Qwen-Plus (2025-07-14) ialah versi Qwen3-Plus bertarikh 14 Julai. Model ini menerima teks dan menghasilkan teks, menggabungkan mod Thinking dan Non-Thinking dalam model yang sama. Nama bertarikh mengenal pasti versi ini secara berasingan daripada alias Qwen-Plus yang berubah dari semasa ke semasa dan versi bertarikh yang lain.
Mod Thinking digunakan untuk kerja yang mendapat manfaat daripada analisis sebelum jawapan akhir. Berikan pilihan, keadaan dan kriteria yang diperlukan untuk perbandingan, atau petikan yang diperlukan untuk menjawab soalan. Minta kesimpulan dan penjelasan sokongan supaya pembaca dapat mengikuti bagaimana maklumat yang dibekalkan mempengaruhi hasilnya.
Mod Non-Thinking digunakan untuk tugas langsung seperti menyemak petikan atau menyediakan jawapan ringkas. Pengeluar menerangkan penambahbaikan keupayaan bahasa Cina dan Inggeris dalam mod ini, serta peningkatan panggilan alat berbanding versi terdahulu. Huraian itu berkaitan dengan versi Julai ini; huraian tersebut tidak memberikan sifat keluaran yang lebih baharu kepadanya.
Tugas dokumen boleh membandingkan dua set keperluan dan mengembalikan syarat yang dikongsi, percanggahan serta soalan terbuka. Labelkan petikan sumber dan tetapkan cara menangani butiran yang muncul dalam hanya satu daripadanya. Tugas penulisan boleh membekalkan draf, khalayak sasaran dan fakta wajib, kemudian meminta semakan bersama catatan perubahan ringkas. Asingkan bahan sumber daripada arahan untuk memudahkan semakan hasilnya.
Untuk perbualan yang berterusan, sertakan semula kesimpulan yang dipilih dan kekangan yang sedang diubah. Soalan susulan boleh memperhalus satu bahagian, menambah contoh atau mempertimbangkan semula satu pilihan menggunakan maklumat yang baru dibekalkan. Nyatakan bentuk jawapan seterusnya yang dikehendaki—jadual, penjelasan atau petikan yang siap—supaya jawapan mempunyai tujuan yang jelas.
Sokongan ciri berbeza antara konfigurasi pelaksanaan serantau pengeluar. Sebahagian konfigurasi itu menyokong panggilan fungsi dan output berstruktur. Dalam integrasi yang menyokong panggilan fungsi, aplikasi mentakrifkan tindakan yang tersedia, menerima argumen yang dipilih model, melaksanakan tindakan dan membekalkan hasilnya. Sebaliknya, jawapan berstruktur menyusun jawapan ke dalam medan yang diminta. Pelengkapan awalan menyambung teks pembantu yang dibekalkan. Ini ialah ciri antara muka yang berasingan; penyediaannya bergantung pada integrasi yang digunakan untuk permintaan tersebut.
Tetingkap konteks yang didokumenkan ialah 131,072 token, dengan sehingga 98,304 token input dan 16,384 token output. Susun tugasan yang panjang berdasarkan petikan sumber yang berkaitan dan sediakan ruang bagi jawapan yang diminta. Untuk hasil berstruktur, takrifkan nama medan dan cara mengendalikan nilai yang tiada, kemudian semak bentuk serta makna kandungan yang dikembalikan. Output teks boleh menjadi catatan analisis, bahagian dokumen yang disemak atau jawapan berdasarkan bahan yang dibekalkan.
", "aboutText": "Qwen-Plus (2025-07-14) ialah versi Qwen3-Plus bertarikh 14 Julai. Model ini menerima teks dan menghasilkan teks, menggabungkan mod Thinking dan Non-Thinking dalam model yang sama. Nama bertarikh mengenal pasti versi ini secara berasingan daripada alias Qwen-Plus yang berubah dari semasa ke semasa dan versi bertarikh yang lain.\n\n### Pilih kedalaman tugas\n\nMod Thinking digunakan untuk kerja yang mendapat manfaat daripada analisis sebelum jawapan akhir. Berikan pilihan, keadaan dan kriteria yang diperlukan untuk perbandingan, atau petikan yang diperlukan untuk menjawab soalan. Minta kesimpulan dan penjelasan sokongan supaya pembaca dapat mengikuti bagaimana maklumat yang dibekalkan mempengaruhi hasilnya.\n\nMod Non-Thinking digunakan untuk tugas langsung seperti menyemak petikan atau menyediakan jawapan ringkas. Pengeluar menerangkan penambahbaikan keupayaan bahasa Cina dan Inggeris dalam mod ini, serta peningkatan panggilan alat berbanding versi terdahulu. Huraian itu berkaitan dengan versi Julai ini; huraian tersebut tidak memberikan sifat keluaran yang lebih baharu kepadanya.\n\n### Jadikan teks sumber suatu hasil yang berguna\n\nTugas dokumen boleh membandingkan dua set keperluan dan mengembalikan syarat yang dikongsi, percanggahan serta soalan terbuka. Labelkan petikan sumber dan tetapkan cara menangani butiran yang muncul dalam hanya satu daripadanya. Tugas penulisan boleh membekalkan draf, khalayak sasaran dan fakta wajib, kemudian meminta semakan bersama catatan perubahan ringkas. Asingkan bahan sumber daripada arahan untuk memudahkan semakan hasilnya.\n\nUntuk perbualan yang berterusan, sertakan semula kesimpulan yang dipilih dan kekangan yang sedang diubah. Soalan susulan boleh memperhalus satu bahagian, menambah contoh atau mempertimbangkan semula satu pilihan menggunakan maklumat yang baru dibekalkan. Nyatakan bentuk jawapan seterusnya yang dikehendaki—jadual, penjelasan atau petikan yang siap—supaya jawapan mempunyai tujuan yang jelas.\n\n### Fungsi pilihan dan struktur jawapan\n\nSokongan ciri berbeza antara konfigurasi pelaksanaan serantau pengeluar. Sebahagian konfigurasi itu menyokong panggilan fungsi dan output berstruktur. Dalam integrasi yang menyokong panggilan fungsi, aplikasi mentakrifkan tindakan yang tersedia, menerima argumen yang dipilih model, melaksanakan tindakan dan membekalkan hasilnya. Sebaliknya, jawapan berstruktur menyusun jawapan ke dalam medan yang diminta. Pelengkapan awalan menyambung teks pembantu yang dibekalkan. Ini ialah ciri antara muka yang berasingan; penyediaannya bergantung pada integrasi yang digunakan untuk permintaan tersebut.\n\n### Had input dan output\n\nTetingkap konteks yang didokumenkan ialah 131,072 token, dengan sehingga 98,304 token input dan 16,384 token output. Susun tugasan yang panjang berdasarkan petikan sumber yang berkaitan dan sediakan ruang bagi jawapan yang diminta. Untuk hasil berstruktur, takrifkan nama medan dan cara mengendalikan nilai yang tiada, kemudian semak bentuk serta makna kandungan yang dikembalikan. Output teks boleh menjadi catatan analisis, bahagian dokumen yang disemak atau jawapan berdasarkan bahan yang dibekalkan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare changed acceptance requirements\n\nCompare specification A with revision B. A: exports contain every active account and use comma-separated columns. B: exports contain active accounts updated in the last 30 days and use tab-separated columns; account IDs remain unchanged. Return shared conditions, changed conditions and questions needing clarification. Treat B as the newer source without inventing a timezone or cutoff boundary.A three-part comparison with source labels and explicit unresolved cutoff details.The answer preserves unchanged IDs and flags the undefined 30-day boundary instead of supplying one.qwen-plus-2025-07-14Qwen-Plus (2025-07-14) ialah versi teks Qwen3-Plus bertarikh dengan mod Thinking dan Non-Thinking. Model ini menyokong tugas analisis dan penulisan langsung, dengan konteks didokumenkan sebanyak 131,072 token, had input 98,304 token dan had output 16,384 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen-Plus (2025-07-14) ialah versi Qwen3-Plus bertarikh 14 Julai. Model ini menerima teks dan menghasilkan teks, menggabungkan mod Thinking dan Non-Thinking dalam model yang sama. Nama bertarikh mengenal pasti versi ini secara berasingan daripada alias Qwen-Plus yang berubah dari semasa ke semasa dan versi bertarikh yang lain.
Mod Thinking digunakan untuk kerja yang mendapat manfaat daripada analisis sebelum jawapan akhir. Berikan pilihan, keadaan dan kriteria yang diperlukan untuk perbandingan, atau petikan yang diperlukan untuk menjawab soalan. Minta kesimpulan dan penjelasan sokongan supaya pembaca dapat mengikuti bagaimana maklumat yang dibekalkan mempengaruhi hasilnya.
Mod Non-Thinking digunakan untuk tugas langsung seperti menyemak petikan atau menyediakan jawapan ringkas. Pengeluar menerangkan penambahbaikan keupayaan bahasa Cina dan Inggeris dalam mod ini, serta peningkatan panggilan alat berbanding versi terdahulu. Huraian itu berkaitan dengan versi Julai ini; huraian tersebut tidak memberikan sifat keluaran yang lebih baharu kepadanya.
Tugas dokumen boleh membandingkan dua set keperluan dan mengembalikan syarat yang dikongsi, percanggahan serta soalan terbuka. Labelkan petikan sumber dan tetapkan cara menangani butiran yang muncul dalam hanya satu daripadanya. Tugas penulisan boleh membekalkan draf, khalayak sasaran dan fakta wajib, kemudian meminta semakan bersama catatan perubahan ringkas. Asingkan bahan sumber daripada arahan untuk memudahkan semakan hasilnya.
Untuk perbualan yang berterusan, sertakan semula kesimpulan yang dipilih dan kekangan yang sedang diubah. Soalan susulan boleh memperhalus satu bahagian, menambah contoh atau mempertimbangkan semula satu pilihan menggunakan maklumat yang baru dibekalkan. Nyatakan bentuk jawapan seterusnya yang dikehendaki—jadual, penjelasan atau petikan yang siap—supaya jawapan mempunyai tujuan yang jelas.
Sokongan ciri berbeza antara konfigurasi pelaksanaan serantau pengeluar. Sebahagian konfigurasi itu menyokong panggilan fungsi dan output berstruktur. Dalam integrasi yang menyokong panggilan fungsi, aplikasi mentakrifkan tindakan yang tersedia, menerima argumen yang dipilih model, melaksanakan tindakan dan membekalkan hasilnya. Sebaliknya, jawapan berstruktur menyusun jawapan ke dalam medan yang diminta. Pelengkapan awalan menyambung teks pembantu yang dibekalkan. Ini ialah ciri antara muka yang berasingan; penyediaannya bergantung pada integrasi yang digunakan untuk permintaan tersebut.
Tetingkap konteks yang didokumenkan ialah 131,072 token, dengan sehingga 98,304 token input dan 16,384 token output. Susun tugasan yang panjang berdasarkan petikan sumber yang berkaitan dan sediakan ruang bagi jawapan yang diminta. Untuk hasil berstruktur, takrifkan nama medan dan cara mengendalikan nilai yang tiada, kemudian semak bentuk serta makna kandungan yang dikembalikan. Output teks boleh menjadi catatan analisis, bahagian dokumen yang disemak atau jawapan berdasarkan bahan yang dibekalkan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen-plus-2025-07-14 | 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-2025-07-14", "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-2025-07-14',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-2025-07-14',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-2025-07-14
Gunakan laluan kaedah yang dipaparkan di atas.
qwen-plus-2025-07-14Qwen-Plus (2025-07-14) ialah versi teks Qwen3-Plus bertarikh dengan mod Thinking dan Non-Thinking. Model ini menyokong tugas analisis dan penulisan langsung, dengan konteks didokumenkan sebanyak 131,072 token, had input 98,304 token dan had output 16,384 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen-Plus (2025-07-14) ialah versi Qwen3-Plus bertarikh 14 Julai. Model ini menerima teks dan menghasilkan teks, menggabungkan mod Thinking dan Non-Thinking dalam model yang sama. Nama bertarikh mengenal pasti versi ini secara berasingan daripada alias Qwen-Plus yang berubah dari semasa ke semasa dan versi bertarikh yang lain.
Mod Thinking digunakan untuk kerja yang mendapat manfaat daripada analisis sebelum jawapan akhir. Berikan pilihan, keadaan dan kriteria yang diperlukan untuk perbandingan, atau petikan yang diperlukan untuk menjawab soalan. Minta kesimpulan dan penjelasan sokongan supaya pembaca dapat mengikuti bagaimana maklumat yang dibekalkan mempengaruhi hasilnya.
Mod Non-Thinking digunakan untuk tugas langsung seperti menyemak petikan atau menyediakan jawapan ringkas. Pengeluar menerangkan penambahbaikan keupayaan bahasa Cina dan Inggeris dalam mod ini, serta peningkatan panggilan alat berbanding versi terdahulu. Huraian itu berkaitan dengan versi Julai ini; huraian tersebut tidak memberikan sifat keluaran yang lebih baharu kepadanya.
Tugas dokumen boleh membandingkan dua set keperluan dan mengembalikan syarat yang dikongsi, percanggahan serta soalan terbuka. Labelkan petikan sumber dan tetapkan cara menangani butiran yang muncul dalam hanya satu daripadanya. Tugas penulisan boleh membekalkan draf, khalayak sasaran dan fakta wajib, kemudian meminta semakan bersama catatan perubahan ringkas. Asingkan bahan sumber daripada arahan untuk memudahkan semakan hasilnya.
Untuk perbualan yang berterusan, sertakan semula kesimpulan yang dipilih dan kekangan yang sedang diubah. Soalan susulan boleh memperhalus satu bahagian, menambah contoh atau mempertimbangkan semula satu pilihan menggunakan maklumat yang baru dibekalkan. Nyatakan bentuk jawapan seterusnya yang dikehendaki—jadual, penjelasan atau petikan yang siap—supaya jawapan mempunyai tujuan yang jelas.
Sokongan ciri berbeza antara konfigurasi pelaksanaan serantau pengeluar. Sebahagian konfigurasi itu menyokong panggilan fungsi dan output berstruktur. Dalam integrasi yang menyokong panggilan fungsi, aplikasi mentakrifkan tindakan yang tersedia, menerima argumen yang dipilih model, melaksanakan tindakan dan membekalkan hasilnya. Sebaliknya, jawapan berstruktur menyusun jawapan ke dalam medan yang diminta. Pelengkapan awalan menyambung teks pembantu yang dibekalkan. Ini ialah ciri antara muka yang berasingan; penyediaannya bergantung pada integrasi yang digunakan untuk permintaan tersebut.
Tetingkap konteks yang didokumenkan ialah 131,072 token, dengan sehingga 98,304 token input dan 16,384 token output. Susun tugasan yang panjang berdasarkan petikan sumber yang berkaitan dan sediakan ruang bagi jawapan yang diminta. Untuk hasil berstruktur, takrifkan nama medan dan cara mengendalikan nilai yang tiada, kemudian semak bentuk serta makna kandungan yang dikembalikan. Output teks boleh menjadi catatan analisis, bahagian dokumen yang disemak atau jawapan berdasarkan bahan yang dibekalkan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen-plus-2025-07-14 | 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 $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen-plus-2025-07-14",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2025-07-14', '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-2025-07-14', '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-2025-07-14
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Compare changed acceptance requirements\n\nCompare specification A with revision B. A: exports contain every active account and use comma-separated columns. B: exports contain active accounts updated in the last 30 days and use tab-separated columns; account IDs remain unchanged. Return shared conditions, changed conditions and questions needing clarification. Treat B as the newer source without inventing a timezone or cutoff boundary.A three-part comparison with source labels and explicit unresolved cutoff details.The answer preserves unchanged IDs and flags the undefined 30-day boundary instead of supplying one.