quality report is approved. We will send the report tomorrow, but approval timing is not confirmed." Preserve the batch, quantity and pickup condition.A concise rewritten message that preserves the approval dependency and uncertain timing.Ensure ready for pickup is not interpreted as permission to collect before approval.qwen-plus-2025-04-28Qwen-Plus (2025-04-28) ialah versi teks Qwen3-Plus bertarikh yang menggabungkan mod Thinking dan Non-Thinking. Had yang didokumenkan ialah 131,072 token konteks, 98,304 token input dan 16,384 token output; fungsi pilihan dan kawalan jawapan bergantung pada integrasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen-Plus (2025-04-28) ialah versi Qwen3-Plus bertarikh 28 April. Model ini menerima teks dan mengembalikan teks, mengintegrasikan mod Thinking dan Non-Thinking serta membolehkan mod berubah semasa perbualan. Tarikh mengenal pasti versi yang dipilih, membezakannya daripada keluaran Qwen-Plus yang lebih baharu dan alias yang berubah dari semasa ke semasa.
Mod Thinking menyokong tugas yang memerlukan analisis keadaan dan hubungan. Berikan bukti yang berkaitan, takrifkan soalan dan kenal pasti kriteria yang patut membimbing jawapan. Perbandingan boleh meminta penjelasan tentang kompromi antara dua pilihan di bawah kekangan yang dinyatakan. Tugas dokumen boleh meminta keperluan yang sepadan, yang bercanggah dan yang memerlukan penjelasan.
Mod Non-Thinking menyokong arahan langsung, seperti memendekkan petikan atau mendraf jawapan berdasarkan fakta yang dibekalkan. Berikan pembaca sasaran, panjang yang diperlukan dan maklumat yang mesti dikekalkan semasa penulisan semula. Arahan yang terarah memperjelas hasil yang dijangkakan: mesej yang siap, bahagian yang disemak atau penjelasan ringkas.
Asingkan teks rujukan daripada arahan tentang cara menggunakannya. Kekalkan label bahagian dan istilah yang telah ditakrifkan supaya jawapan kekal berkaitan dengan sumbernya. Apabila maklumat tiada, nyatakan sama ada model patut mengemukakan soalan atau menandakan perkara yang berkaitan sebagai belum diselesaikan. Untuk catatan analisis, minta kesimpulan dan syarat yang menyokongnya; untuk penulisan, minta teks yang disemak dan penjelasan ringkas tentang perubahan.
Soalan susulan boleh mengubah satu keperluan sambil mengekalkan bahagian lain tugas. Sebagai contoh, ubah khalayak sasaran bagi petikan yang dipilih atau masukkan kekangan baharu dalam perbandingan. Sertakan bahagian jawapan terdahulu yang sedang disemak supaya perbualan kekal berpandukan satu hasil yang dapat dikenal pasti.
Pengeluar mendokumenkan sokongan ciri mengikut konfigurasi pelaksanaan serantau. Konfigurasi yang disenaraikan untuk versi ini menyokong output berstruktur dan pelengkapan awalan, manakala panggilan fungsi hanya tersedia dalam sebahagian daripadanya. Aplikasi yang menyokong panggilan fungsi mentakrifkan tindakan dan medan inputnya, melaksanakan panggilan yang dipilih serta mengembalikan hasil kepada model. Output berstruktur mengawal bentuk jawapan, manakala pelengkapan awalan menyambung teks pembantu yang dibekalkan. Integrasi menentukan kawalan ini yang disediakannya.
Versi April mempunyai konteks didokumenkan sebanyak 131,072 token, dengan panjang input maksimum 98,304 token dan panjang output 16,384 token. Gunakan peruntukan input untuk arahan, dokumen yang berkaitan dan bahan perbualan yang diperlukan bagi tugasan. Nyatakan saiz dan bentuk hasil dan bukannya meminta perbincangan tanpa had. Hasil akhir yang berguna boleh berupa perbandingan berdasarkan sumber, jawapan kepada pelanggan atau bahagian dokumen yang disemak dan sedia diperiksa berdasarkan keperluan awal.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen-plus-2025-04-28 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00024 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-plus-2025-04-28", "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-plus-2025-04-28',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-plus-2025-04-28',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qwen-plus-2025-04-28
Gunakan laluan kaedah yang dipaparkan di atas.
qwen-plus-2025-04-28Qwen-Plus (2025-04-28) ialah versi teks Qwen3-Plus bertarikh yang menggabungkan mod Thinking dan Non-Thinking. Had yang didokumenkan ialah 131,072 token konteks, 98,304 token input dan 16,384 token output; fungsi pilihan dan kawalan jawapan bergantung pada integrasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen-Plus (2025-04-28) ialah versi Qwen3-Plus bertarikh 28 April. Model ini menerima teks dan mengembalikan teks, mengintegrasikan mod Thinking dan Non-Thinking serta membolehkan mod berubah semasa perbualan. Tarikh mengenal pasti versi yang dipilih, membezakannya daripada keluaran Qwen-Plus yang lebih baharu dan alias yang berubah dari semasa ke semasa.
Mod Thinking menyokong tugas yang memerlukan analisis keadaan dan hubungan. Berikan bukti yang berkaitan, takrifkan soalan dan kenal pasti kriteria yang patut membimbing jawapan. Perbandingan boleh meminta penjelasan tentang kompromi antara dua pilihan di bawah kekangan yang dinyatakan. Tugas dokumen boleh meminta keperluan yang sepadan, yang bercanggah dan yang memerlukan penjelasan.
Mod Non-Thinking menyokong arahan langsung, seperti memendekkan petikan atau mendraf jawapan berdasarkan fakta yang dibekalkan. Berikan pembaca sasaran, panjang yang diperlukan dan maklumat yang mesti dikekalkan semasa penulisan semula. Arahan yang terarah memperjelas hasil yang dijangkakan: mesej yang siap, bahagian yang disemak atau penjelasan ringkas.
Asingkan teks rujukan daripada arahan tentang cara menggunakannya. Kekalkan label bahagian dan istilah yang telah ditakrifkan supaya jawapan kekal berkaitan dengan sumbernya. Apabila maklumat tiada, nyatakan sama ada model patut mengemukakan soalan atau menandakan perkara yang berkaitan sebagai belum diselesaikan. Untuk catatan analisis, minta kesimpulan dan syarat yang menyokongnya; untuk penulisan, minta teks yang disemak dan penjelasan ringkas tentang perubahan.
Soalan susulan boleh mengubah satu keperluan sambil mengekalkan bahagian lain tugas. Sebagai contoh, ubah khalayak sasaran bagi petikan yang dipilih atau masukkan kekangan baharu dalam perbandingan. Sertakan bahagian jawapan terdahulu yang sedang disemak supaya perbualan kekal berpandukan satu hasil yang dapat dikenal pasti.
Pengeluar mendokumenkan sokongan ciri mengikut konfigurasi pelaksanaan serantau. Konfigurasi yang disenaraikan untuk versi ini menyokong output berstruktur dan pelengkapan awalan, manakala panggilan fungsi hanya tersedia dalam sebahagian daripadanya. Aplikasi yang menyokong panggilan fungsi mentakrifkan tindakan dan medan inputnya, melaksanakan panggilan yang dipilih serta mengembalikan hasil kepada model. Output berstruktur mengawal bentuk jawapan, manakala pelengkapan awalan menyambung teks pembantu yang dibekalkan. Integrasi menentukan kawalan ini yang disediakannya.
Versi April mempunyai konteks didokumenkan sebanyak 131,072 token, dengan panjang input maksimum 98,304 token dan panjang output 16,384 token. Gunakan peruntukan input untuk arahan, dokumen yang berkaitan dan bahan perbualan yang diperlukan bagi tugasan. Nyatakan saiz dan bentuk hasil dan bukannya meminta perbincangan tanpa had. Hasil akhir yang berguna boleh berupa perbandingan berdasarkan sumber, jawapan kepada pelanggan atau bahagian dokumen yang disemak dan sedia diperiksa berdasarkan keperluan awal.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen-plus-2025-04-28 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00024 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen-plus-2025-04-28",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-plus-2025-04-28', '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-plus-2025-04-28', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qwen-plus-2025-04-28
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Shorten a supplier message\n\nShorten this supplier message to at most 45 words for a busy warehouse manager: "Production of batch B-31 is complete. The 90 boxes are ready for pickup. Collection cannot occur before the quality report is approved. We will send the report tomorrow, but approval timing is not confirmed." Preserve the batch, quantity and pickup condition.A concise rewritten message that preserves the approval dependency and uncertain timing.Ensure ready for pickup is not interpreted as permission to collect before approval.