Snapshot Plus 15 Februari
Qwen3.5 Plus 2026-02-15 ialah keluaran tetap keluarga Plus penglihatan-bahasa natif Qwen pada 15 Februari 2026. Seni binanya yang didokumenkan menggabungkan perhatian linear dengan pengiraan campuran pakar dengan pengaktifan terpilih, menyokong tugas teks dan multimodal. Input merangkumi teks, imej dan video; respons ialah teks, seperti penjelasan, cadangan kod atau artifak dokumen. Nama bertarikh memberikan identiti khusus kepada edisi ini dalam keluarga Plus.
Pengeluar menerangkan Qwen3.5-Plus terurus sebagai sepadan dengan model terbuka Qwen3.5-397B-A17B, dengan ciri tambahan termasuk konteks lalai satu juta token, alat terbina dalam dan penggunaan alat adaptif. Kedua-dua tawaran mengekalkan nama dan kontrak antara muka berasingan. Bilangan pakar tepat, perwakilan berangka dan konteks natif checkpoint terbuka tidak patut ditukar secara senyap menjadi spesifikasi lengkap keluaran Plus bertarikh ini.
Kerja teks dan visual bersepadu
Keluarga Qwen3.5 membangunkan penaakulan, pengekodan, ejen dan pemahaman visual melalui gabungan awal teks–penglihatan serta pembelajaran pengukuhan pada tugas yang semakin kompleks. Huraian keluarganya merangkumi 201 bahasa dan dialek. Untuk kerja berbilang bahasa, nyatakan bahasa sasaran, khalayak dan istilah yang perlu dikekalkan; untuk kerja visual, kekalkan label, tajuk jadual atau definisi rajah yang diperlukan soalan.
Permintaan dokumen yang berguna boleh meminta perbandingan yang disusun mengikut bahagian yang sama dengan sumber, bersama petikan sokongan bagi setiap dapatan. Permintaan pengekodan boleh menggabungkan tangkap layar, kod sedia ada berkaitan dan keperluan fungsi, kemudian meminta sumber yang boleh disunting serta penjelasan tingkah laku berasingan. Untuk video, kenal pasti peristiwa atau urutan yang penting dan kekalkan masa. Periksa petikan, butiran visual dan kod yang dicadangkan yang dikembalikan berdasarkan bahan yang dibekalkan.
Penaakulan dan respons terus
Panduan mod pembuat menyenaraikan keluarga Qwen3.5 Plus dan snapshot 15 Februari sebagai pemikiran hibrid, dengan pemikiran didayakan secara lalai. Aliran kerja hibrid yang didokumenkan boleh menyahdayakan pemikiran untuk respons terus. Asingkan penaakulan daripada artifak akhir apabila antara muka yang dipilih menyediakan kedua-duanya. Tentukan bentuk akhir yang jelas, seperti jadual dapatan, jawapan berpembatas atau fail kod, supaya hasil mudah diperiksa.
Checkpoint terbuka Qwen3.5 mempunyai panduan sejarah dan pensampelannya sendiri. Generasi Qwen kemudian turut memperkenalkan lalai serta kawalan pengekalan penaakulan yang berbeza. Ikuti resipi antara muka Plus tepat, bukannya menganggap penanda prompt, struktur yang mengandungi parameter atau tingkah laku sejarah terpakai merentas setiap edisi bernama Qwen.
Alat dan kerja adaptif
Rujukan Plus pengeluar menerangkan penggunaan alat terbina dalam dan adaptif. Tugas boleh membolehkan aliran kerja yang disambungkan memperoleh bukti, memeriksa bahan yang diberikan atau mengembalikan hasil operasi yang dibenarkan. Nyatakan alat yang tersedia, tindakan yang dibenarkan dan syarat penyiapan yang boleh diperhatikan. Model boleh menggunakan maklum balas sebenar untuk menyemak analisis serta memilih langkah seterusnya; aplikasi melaksanakan tindakan luaran dan membekalkan hasilnya.
Untuk tugas ejen, minta laporan akhir menunjukkan artifak yang terhasil, bukti sokongan dan syarat yang belum dipenuhi. Bezakan tampalan atau pertanyaan pengambilan maklumat yang dicadangkan daripada hasil alat yang benar-benar dikembalikan. Permintaan teks berbentuk JSON sendiri tidak menetapkan kontrak penguatkuasaan skema, dan permintaan menjalankan kod tidak mewujudkan persekitaran pelaksanaan secara bebas.
Penyediaan konteks panjang
Rujukan Plus terurus Qwen menerangkan konteks lalai satu juta token. Pastikan sempadan dokumen, pengecam kod dan definisi kelihatan dalam input besar, serta sediakan ruang penaakulan dan jawapan akhir. Gunakan peruntukan konteks Plus terurus bagi aliran kerja ini; checkpoint terbuka 397B mempunyai had natif serta diperluas sendiri.
Untuk perbandingan panjang, kecilkan soalan kepada keputusan atau hubungan yang diperlukan dan minta model merujuk bahagian sokongan bagi setiap kesimpulan. Peruntukan konteks boleh meletakkan lebih banyak bukti bersama-sama, tetapi struktur sumber yang jelas menjadikan jawapan boleh dijejaki. Kekalkan nama edisi bertarikh apabila kebolehulangan penting.
Hasil praktikal dan had
Gunakan snapshot ini untuk hasil teks konkrit berasaskan bahan projek atau visual yang dibekalkan: cadangan pelaksanaan, perbandingan dokumen atau jawapan berpenjelasan. Periksa label visual kecil, pengiraan, teks yang dipetik dan perubahan kod berdasarkan bukti asal. Skop model yang didokumenkan ialah pemahaman teks serta visual dengan output teks; ia tidak bermaksud imej, video atau pertuturan dijana. Alat tepat, peraturan muat naik dan peruntukan output perlu mengikuti antara muka yang dipilih, bukannya kesetaraan yang diandaikan dengan checkpoint lain.
", "aboutText": "Snapshot Plus 15 Februari\n\nQwen3.5 Plus 2026-02-15 ialah keluaran tetap keluarga Plus penglihatan-bahasa natif Qwen pada 15 Februari 2026. Seni binanya yang didokumenkan menggabungkan perhatian linear dengan pengiraan campuran pakar dengan pengaktifan terpilih, menyokong tugas teks dan multimodal. Input merangkumi teks, imej dan video; respons ialah teks, seperti penjelasan, cadangan kod atau artifak dokumen. Nama bertarikh memberikan identiti khusus kepada edisi ini dalam keluarga Plus.\n\nPengeluar menerangkan Qwen3.5-Plus terurus sebagai sepadan dengan model terbuka Qwen3.5-397B-A17B, dengan ciri tambahan termasuk konteks lalai satu juta token, alat terbina dalam dan penggunaan alat adaptif. Kedua-dua tawaran mengekalkan nama dan kontrak antara muka berasingan. Bilangan pakar tepat, perwakilan berangka dan konteks natif checkpoint terbuka tidak patut ditukar secara senyap menjadi spesifikasi lengkap keluaran Plus bertarikh ini.\n\nKerja teks dan visual bersepadu\n\nKeluarga Qwen3.5 membangunkan penaakulan, pengekodan, ejen dan pemahaman visual melalui gabungan awal teks–penglihatan serta pembelajaran pengukuhan pada tugas yang semakin kompleks. Huraian keluarganya merangkumi 201 bahasa dan dialek. Untuk kerja berbilang bahasa, nyatakan bahasa sasaran, khalayak dan istilah yang perlu dikekalkan; untuk kerja visual, kekalkan label, tajuk jadual atau definisi rajah yang diperlukan soalan.\n\nPermintaan dokumen yang berguna boleh meminta perbandingan yang disusun mengikut bahagian yang sama dengan sumber, bersama petikan sokongan bagi setiap dapatan. Permintaan pengekodan boleh menggabungkan tangkap layar, kod sedia ada berkaitan dan keperluan fungsi, kemudian meminta sumber yang boleh disunting serta penjelasan tingkah laku berasingan. Untuk video, kenal pasti peristiwa atau urutan yang penting dan kekalkan masa. Periksa petikan, butiran visual dan kod yang dicadangkan yang dikembalikan berdasarkan bahan yang dibekalkan.\n\nPenaakulan dan respons terus\n\nPanduan mod pembuat menyenaraikan keluarga Qwen3.5 Plus dan snapshot 15 Februari sebagai pemikiran hibrid, dengan pemikiran didayakan secara lalai. Aliran kerja hibrid yang didokumenkan boleh menyahdayakan pemikiran untuk respons terus. Asingkan penaakulan daripada artifak akhir apabila antara muka yang dipilih menyediakan kedua-duanya. Tentukan bentuk akhir yang jelas, seperti jadual dapatan, jawapan berpembatas atau fail kod, supaya hasil mudah diperiksa.\n\nCheckpoint terbuka Qwen3.5 mempunyai panduan sejarah dan pensampelannya sendiri. Generasi Qwen kemudian turut memperkenalkan lalai serta kawalan pengekalan penaakulan yang berbeza. Ikuti resipi antara muka Plus tepat, bukannya menganggap penanda prompt, struktur yang mengandungi parameter atau tingkah laku sejarah terpakai merentas setiap edisi bernama Qwen.\n\nAlat dan kerja adaptif\n\nRujukan Plus pengeluar menerangkan penggunaan alat terbina dalam dan adaptif. Tugas boleh membolehkan aliran kerja yang disambungkan memperoleh bukti, memeriksa bahan yang diberikan atau mengembalikan hasil operasi yang dibenarkan. Nyatakan alat yang tersedia, tindakan yang dibenarkan dan syarat penyiapan yang boleh diperhatikan. Model boleh menggunakan maklum balas sebenar untuk menyemak analisis serta memilih langkah seterusnya; aplikasi melaksanakan tindakan luaran dan membekalkan hasilnya.\n\nUntuk tugas ejen, minta laporan akhir menunjukkan artifak yang terhasil, bukti sokongan dan syarat yang belum dipenuhi. Bezakan tampalan atau pertanyaan pengambilan maklumat yang dicadangkan daripada hasil alat yang benar-benar dikembalikan. Permintaan teks berbentuk JSON sendiri tidak menetapkan kontrak penguatkuasaan skema, dan permintaan menjalankan kod tidak mewujudkan persekitaran pelaksanaan secara bebas.\n\nPenyediaan konteks panjang\n\nRujukan Plus terurus Qwen menerangkan konteks lalai satu juta token. Pastikan sempadan dokumen, pengecam kod dan definisi kelihatan dalam input besar, serta sediakan ruang penaakulan dan jawapan akhir. Gunakan peruntukan konteks Plus terurus bagi aliran kerja ini; checkpoint terbuka 397B mempunyai had natif serta diperluas sendiri.\n\nUntuk perbandingan panjang, kecilkan soalan kepada keputusan atau hubungan yang diperlukan dan minta model merujuk bahagian sokongan bagi setiap kesimpulan. Peruntukan konteks boleh meletakkan lebih banyak bukti bersama-sama, tetapi struktur sumber yang jelas menjadikan jawapan boleh dijejaki. Kekalkan nama edisi bertarikh apabila kebolehulangan penting.\n\nHasil praktikal dan had\n\nGunakan snapshot ini untuk hasil teks konkrit berasaskan bahan projek atau visual yang dibekalkan: cadangan pelaksanaan, perbandingan dokumen atau jawapan berpenjelasan. Periksa label visual kecil, pengiraan, teks yang dipetik dan perubahan kod berdasarkan bukti asal. Skop model yang didokumenkan ialah pemahaman teks serta visual dengan output teks; ia tidak bermaksud imej, video atau pertuturan dijana. Alat tepat, peraturan muat naik dan peruntukan output perlu mengikuti antara muka yang dipilih, bukannya kesetaraan yang diandaikan dengan checkpoint lain.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 ialah snapshot tetap 15 Februari bagi model penglihatan-bahasa natif Plus Qwen. Ia menggabungkan pemahaman teks, imej dan video dengan penaakulan, pengekodan serta aliran kerja berorientasikan ejen, mengembalikan jawapan atau artifak teks dalam mod pemikiran hibrid keluarga ini.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Snapshot Plus 15 Februari
Qwen3.5 Plus 2026-02-15 ialah keluaran tetap keluarga Plus penglihatan-bahasa natif Qwen pada 15 Februari 2026. Seni binanya yang didokumenkan menggabungkan perhatian linear dengan pengiraan campuran pakar dengan pengaktifan terpilih, menyokong tugas teks dan multimodal. Input merangkumi teks, imej dan video; respons ialah teks, seperti penjelasan, cadangan kod atau artifak dokumen. Nama bertarikh memberikan identiti khusus kepada edisi ini dalam keluarga Plus.
Pengeluar menerangkan Qwen3.5-Plus terurus sebagai sepadan dengan model terbuka Qwen3.5-397B-A17B, dengan ciri tambahan termasuk konteks lalai satu juta token, alat terbina dalam dan penggunaan alat adaptif. Kedua-dua tawaran mengekalkan nama dan kontrak antara muka berasingan. Bilangan pakar tepat, perwakilan berangka dan konteks natif checkpoint terbuka tidak patut ditukar secara senyap menjadi spesifikasi lengkap keluaran Plus bertarikh ini.
Kerja teks dan visual bersepadu
Keluarga Qwen3.5 membangunkan penaakulan, pengekodan, ejen dan pemahaman visual melalui gabungan awal teks–penglihatan serta pembelajaran pengukuhan pada tugas yang semakin kompleks. Huraian keluarganya merangkumi 201 bahasa dan dialek. Untuk kerja berbilang bahasa, nyatakan bahasa sasaran, khalayak dan istilah yang perlu dikekalkan; untuk kerja visual, kekalkan label, tajuk jadual atau definisi rajah yang diperlukan soalan.
Permintaan dokumen yang berguna boleh meminta perbandingan yang disusun mengikut bahagian yang sama dengan sumber, bersama petikan sokongan bagi setiap dapatan. Permintaan pengekodan boleh menggabungkan tangkap layar, kod sedia ada berkaitan dan keperluan fungsi, kemudian meminta sumber yang boleh disunting serta penjelasan tingkah laku berasingan. Untuk video, kenal pasti peristiwa atau urutan yang penting dan kekalkan masa. Periksa petikan, butiran visual dan kod yang dicadangkan yang dikembalikan berdasarkan bahan yang dibekalkan.
Penaakulan dan respons terus
Panduan mod pembuat menyenaraikan keluarga Qwen3.5 Plus dan snapshot 15 Februari sebagai pemikiran hibrid, dengan pemikiran didayakan secara lalai. Aliran kerja hibrid yang didokumenkan boleh menyahdayakan pemikiran untuk respons terus. Asingkan penaakulan daripada artifak akhir apabila antara muka yang dipilih menyediakan kedua-duanya. Tentukan bentuk akhir yang jelas, seperti jadual dapatan, jawapan berpembatas atau fail kod, supaya hasil mudah diperiksa.
Checkpoint terbuka Qwen3.5 mempunyai panduan sejarah dan pensampelannya sendiri. Generasi Qwen kemudian turut memperkenalkan lalai serta kawalan pengekalan penaakulan yang berbeza. Ikuti resipi antara muka Plus tepat, bukannya menganggap penanda prompt, struktur yang mengandungi parameter atau tingkah laku sejarah terpakai merentas setiap edisi bernama Qwen.
Alat dan kerja adaptif
Rujukan Plus pengeluar menerangkan penggunaan alat terbina dalam dan adaptif. Tugas boleh membolehkan aliran kerja yang disambungkan memperoleh bukti, memeriksa bahan yang diberikan atau mengembalikan hasil operasi yang dibenarkan. Nyatakan alat yang tersedia, tindakan yang dibenarkan dan syarat penyiapan yang boleh diperhatikan. Model boleh menggunakan maklum balas sebenar untuk menyemak analisis serta memilih langkah seterusnya; aplikasi melaksanakan tindakan luaran dan membekalkan hasilnya.
Untuk tugas ejen, minta laporan akhir menunjukkan artifak yang terhasil, bukti sokongan dan syarat yang belum dipenuhi. Bezakan tampalan atau pertanyaan pengambilan maklumat yang dicadangkan daripada hasil alat yang benar-benar dikembalikan. Permintaan teks berbentuk JSON sendiri tidak menetapkan kontrak penguatkuasaan skema, dan permintaan menjalankan kod tidak mewujudkan persekitaran pelaksanaan secara bebas.
Penyediaan konteks panjang
Rujukan Plus terurus Qwen menerangkan konteks lalai satu juta token. Pastikan sempadan dokumen, pengecam kod dan definisi kelihatan dalam input besar, serta sediakan ruang penaakulan dan jawapan akhir. Gunakan peruntukan konteks Plus terurus bagi aliran kerja ini; checkpoint terbuka 397B mempunyai had natif serta diperluas sendiri.
Untuk perbandingan panjang, kecilkan soalan kepada keputusan atau hubungan yang diperlukan dan minta model merujuk bahagian sokongan bagi setiap kesimpulan. Peruntukan konteks boleh meletakkan lebih banyak bukti bersama-sama, tetapi struktur sumber yang jelas menjadikan jawapan boleh dijejaki. Kekalkan nama edisi bertarikh apabila kebolehulangan penting.
Hasil praktikal dan had
Gunakan snapshot ini untuk hasil teks konkrit berasaskan bahan projek atau visual yang dibekalkan: cadangan pelaksanaan, perbandingan dokumen atau jawapan berpenjelasan. Periksa label visual kecil, pengiraan, teks yang dipetik dan perubahan kod berdasarkan bukti asal. Skop model yang didokumenkan ialah pemahaman teks serta visual dengan output teks; ia tidak bermaksud imej, video atau pertuturan dijana. Alat tepat, peraturan muat naik dan peruntukan output perlu mengikuti antara muka yang dipilih, bukannya kesetaraan yang diandaikan dengan checkpoint lain.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3.5-plus-02-15 | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00052 / 1K token Output · Token output $0.00312 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk256,000 | Caj Input · Token input $0.00052 / 1K token Output · Token output $0.00312 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi256,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00065 / 1K token Output · Token output $0.0039 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-plus-02-15", "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/qwen3.5-plus-02-15',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/qwen3.5-plus-02-15',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/qwen3.5-plus-02-15
Gunakan laluan kaedah yang dipaparkan di atas.
qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 ialah snapshot tetap 15 Februari bagi model penglihatan-bahasa natif Plus Qwen. Ia menggabungkan pemahaman teks, imej dan video dengan penaakulan, pengekodan serta aliran kerja berorientasikan ejen, mengembalikan jawapan atau artifak teks dalam mod pemikiran hibrid keluarga ini.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Snapshot Plus 15 Februari
Qwen3.5 Plus 2026-02-15 ialah keluaran tetap keluarga Plus penglihatan-bahasa natif Qwen pada 15 Februari 2026. Seni binanya yang didokumenkan menggabungkan perhatian linear dengan pengiraan campuran pakar dengan pengaktifan terpilih, menyokong tugas teks dan multimodal. Input merangkumi teks, imej dan video; respons ialah teks, seperti penjelasan, cadangan kod atau artifak dokumen. Nama bertarikh memberikan identiti khusus kepada edisi ini dalam keluarga Plus.
Pengeluar menerangkan Qwen3.5-Plus terurus sebagai sepadan dengan model terbuka Qwen3.5-397B-A17B, dengan ciri tambahan termasuk konteks lalai satu juta token, alat terbina dalam dan penggunaan alat adaptif. Kedua-dua tawaran mengekalkan nama dan kontrak antara muka berasingan. Bilangan pakar tepat, perwakilan berangka dan konteks natif checkpoint terbuka tidak patut ditukar secara senyap menjadi spesifikasi lengkap keluaran Plus bertarikh ini.
Kerja teks dan visual bersepadu
Keluarga Qwen3.5 membangunkan penaakulan, pengekodan, ejen dan pemahaman visual melalui gabungan awal teks–penglihatan serta pembelajaran pengukuhan pada tugas yang semakin kompleks. Huraian keluarganya merangkumi 201 bahasa dan dialek. Untuk kerja berbilang bahasa, nyatakan bahasa sasaran, khalayak dan istilah yang perlu dikekalkan; untuk kerja visual, kekalkan label, tajuk jadual atau definisi rajah yang diperlukan soalan.
Permintaan dokumen yang berguna boleh meminta perbandingan yang disusun mengikut bahagian yang sama dengan sumber, bersama petikan sokongan bagi setiap dapatan. Permintaan pengekodan boleh menggabungkan tangkap layar, kod sedia ada berkaitan dan keperluan fungsi, kemudian meminta sumber yang boleh disunting serta penjelasan tingkah laku berasingan. Untuk video, kenal pasti peristiwa atau urutan yang penting dan kekalkan masa. Periksa petikan, butiran visual dan kod yang dicadangkan yang dikembalikan berdasarkan bahan yang dibekalkan.
Penaakulan dan respons terus
Panduan mod pembuat menyenaraikan keluarga Qwen3.5 Plus dan snapshot 15 Februari sebagai pemikiran hibrid, dengan pemikiran didayakan secara lalai. Aliran kerja hibrid yang didokumenkan boleh menyahdayakan pemikiran untuk respons terus. Asingkan penaakulan daripada artifak akhir apabila antara muka yang dipilih menyediakan kedua-duanya. Tentukan bentuk akhir yang jelas, seperti jadual dapatan, jawapan berpembatas atau fail kod, supaya hasil mudah diperiksa.
Checkpoint terbuka Qwen3.5 mempunyai panduan sejarah dan pensampelannya sendiri. Generasi Qwen kemudian turut memperkenalkan lalai serta kawalan pengekalan penaakulan yang berbeza. Ikuti resipi antara muka Plus tepat, bukannya menganggap penanda prompt, struktur yang mengandungi parameter atau tingkah laku sejarah terpakai merentas setiap edisi bernama Qwen.
Alat dan kerja adaptif
Rujukan Plus pengeluar menerangkan penggunaan alat terbina dalam dan adaptif. Tugas boleh membolehkan aliran kerja yang disambungkan memperoleh bukti, memeriksa bahan yang diberikan atau mengembalikan hasil operasi yang dibenarkan. Nyatakan alat yang tersedia, tindakan yang dibenarkan dan syarat penyiapan yang boleh diperhatikan. Model boleh menggunakan maklum balas sebenar untuk menyemak analisis serta memilih langkah seterusnya; aplikasi melaksanakan tindakan luaran dan membekalkan hasilnya.
Untuk tugas ejen, minta laporan akhir menunjukkan artifak yang terhasil, bukti sokongan dan syarat yang belum dipenuhi. Bezakan tampalan atau pertanyaan pengambilan maklumat yang dicadangkan daripada hasil alat yang benar-benar dikembalikan. Permintaan teks berbentuk JSON sendiri tidak menetapkan kontrak penguatkuasaan skema, dan permintaan menjalankan kod tidak mewujudkan persekitaran pelaksanaan secara bebas.
Penyediaan konteks panjang
Rujukan Plus terurus Qwen menerangkan konteks lalai satu juta token. Pastikan sempadan dokumen, pengecam kod dan definisi kelihatan dalam input besar, serta sediakan ruang penaakulan dan jawapan akhir. Gunakan peruntukan konteks Plus terurus bagi aliran kerja ini; checkpoint terbuka 397B mempunyai had natif serta diperluas sendiri.
Untuk perbandingan panjang, kecilkan soalan kepada keputusan atau hubungan yang diperlukan dan minta model merujuk bahagian sokongan bagi setiap kesimpulan. Peruntukan konteks boleh meletakkan lebih banyak bukti bersama-sama, tetapi struktur sumber yang jelas menjadikan jawapan boleh dijejaki. Kekalkan nama edisi bertarikh apabila kebolehulangan penting.
Hasil praktikal dan had
Gunakan snapshot ini untuk hasil teks konkrit berasaskan bahan projek atau visual yang dibekalkan: cadangan pelaksanaan, perbandingan dokumen atau jawapan berpenjelasan. Periksa label visual kecil, pengiraan, teks yang dipetik dan perubahan kod berdasarkan bukti asal. Skop model yang didokumenkan ialah pemahaman teks serta visual dengan output teks; ia tidak bermaksud imej, video atau pertuturan dijana. Alat tepat, peraturan muat naik dan peruntukan output perlu mengikuti antara muka yang dipilih, bukannya kesetaraan yang diandaikan dengan checkpoint lain.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3.5-plus-02-15 | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00052 / 1K token Output · Token output $0.00312 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk256,000 | Caj Input · Token input $0.00052 / 1K token Output · Token output $0.00312 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi256,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00065 / 1K token Output · Token output $0.0039 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen/qwen3.5-plus-02-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.5-plus-02-15', '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/qwen3.5-plus-02-15', '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/qwen3.5-plus-02-15
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.