QwQ 32B Preview ialah model penaakulan eksperimen yang dibangunkan oleh pasukan Qwen. Pengeluar menyenaraikan 32.5 bilion parameter dan konteks 32,768 token. Varian hos bernama pada kad ini menyenaraikan panjang konteks 32,000 token. Pengecam Preview mengekalkan perbezaan edisi ini daripada keluaran QwQ yang lebih baharu.
Nyatakan soalan, andaian dan bukti yang diperlukan untuk menjawabnya. Untuk tugasan matematik, sertakan unit dan ketepatan yang diperlukan. Minta hasil bersama hubungan yang diperlukan untuk menyemaknya. Untuk kerja kod, berikan fungsi yang berkaitan, input pencetus dan tingkah laku yang dijangka, kemudian minta pembetulan berfokus dan ujian yang dapat membezakan hasilnya.
Takrifkan perkara yang dianggap sebagai jawapan selesai: nilai bersama andaiannya, hujah yang membuktikan dakwaan tertentu atau kod yang memenuhi contoh yang diberikan. Pastikan permintaan terikat pada artifak itu supaya analisis panjang dapat disemak berdasarkan matlamat yang jelas.
Untuk perbandingan, labelkan alternatif dan namakan aspek yang perlu diperiksa. Minta pemerhatian sokongan bersama kesimpulan. Tugasan berasaskan sumber boleh menyediakan petikan bernombor dan meminta jawapan yang mengekalkan label itu.
Pembuat menyenaraikan percampuran bahasa dan gelung penaakulan rekursif antara batasan versi pratonton ini. Nyatakan bahasa jawapan yang dikehendaki dan pastikan permintaan jawapan akhir jelas. Jika respons berputar tanpa mencapai hasil yang diminta, gunakan masalah asal dan soalan yang lebih sempit untuk semakan seterusnya, bukannya menganggap panjang respons sebagai bukti penyelesaian.
Pilih petikan, kod dan keputusan terdahulu yang berkaitan dengan masalah semasa. Tinggalkan ruang untuk jawapan yang diminta dalam konteks yang disenaraikan bagi varian hos. Panjang jawapan dalam contoh model yang diterbitkan ialah contoh, bukannya had maksimum mutlak yang berasingan bagi setiap tugasan.
Kekuatan dan batasan pratonton yang didokumenkan khusus kepada edisi ini. Semak hasil matematik, cadangan kod dan tafsiran dengan bukti sebenar tugasan sebelum memasukkannya ke dalam aliran kerja lain.
", "aboutText": "QwQ 32B Preview ialah model penaakulan eksperimen yang dibangunkan oleh pasukan Qwen. Pengeluar menyenaraikan 32.5 bilion parameter dan konteks 32,768 token. Varian hos bernama pada kad ini menyenaraikan panjang konteks 32,000 token. Pengecam Preview mengekalkan perbezaan edisi ini daripada keluaran QwQ yang lebih baharu.\n\n### Sediakan masalah dengan syarat penyelesaian\n\nNyatakan soalan, andaian dan bukti yang diperlukan untuk menjawabnya. Untuk tugasan matematik, sertakan unit dan ketepatan yang diperlukan. Minta hasil bersama hubungan yang diperlukan untuk menyemaknya. Untuk kerja kod, berikan fungsi yang berkaitan, input pencetus dan tingkah laku yang dijangka, kemudian minta pembetulan berfokus dan ujian yang dapat membezakan hasilnya.\n\nTakrifkan perkara yang dianggap sebagai jawapan selesai: nilai bersama andaiannya, hujah yang membuktikan dakwaan tertentu atau kod yang memenuhi contoh yang diberikan. Pastikan permintaan terikat pada artifak itu supaya analisis panjang dapat disemak berdasarkan matlamat yang jelas.\n\n### Pastikan penaakulan berhubung dengan bukti\n\nUntuk perbandingan, labelkan alternatif dan namakan aspek yang perlu diperiksa. Minta pemerhatian sokongan bersama kesimpulan. Tugasan berasaskan sumber boleh menyediakan petikan bernombor dan meminta jawapan yang mengekalkan label itu.\n\nPembuat menyenaraikan percampuran bahasa dan gelung penaakulan rekursif antara batasan versi pratonton ini. Nyatakan bahasa jawapan yang dikehendaki dan pastikan permintaan jawapan akhir jelas. Jika respons berputar tanpa mencapai hasil yang diminta, gunakan masalah asal dan soalan yang lebih sempit untuk semakan seterusnya, bukannya menganggap panjang respons sebagai bukti penyelesaian.\n\n### Gunakan konteks varian bernama\n\nPilih petikan, kod dan keputusan terdahulu yang berkaitan dengan masalah semasa. Tinggalkan ruang untuk jawapan yang diminta dalam konteks yang disenaraikan bagi varian hos. Panjang jawapan dalam contoh model yang diterbitkan ialah contoh, bukannya had maksimum mutlak yang berasingan bagi setiap tugasan.\n\nKekuatan dan batasan pratonton yang didokumenkan khusus kepada edisi ini. Semak hasil matematik, cadangan kod dan tafsiran dengan bukti sebenar tugasan sebelum memasukkannya ke dalam aliran kerja lain.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Find the minimum number of boxes\n\nFour indivisible parcels weigh 4, 4, 2 and 2 kg. Each box may hold at most 6 kg, with no limit on parcel count. Find the minimum number of boxes, give a packing assignment and justify why fewer boxes cannot work. Return the final result in English with total weights for every box.A minimum-box count, a parcel assignment and a short lower-bound argument using the total weight and capacity.Check that every parcel is assigned once, each box is within 6 kg and the lower bound matches the proposed packing.qwq-32b-previewQwQ 32B Preview ialah model penaakulan teks eksperimen pasukan Qwen untuk tugasan analitis. Pembuat menyenaraikan 32.5B parameter dan konteks 32,768 token; varian hos ini menyenaraikan 32,000 token. Berikannya masalah dengan skop terbatas dan syarat yang jelas untuk jawapan yang muktamad.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
QwQ 32B Preview ialah model penaakulan eksperimen yang dibangunkan oleh pasukan Qwen. Pengeluar menyenaraikan 32.5 bilion parameter dan konteks 32,768 token. Varian hos bernama pada kad ini menyenaraikan panjang konteks 32,000 token. Pengecam Preview mengekalkan perbezaan edisi ini daripada keluaran QwQ yang lebih baharu.
Nyatakan soalan, andaian dan bukti yang diperlukan untuk menjawabnya. Untuk tugasan matematik, sertakan unit dan ketepatan yang diperlukan. Minta hasil bersama hubungan yang diperlukan untuk menyemaknya. Untuk kerja kod, berikan fungsi yang berkaitan, input pencetus dan tingkah laku yang dijangka, kemudian minta pembetulan berfokus dan ujian yang dapat membezakan hasilnya.
Takrifkan perkara yang dianggap sebagai jawapan selesai: nilai bersama andaiannya, hujah yang membuktikan dakwaan tertentu atau kod yang memenuhi contoh yang diberikan. Pastikan permintaan terikat pada artifak itu supaya analisis panjang dapat disemak berdasarkan matlamat yang jelas.
Untuk perbandingan, labelkan alternatif dan namakan aspek yang perlu diperiksa. Minta pemerhatian sokongan bersama kesimpulan. Tugasan berasaskan sumber boleh menyediakan petikan bernombor dan meminta jawapan yang mengekalkan label itu.
Pembuat menyenaraikan percampuran bahasa dan gelung penaakulan rekursif antara batasan versi pratonton ini. Nyatakan bahasa jawapan yang dikehendaki dan pastikan permintaan jawapan akhir jelas. Jika respons berputar tanpa mencapai hasil yang diminta, gunakan masalah asal dan soalan yang lebih sempit untuk semakan seterusnya, bukannya menganggap panjang respons sebagai bukti penyelesaian.
Pilih petikan, kod dan keputusan terdahulu yang berkaitan dengan masalah semasa. Tinggalkan ruang untuk jawapan yang diminta dalam konteks yang disenaraikan bagi varian hos. Panjang jawapan dalam contoh model yang diterbitkan ialah contoh, bukannya had maksimum mutlak yang berasingan bagi setiap tugasan.
Kekuatan dan batasan pratonton yang didokumenkan khusus kepada edisi ini. Semak hasil matematik, cadangan kod dan tafsiran dengan bukti sebenar tugasan sebelum memasukkannya ke dalam aliran kerja lain.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwq-32b-preview | 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 $0.00058 / 1K token Output · Token output $0.00172 / 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": "qwq-32b-preview", "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='qwq-32b-preview',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='qwq-32b-preview',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 qwq-32b-preview
Gunakan laluan kaedah yang dipaparkan di atas.
qwq-32b-previewQwQ 32B Preview ialah model penaakulan teks eksperimen pasukan Qwen untuk tugasan analitis. Pembuat menyenaraikan 32.5B parameter dan konteks 32,768 token; varian hos ini menyenaraikan 32,000 token. Berikannya masalah dengan skop terbatas dan syarat yang jelas untuk jawapan yang muktamad.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
QwQ 32B Preview ialah model penaakulan eksperimen yang dibangunkan oleh pasukan Qwen. Pengeluar menyenaraikan 32.5 bilion parameter dan konteks 32,768 token. Varian hos bernama pada kad ini menyenaraikan panjang konteks 32,000 token. Pengecam Preview mengekalkan perbezaan edisi ini daripada keluaran QwQ yang lebih baharu.
Nyatakan soalan, andaian dan bukti yang diperlukan untuk menjawabnya. Untuk tugasan matematik, sertakan unit dan ketepatan yang diperlukan. Minta hasil bersama hubungan yang diperlukan untuk menyemaknya. Untuk kerja kod, berikan fungsi yang berkaitan, input pencetus dan tingkah laku yang dijangka, kemudian minta pembetulan berfokus dan ujian yang dapat membezakan hasilnya.
Takrifkan perkara yang dianggap sebagai jawapan selesai: nilai bersama andaiannya, hujah yang membuktikan dakwaan tertentu atau kod yang memenuhi contoh yang diberikan. Pastikan permintaan terikat pada artifak itu supaya analisis panjang dapat disemak berdasarkan matlamat yang jelas.
Untuk perbandingan, labelkan alternatif dan namakan aspek yang perlu diperiksa. Minta pemerhatian sokongan bersama kesimpulan. Tugasan berasaskan sumber boleh menyediakan petikan bernombor dan meminta jawapan yang mengekalkan label itu.
Pembuat menyenaraikan percampuran bahasa dan gelung penaakulan rekursif antara batasan versi pratonton ini. Nyatakan bahasa jawapan yang dikehendaki dan pastikan permintaan jawapan akhir jelas. Jika respons berputar tanpa mencapai hasil yang diminta, gunakan masalah asal dan soalan yang lebih sempit untuk semakan seterusnya, bukannya menganggap panjang respons sebagai bukti penyelesaian.
Pilih petikan, kod dan keputusan terdahulu yang berkaitan dengan masalah semasa. Tinggalkan ruang untuk jawapan yang diminta dalam konteks yang disenaraikan bagi varian hos. Panjang jawapan dalam contoh model yang diterbitkan ialah contoh, bukannya had maksimum mutlak yang berasingan bagi setiap tugasan.
Kekuatan dan batasan pratonton yang didokumenkan khusus kepada edisi ini. Semak hasil matematik, cadangan kod dan tafsiran dengan bukti sebenar tugasan sebelum memasukkannya ke dalam aliran kerja lain.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwq-32b-preview | 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 $0.00058 / 1K token Output · Token output $0.00172 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwq-32b-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwq-32b-preview', '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': 'qwq-32b-preview', '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 qwq-32b-preview
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Find the minimum number of boxes\n\nFour indivisible parcels weigh 4, 4, 2 and 2 kg. Each box may hold at most 6 kg, with no limit on parcel count. Find the minimum number of boxes, give a packing assignment and justify why fewer boxes cannot work. Return the final result in English with total weights for every box.A minimum-box count, a parcel assignment and a short lower-bound argument using the total weight and capacity.Check that every parcel is assigned once, each box is within 6 kg and the lower bound matches the proposed packing.