Gambaran keseluruhan: penaakulan berasaskan Qwen2.5
QwQ-Plus ialah model penaakulan QwQ dipertingkat yang dibina berasaskan Qwen2.5. Qwen menerangkan pembelajaran pengukuhan sebagai kaedah untuk mengukuhkan penaakulannya, khususnya dalam matematik dan pengaturcaraan, bersama tugasan pematuhan arahan umum. Ia menerima teks dan mengembalikan teks. Pilihnya apabila kerja memerlukan penyelesaian berserta penerangan, perbandingan atau cadangan kod yang boleh disemak berdasarkan syarat yang diberikan.
Ini ialah barisan model QwQ-Plus. Namanya tidak menetapkan bilangan parameter atau identiti pemberat titik semak QwQ terbuka, dan nama pembekal yang mengandungi latest tidak sepatutnya menjadi semakan bertarikh tetap secara senyap. Gunakan identiti model tepat yang diminta apabila membandingkan output atau menyimpan rekod tugasan yang boleh dihasilkan semula.
Menyediakan kerja matematik dan logik
Berikan pernyataan masalah lengkap, takrif, unit dan andaian yang dibenarkan. Minta jawapan akhir dalam bentuk dengan sempadan yang jelas, kemudian minta persamaan atau langkah logik yang diperlukan untuk menyokongnya. Untuk masalah perancangan terkekang, nyatakan pilihan yang boleh dilaksanakan dan kriteria penilaian secara berasingan, serta minta jadual yang menunjukkan syarat yang dipenuhi setiap pilihan. Untuk semakan pendidikan, sertakan percubaan penyelesaian pelajar dan minta model mengenal pasti langkah pertama yang tidak disokong, bukannya menulis semula seluruh latihan tanpa penerangan.
Ini ialah penggunaan praktikal tumpuan penaakulan model yang didokumenkan. Artifak yang berguna ialah hasil yang boleh disemak: nilai berserta unit, kesimpulan berserta premis atau perbandingan yang dikaitkan dengan kriteria yang dinyatakan. Teks penerangan yang lebih banyak dengan sendirinya tidak membuktikan kesimpulan yang betul, jadi pastikan andaian kelihatan dan bandingkan hasil akhir dengan soalan asal.
Menyediakan kerja pengaturcaraan
Berikan kod yang relevan, input yang mendedahkan masalah, output yang diperhatikan dan tingkah laku yang dikehendaki. Minta perubahan yang dicadangkan, penerangan mengapa ia menangani input tersebut dan kes pinggir yang masih perlu disemak. Untuk soalan algoritma, nyatakan kekangan input dan output yang diperlukan sebelum meminta pendekatan. Bezakan kod janaan daripada kod yang benar-benar dilaksanakan dalam persekitaran aplikasi.
Jawapan yang berguna boleh memisahkan diagnosis, tampalan dan tingkah laku yang dijangka. Apabila perubahan kecil diperlukan, minta tampalan ringkas dan bukannya projek yang ditulis semula. Contoh ini ialah cara yang ditulis untuk menerapkan pengkhususan matematik dan pengekodan QwQ-Plus; ia bukan alat tambahan atau keupayaan pelaksanaan.
Had konteks dan jawapan
Spesifikasi model yang tepat memberikan tetingkap konteks 131,072 token, input maksimum 98,304 token dan output maksimum 8,192 token. Ini ialah had pengeluar yang berasingan. Jangan jadikan perbezaan aritmetik antara had itu sebagai peruntukan penaakulan terjamin yang tidak didokumenkan. Teks sumber, sejarah perbualan dan jawapan mesti kekal dalam had konfigurasi yang berkenaan.
Untuk spesifikasi atau petikan kod yang panjang, kekalkan pengecam bahagian dan fungsi yang relevan serta minta model merujuknya dalam penerangan. Buang bahan yang tidak berkaitan sebelum penyerahan dan sediakan ruang output yang mencukupi untuk kesimpulan yang diperlukan. Tetingkap konteks besar berguna untuk membekalkan lebih banyak syarat bersama-sama; ia tidak menjanjikan bahawa setiap fakta akan diingati atau setiap kebergantungan difahami.
Alat, pemformatan dan sempadan khusus model
Matriks pelaksanaan pengeluar menyenaraikan panggilan fungsi dan carian web dalam sesetengah konfigurasi serta menandainya tidak disokong dalam konfigurasi lain. Oleh itu, ia ialah keupayaan bersyarat, bukan ciri yang boleh dijanjikan berdasarkan nama model sahaja. Matriks yang sama menyokong inferens kelompok dalam sesetengah konfigurasi pengeluar. Aliran kerja berbantukan alat mesti menyediakan alat sebenar dan mengembalikan hasilnya ke tugasan teks. Huraian ini tidak membuktikan ketersediaan alat dalam sesuatu aplikasi.
Output berstruktur yang dikuatkuasakan ditandakan tidak disokong. Prompt masih boleh meminta jadual atau jawapan berbentuk JSON, tetapi aplikasi mesti memeriksa hasil dan bukannya menganggap permintaan itu sebagai penguatkuasaan skema. Halaman model tepat menerangkan pengkhususan penaakulan tanpa membekalkan kontrak suis berfikir hibrid bagi setiap model; kawalan yang didokumenkan untuk generasi Qwen lebih baharu tidak sepatutnya dibawa masuk ke edisi ini.
Pastikan jawapan akhir mudah disemak, semak pengiraan berdasarkan unit yang dinyatakan dan periksa cadangan kod sebelum pelaksanaan. Peranan praktikal QwQ-Plus ialah menyelesaikan masalah teks sukar dan mengembalikan penerangan atau artifak yang berguna dalam hadnya sendiri yang didokumenkan.
", "aboutText": "Gambaran keseluruhan: penaakulan berasaskan Qwen2.5\n\nQwQ-Plus ialah model penaakulan QwQ dipertingkat yang dibina berasaskan Qwen2.5. Qwen menerangkan pembelajaran pengukuhan sebagai kaedah untuk mengukuhkan penaakulannya, khususnya dalam matematik dan pengaturcaraan, bersama tugasan pematuhan arahan umum. Ia menerima teks dan mengembalikan teks. Pilihnya apabila kerja memerlukan penyelesaian berserta penerangan, perbandingan atau cadangan kod yang boleh disemak berdasarkan syarat yang diberikan.\n\nIni ialah barisan model QwQ-Plus. Namanya tidak menetapkan bilangan parameter atau identiti pemberat titik semak QwQ terbuka, dan nama pembekal yang mengandungi latest tidak sepatutnya menjadi semakan bertarikh tetap secara senyap. Gunakan identiti model tepat yang diminta apabila membandingkan output atau menyimpan rekod tugasan yang boleh dihasilkan semula.\n\nMenyediakan kerja matematik dan logik\n\nBerikan pernyataan masalah lengkap, takrif, unit dan andaian yang dibenarkan. Minta jawapan akhir dalam bentuk dengan sempadan yang jelas, kemudian minta persamaan atau langkah logik yang diperlukan untuk menyokongnya. Untuk masalah perancangan terkekang, nyatakan pilihan yang boleh dilaksanakan dan kriteria penilaian secara berasingan, serta minta jadual yang menunjukkan syarat yang dipenuhi setiap pilihan. Untuk semakan pendidikan, sertakan percubaan penyelesaian pelajar dan minta model mengenal pasti langkah pertama yang tidak disokong, bukannya menulis semula seluruh latihan tanpa penerangan.\n\nIni ialah penggunaan praktikal tumpuan penaakulan model yang didokumenkan. Artifak yang berguna ialah hasil yang boleh disemak: nilai berserta unit, kesimpulan berserta premis atau perbandingan yang dikaitkan dengan kriteria yang dinyatakan. Teks penerangan yang lebih banyak dengan sendirinya tidak membuktikan kesimpulan yang betul, jadi pastikan andaian kelihatan dan bandingkan hasil akhir dengan soalan asal.\n\nMenyediakan kerja pengaturcaraan\n\nBerikan kod yang relevan, input yang mendedahkan masalah, output yang diperhatikan dan tingkah laku yang dikehendaki. Minta perubahan yang dicadangkan, penerangan mengapa ia menangani input tersebut dan kes pinggir yang masih perlu disemak. Untuk soalan algoritma, nyatakan kekangan input dan output yang diperlukan sebelum meminta pendekatan. Bezakan kod janaan daripada kod yang benar-benar dilaksanakan dalam persekitaran aplikasi.\n\nJawapan yang berguna boleh memisahkan diagnosis, tampalan dan tingkah laku yang dijangka. Apabila perubahan kecil diperlukan, minta tampalan ringkas dan bukannya projek yang ditulis semula. Contoh ini ialah cara yang ditulis untuk menerapkan pengkhususan matematik dan pengekodan QwQ-Plus; ia bukan alat tambahan atau keupayaan pelaksanaan.\n\nHad konteks dan jawapan\n\nSpesifikasi model yang tepat memberikan tetingkap konteks 131,072 token, input maksimum 98,304 token dan output maksimum 8,192 token. Ini ialah had pengeluar yang berasingan. Jangan jadikan perbezaan aritmetik antara had itu sebagai peruntukan penaakulan terjamin yang tidak didokumenkan. Teks sumber, sejarah perbualan dan jawapan mesti kekal dalam had konfigurasi yang berkenaan.\n\nUntuk spesifikasi atau petikan kod yang panjang, kekalkan pengecam bahagian dan fungsi yang relevan serta minta model merujuknya dalam penerangan. Buang bahan yang tidak berkaitan sebelum penyerahan dan sediakan ruang output yang mencukupi untuk kesimpulan yang diperlukan. Tetingkap konteks besar berguna untuk membekalkan lebih banyak syarat bersama-sama; ia tidak menjanjikan bahawa setiap fakta akan diingati atau setiap kebergantungan difahami.\n\nAlat, pemformatan dan sempadan khusus model\n\nMatriks pelaksanaan pengeluar menyenaraikan panggilan fungsi dan carian web dalam sesetengah konfigurasi serta menandainya tidak disokong dalam konfigurasi lain. Oleh itu, ia ialah keupayaan bersyarat, bukan ciri yang boleh dijanjikan berdasarkan nama model sahaja. Matriks yang sama menyokong inferens kelompok dalam sesetengah konfigurasi pengeluar. Aliran kerja berbantukan alat mesti menyediakan alat sebenar dan mengembalikan hasilnya ke tugasan teks. Huraian ini tidak membuktikan ketersediaan alat dalam sesuatu aplikasi.\n\nOutput berstruktur yang dikuatkuasakan ditandakan tidak disokong. Prompt masih boleh meminta jadual atau jawapan berbentuk JSON, tetapi aplikasi mesti memeriksa hasil dan bukannya menganggap permintaan itu sebagai penguatkuasaan skema. Halaman model tepat menerangkan pengkhususan penaakulan tanpa membekalkan kontrak suis berfikir hibrid bagi setiap model; kawalan yang didokumenkan untuk generasi Qwen lebih baharu tidak sepatutnya dibawa masuk ke edisi ini.\n\nPastikan jawapan akhir mudah disemak, semak pengiraan berdasarkan unit yang dinyatakan dan periksa cadangan kod sebelum pelaksanaan. Peranan praktikal QwQ-Plus ialah menyelesaikan masalah teks sukar dan mengembalikan penerangan atau artifak yang berguna dalam hadnya sendiri yang didokumenkan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.qwq-plusQwQ-Plus ialah model penaakulan Qwen berasaskan Qwen2.5, diperkukuh melalui pembelajaran pengukuhan untuk tugasan teks matematik, pengekodan dan logik. Spesifikasi khususnya menyenaraikan konteks 131,072 token, input maksimum 98,304 token dan output maksimum 8,192 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gambaran keseluruhan: penaakulan berasaskan Qwen2.5
QwQ-Plus ialah model penaakulan QwQ dipertingkat yang dibina berasaskan Qwen2.5. Qwen menerangkan pembelajaran pengukuhan sebagai kaedah untuk mengukuhkan penaakulannya, khususnya dalam matematik dan pengaturcaraan, bersama tugasan pematuhan arahan umum. Ia menerima teks dan mengembalikan teks. Pilihnya apabila kerja memerlukan penyelesaian berserta penerangan, perbandingan atau cadangan kod yang boleh disemak berdasarkan syarat yang diberikan.
Ini ialah barisan model QwQ-Plus. Namanya tidak menetapkan bilangan parameter atau identiti pemberat titik semak QwQ terbuka, dan nama pembekal yang mengandungi latest tidak sepatutnya menjadi semakan bertarikh tetap secara senyap. Gunakan identiti model tepat yang diminta apabila membandingkan output atau menyimpan rekod tugasan yang boleh dihasilkan semula.
Menyediakan kerja matematik dan logik
Berikan pernyataan masalah lengkap, takrif, unit dan andaian yang dibenarkan. Minta jawapan akhir dalam bentuk dengan sempadan yang jelas, kemudian minta persamaan atau langkah logik yang diperlukan untuk menyokongnya. Untuk masalah perancangan terkekang, nyatakan pilihan yang boleh dilaksanakan dan kriteria penilaian secara berasingan, serta minta jadual yang menunjukkan syarat yang dipenuhi setiap pilihan. Untuk semakan pendidikan, sertakan percubaan penyelesaian pelajar dan minta model mengenal pasti langkah pertama yang tidak disokong, bukannya menulis semula seluruh latihan tanpa penerangan.
Ini ialah penggunaan praktikal tumpuan penaakulan model yang didokumenkan. Artifak yang berguna ialah hasil yang boleh disemak: nilai berserta unit, kesimpulan berserta premis atau perbandingan yang dikaitkan dengan kriteria yang dinyatakan. Teks penerangan yang lebih banyak dengan sendirinya tidak membuktikan kesimpulan yang betul, jadi pastikan andaian kelihatan dan bandingkan hasil akhir dengan soalan asal.
Menyediakan kerja pengaturcaraan
Berikan kod yang relevan, input yang mendedahkan masalah, output yang diperhatikan dan tingkah laku yang dikehendaki. Minta perubahan yang dicadangkan, penerangan mengapa ia menangani input tersebut dan kes pinggir yang masih perlu disemak. Untuk soalan algoritma, nyatakan kekangan input dan output yang diperlukan sebelum meminta pendekatan. Bezakan kod janaan daripada kod yang benar-benar dilaksanakan dalam persekitaran aplikasi.
Jawapan yang berguna boleh memisahkan diagnosis, tampalan dan tingkah laku yang dijangka. Apabila perubahan kecil diperlukan, minta tampalan ringkas dan bukannya projek yang ditulis semula. Contoh ini ialah cara yang ditulis untuk menerapkan pengkhususan matematik dan pengekodan QwQ-Plus; ia bukan alat tambahan atau keupayaan pelaksanaan.
Had konteks dan jawapan
Spesifikasi model yang tepat memberikan tetingkap konteks 131,072 token, input maksimum 98,304 token dan output maksimum 8,192 token. Ini ialah had pengeluar yang berasingan. Jangan jadikan perbezaan aritmetik antara had itu sebagai peruntukan penaakulan terjamin yang tidak didokumenkan. Teks sumber, sejarah perbualan dan jawapan mesti kekal dalam had konfigurasi yang berkenaan.
Untuk spesifikasi atau petikan kod yang panjang, kekalkan pengecam bahagian dan fungsi yang relevan serta minta model merujuknya dalam penerangan. Buang bahan yang tidak berkaitan sebelum penyerahan dan sediakan ruang output yang mencukupi untuk kesimpulan yang diperlukan. Tetingkap konteks besar berguna untuk membekalkan lebih banyak syarat bersama-sama; ia tidak menjanjikan bahawa setiap fakta akan diingati atau setiap kebergantungan difahami.
Alat, pemformatan dan sempadan khusus model
Matriks pelaksanaan pengeluar menyenaraikan panggilan fungsi dan carian web dalam sesetengah konfigurasi serta menandainya tidak disokong dalam konfigurasi lain. Oleh itu, ia ialah keupayaan bersyarat, bukan ciri yang boleh dijanjikan berdasarkan nama model sahaja. Matriks yang sama menyokong inferens kelompok dalam sesetengah konfigurasi pengeluar. Aliran kerja berbantukan alat mesti menyediakan alat sebenar dan mengembalikan hasilnya ke tugasan teks. Huraian ini tidak membuktikan ketersediaan alat dalam sesuatu aplikasi.
Output berstruktur yang dikuatkuasakan ditandakan tidak disokong. Prompt masih boleh meminta jadual atau jawapan berbentuk JSON, tetapi aplikasi mesti memeriksa hasil dan bukannya menganggap permintaan itu sebagai penguatkuasaan skema. Halaman model tepat menerangkan pengkhususan penaakulan tanpa membekalkan kontrak suis berfikir hibrid bagi setiap model; kawalan yang didokumenkan untuk generasi Qwen lebih baharu tidak sepatutnya dibawa masuk ke edisi ini.
Pastikan jawapan akhir mudah disemak, semak pengiraan berdasarkan unit yang dinyatakan dan periksa cadangan kod sebelum pelaksanaan. Peranan praktikal QwQ-Plus ialah menyelesaikan masalah teks sukar dan mengembalikan penerangan atau artifak yang berguna dalam hadnya sendiri yang didokumenkan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwq-plus | 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 $0.00046 / 1K token Output · Token output $0.00116 / 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-plus", "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-plus',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-plus',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-plus
Gunakan laluan kaedah yang dipaparkan di atas.
qwq-plusQwQ-Plus ialah model penaakulan Qwen berasaskan Qwen2.5, diperkukuh melalui pembelajaran pengukuhan untuk tugasan teks matematik, pengekodan dan logik. Spesifikasi khususnya menyenaraikan konteks 131,072 token, input maksimum 98,304 token dan output maksimum 8,192 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gambaran keseluruhan: penaakulan berasaskan Qwen2.5
QwQ-Plus ialah model penaakulan QwQ dipertingkat yang dibina berasaskan Qwen2.5. Qwen menerangkan pembelajaran pengukuhan sebagai kaedah untuk mengukuhkan penaakulannya, khususnya dalam matematik dan pengaturcaraan, bersama tugasan pematuhan arahan umum. Ia menerima teks dan mengembalikan teks. Pilihnya apabila kerja memerlukan penyelesaian berserta penerangan, perbandingan atau cadangan kod yang boleh disemak berdasarkan syarat yang diberikan.
Ini ialah barisan model QwQ-Plus. Namanya tidak menetapkan bilangan parameter atau identiti pemberat titik semak QwQ terbuka, dan nama pembekal yang mengandungi latest tidak sepatutnya menjadi semakan bertarikh tetap secara senyap. Gunakan identiti model tepat yang diminta apabila membandingkan output atau menyimpan rekod tugasan yang boleh dihasilkan semula.
Menyediakan kerja matematik dan logik
Berikan pernyataan masalah lengkap, takrif, unit dan andaian yang dibenarkan. Minta jawapan akhir dalam bentuk dengan sempadan yang jelas, kemudian minta persamaan atau langkah logik yang diperlukan untuk menyokongnya. Untuk masalah perancangan terkekang, nyatakan pilihan yang boleh dilaksanakan dan kriteria penilaian secara berasingan, serta minta jadual yang menunjukkan syarat yang dipenuhi setiap pilihan. Untuk semakan pendidikan, sertakan percubaan penyelesaian pelajar dan minta model mengenal pasti langkah pertama yang tidak disokong, bukannya menulis semula seluruh latihan tanpa penerangan.
Ini ialah penggunaan praktikal tumpuan penaakulan model yang didokumenkan. Artifak yang berguna ialah hasil yang boleh disemak: nilai berserta unit, kesimpulan berserta premis atau perbandingan yang dikaitkan dengan kriteria yang dinyatakan. Teks penerangan yang lebih banyak dengan sendirinya tidak membuktikan kesimpulan yang betul, jadi pastikan andaian kelihatan dan bandingkan hasil akhir dengan soalan asal.
Menyediakan kerja pengaturcaraan
Berikan kod yang relevan, input yang mendedahkan masalah, output yang diperhatikan dan tingkah laku yang dikehendaki. Minta perubahan yang dicadangkan, penerangan mengapa ia menangani input tersebut dan kes pinggir yang masih perlu disemak. Untuk soalan algoritma, nyatakan kekangan input dan output yang diperlukan sebelum meminta pendekatan. Bezakan kod janaan daripada kod yang benar-benar dilaksanakan dalam persekitaran aplikasi.
Jawapan yang berguna boleh memisahkan diagnosis, tampalan dan tingkah laku yang dijangka. Apabila perubahan kecil diperlukan, minta tampalan ringkas dan bukannya projek yang ditulis semula. Contoh ini ialah cara yang ditulis untuk menerapkan pengkhususan matematik dan pengekodan QwQ-Plus; ia bukan alat tambahan atau keupayaan pelaksanaan.
Had konteks dan jawapan
Spesifikasi model yang tepat memberikan tetingkap konteks 131,072 token, input maksimum 98,304 token dan output maksimum 8,192 token. Ini ialah had pengeluar yang berasingan. Jangan jadikan perbezaan aritmetik antara had itu sebagai peruntukan penaakulan terjamin yang tidak didokumenkan. Teks sumber, sejarah perbualan dan jawapan mesti kekal dalam had konfigurasi yang berkenaan.
Untuk spesifikasi atau petikan kod yang panjang, kekalkan pengecam bahagian dan fungsi yang relevan serta minta model merujuknya dalam penerangan. Buang bahan yang tidak berkaitan sebelum penyerahan dan sediakan ruang output yang mencukupi untuk kesimpulan yang diperlukan. Tetingkap konteks besar berguna untuk membekalkan lebih banyak syarat bersama-sama; ia tidak menjanjikan bahawa setiap fakta akan diingati atau setiap kebergantungan difahami.
Alat, pemformatan dan sempadan khusus model
Matriks pelaksanaan pengeluar menyenaraikan panggilan fungsi dan carian web dalam sesetengah konfigurasi serta menandainya tidak disokong dalam konfigurasi lain. Oleh itu, ia ialah keupayaan bersyarat, bukan ciri yang boleh dijanjikan berdasarkan nama model sahaja. Matriks yang sama menyokong inferens kelompok dalam sesetengah konfigurasi pengeluar. Aliran kerja berbantukan alat mesti menyediakan alat sebenar dan mengembalikan hasilnya ke tugasan teks. Huraian ini tidak membuktikan ketersediaan alat dalam sesuatu aplikasi.
Output berstruktur yang dikuatkuasakan ditandakan tidak disokong. Prompt masih boleh meminta jadual atau jawapan berbentuk JSON, tetapi aplikasi mesti memeriksa hasil dan bukannya menganggap permintaan itu sebagai penguatkuasaan skema. Halaman model tepat menerangkan pengkhususan penaakulan tanpa membekalkan kontrak suis berfikir hibrid bagi setiap model; kawalan yang didokumenkan untuk generasi Qwen lebih baharu tidak sepatutnya dibawa masuk ke edisi ini.
Pastikan jawapan akhir mudah disemak, semak pengiraan berdasarkan unit yang dinyatakan dan periksa cadangan kod sebelum pelaksanaan. Peranan praktikal QwQ-Plus ialah menyelesaikan masalah teks sukar dan mengembalikan penerangan atau artifak yang berguna dalam hadnya sendiri yang didokumenkan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwq-plus | 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 $0.00046 / 1K token Output · Token output $0.00116 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-plus', '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-plus', '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-plus
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.