Qwen-Plus (2025-04-28) er versjonen av Qwen3-Plus fra 28. april. Den tar imot tekst og returnerer tekst, integrerer modusene Thinking og Non-Thinking og lar modusen endres under en samtale. Datoen identifiserer den valgte utgaven og skiller den fra senere Qwen-Plus-utgivelser og dynamisk oppdaterte aliaser.
Thinking-modus støtter en oppgave som krever analyse av vilkår og sammenhenger. Oppgi den relevante dokumentasjonen, definer spørsmålet og identifiser kriteriene som skal styre svaret. En sammenligning kan be om avveiningene mellom to alternativer under oppgitte begrensninger. En dokumentoppgave kan spørre hvilke krav som samsvarer, hvilke som er i konflikt, og hvilke som trenger avklaring.
Non-Thinking-modus støtter en direkte instruksjon, som å forkorte en tekstpassasje eller utarbeide et svar ut fra oppgitte fakta. Angi den tiltenkte leseren, nødvendig lengde og informasjonen som må beholdes i omskrivingen. Et målrettet oppdrag gjør det forventede resultatet tydelig: en ferdig melding, en revidert seksjon eller en kortfattet forklaring.
Skill referanseteksten fra instruksjonene for å bruke den. Behold seksjonsbetegnelser og definerte termer, slik at svaret fortsatt kan knyttes til kildene. Angi om modellen skal stille et spørsmål eller merke det aktuelle punktet som uavklart når informasjon mangler. For et analytisk notat kan du be om konklusjonen og vilkårene som underbygger den; for en skriveoppgave kan du be om den reviderte teksten og en kort redegjørelse for endringene.
Et oppfølgingsspørsmål kan endre ett krav mens resten av oppgaven beholdes. Du kan for eksempel endre målgruppen for en valgt tekstpassasje eller innføre en ny begrensning i en sammenligning. Ta med den delen av det tidligere svaret som skal revideres, slik at samtalen forblir knyttet til ett identifiserbart resultat.
Produsenten dokumenterer funksjonsstøtten for hver regional konfigurasjon for utrulling. Konfigurasjonene som er oppført for denne versjonen, støtter strukturerte utdata og fullføring fra et prefiks, mens funksjonskall bare er tilgjengelige i noen av dem. En applikasjon som støtter funksjonskall, definerer en handling og tilhørende inndatafelter, utfører et valgt kall og returnerer resultatet til modellen. Strukturerte utdata styrer svarets form, mens fullføring fra et prefiks viderefører oppgitt assistenttekst. Integrasjonen avgjør hvilke av disse kontrollene den gjør tilgjengelige.
Aprilversjonen har en dokumentert kontekst på 131 072 tokener, med en maksimal inndatalengde på 98 304 tokener og en utdatalengde på 16 384 tokener. Bruk inndatabudsjettet på instruksjonene, relevante dokumenter og samtalematerialet som oppgaven krever. Angi omfanget og formen på resultatet fremfor å be om en ubegrenset drøfting. Et nyttig sluttresultat kan være en kildebasert sammenligning, et kundesvar eller en revidert dokumentseksjon som er klar til å kontrolleres mot de opprinnelige kravene.
", "aboutText": "Qwen-Plus (2025-04-28) er versjonen av Qwen3-Plus fra 28. april. Den tar imot tekst og returnerer tekst, integrerer modusene Thinking og Non-Thinking og lar modusen endres under en samtale. Datoen identifiserer den valgte utgaven og skiller den fra senere Qwen-Plus-utgivelser og dynamisk oppdaterte aliaser.\n\n### Analyser vilkår eller skriv et direkte svar\n\nThinking-modus støtter en oppgave som krever analyse av vilkår og sammenhenger. Oppgi den relevante dokumentasjonen, definer spørsmålet og identifiser kriteriene som skal styre svaret. En sammenligning kan be om avveiningene mellom to alternativer under oppgitte begrensninger. En dokumentoppgave kan spørre hvilke krav som samsvarer, hvilke som er i konflikt, og hvilke som trenger avklaring.\n\nNon-Thinking-modus støtter en direkte instruksjon, som å forkorte en tekstpassasje eller utarbeide et svar ut fra oppgitte fakta. Angi den tiltenkte leseren, nødvendig lengde og informasjonen som må beholdes i omskrivingen. Et målrettet oppdrag gjør det forventede resultatet tydelig: en ferdig melding, en revidert seksjon eller en kortfattet forklaring.\n\n### Bygg en samtale rundt et resultat\n\nSkill referanseteksten fra instruksjonene for å bruke den. Behold seksjonsbetegnelser og definerte termer, slik at svaret fortsatt kan knyttes til kildene. Angi om modellen skal stille et spørsmål eller merke det aktuelle punktet som uavklart når informasjon mangler. For et analytisk notat kan du be om konklusjonen og vilkårene som underbygger den; for en skriveoppgave kan du be om den reviderte teksten og en kort redegjørelse for endringene.\n\nEt oppfølgingsspørsmål kan endre ett krav mens resten av oppgaven beholdes. Du kan for eksempel endre målgruppen for en valgt tekstpassasje eller innføre en ny begrensning i en sammenligning. Ta med den delen av det tidligere svaret som skal revideres, slik at samtalen forblir knyttet til ett identifiserbart resultat.\n\n### Funksjoner, strukturerte svar og videreføring\n\nProdusenten dokumenterer funksjonsstøtten for hver regional konfigurasjon for utrulling. Konfigurasjonene som er oppført for denne versjonen, støtter strukturerte utdata og fullføring fra et prefiks, mens funksjonskall bare er tilgjengelige i noen av dem. En applikasjon som støtter funksjonskall, definerer en handling og tilhørende inndatafelter, utfører et valgt kall og returnerer resultatet til modellen. Strukturerte utdata styrer svarets form, mens fullføring fra et prefiks viderefører oppgitt assistenttekst. Integrasjonen avgjør hvilke av disse kontrollene den gjør tilgjengelige.\n\n### Planlegg innenfor versjonens grenser\n\nAprilversjonen har en dokumentert kontekst på 131 072 tokener, med en maksimal inndatalengde på 98 304 tokener og en utdatalengde på 16 384 tokener. Bruk inndatabudsjettet på instruksjonene, relevante dokumenter og samtalematerialet som oppgaven krever. Angi omfanget og formen på resultatet fremfor å be om en ubegrenset drøfting. Et nyttig sluttresultat kan være en kildebasert sammenligning, et kundesvar eller en revidert dokumentseksjon som er klar til å kontrolleres mot de opprinnelige kravene.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Shorten a supplier message\n\nShorten this supplier message to at most 45 words for a busy warehouse manager: "Production of batch B-31 is complete. The 90 boxes are ready for pickup. Collection cannot occur before the quality report is approved. We will send the report tomorrow, but approval timing is not confirmed." Preserve the batch, quantity and pickup condition.A concise rewritten message that preserves the approval dependency and uncertain timing.Ensure ready for pickup is not interpreted as permission to collect before approval.qwen-plus-2025-04-28Qwen-Plus (2025-04-28) er en Qwen3-Plus-tekstversjon som kombinerer modusene Thinking og Non-Thinking. De dokumenterte grensene er 131 072 konteksttokener, 98 304 inndatatokener og 16 384 utdatatokener; valgfrie funksjoner og styring av svar avhenger av integrasjonen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen-Plus (2025-04-28) er versjonen av Qwen3-Plus fra 28. april. Den tar imot tekst og returnerer tekst, integrerer modusene Thinking og Non-Thinking og lar modusen endres under en samtale. Datoen identifiserer den valgte utgaven og skiller den fra senere Qwen-Plus-utgivelser og dynamisk oppdaterte aliaser.
Thinking-modus støtter en oppgave som krever analyse av vilkår og sammenhenger. Oppgi den relevante dokumentasjonen, definer spørsmålet og identifiser kriteriene som skal styre svaret. En sammenligning kan be om avveiningene mellom to alternativer under oppgitte begrensninger. En dokumentoppgave kan spørre hvilke krav som samsvarer, hvilke som er i konflikt, og hvilke som trenger avklaring.
Non-Thinking-modus støtter en direkte instruksjon, som å forkorte en tekstpassasje eller utarbeide et svar ut fra oppgitte fakta. Angi den tiltenkte leseren, nødvendig lengde og informasjonen som må beholdes i omskrivingen. Et målrettet oppdrag gjør det forventede resultatet tydelig: en ferdig melding, en revidert seksjon eller en kortfattet forklaring.
Skill referanseteksten fra instruksjonene for å bruke den. Behold seksjonsbetegnelser og definerte termer, slik at svaret fortsatt kan knyttes til kildene. Angi om modellen skal stille et spørsmål eller merke det aktuelle punktet som uavklart når informasjon mangler. For et analytisk notat kan du be om konklusjonen og vilkårene som underbygger den; for en skriveoppgave kan du be om den reviderte teksten og en kort redegjørelse for endringene.
Et oppfølgingsspørsmål kan endre ett krav mens resten av oppgaven beholdes. Du kan for eksempel endre målgruppen for en valgt tekstpassasje eller innføre en ny begrensning i en sammenligning. Ta med den delen av det tidligere svaret som skal revideres, slik at samtalen forblir knyttet til ett identifiserbart resultat.
Produsenten dokumenterer funksjonsstøtten for hver regional konfigurasjon for utrulling. Konfigurasjonene som er oppført for denne versjonen, støtter strukturerte utdata og fullføring fra et prefiks, mens funksjonskall bare er tilgjengelige i noen av dem. En applikasjon som støtter funksjonskall, definerer en handling og tilhørende inndatafelter, utfører et valgt kall og returnerer resultatet til modellen. Strukturerte utdata styrer svarets form, mens fullføring fra et prefiks viderefører oppgitt assistenttekst. Integrasjonen avgjør hvilke av disse kontrollene den gjør tilgjengelige.
Aprilversjonen har en dokumentert kontekst på 131 072 tokener, med en maksimal inndatalengde på 98 304 tokener og en utdatalengde på 16 384 tokener. Bruk inndatabudsjettet på instruksjonene, relevante dokumenter og samtalematerialet som oppgaven krever. Angi omfanget og formen på resultatet fremfor å be om en ubegrenset drøfting. Et nyttig sluttresultat kan være en kildebasert sammenligning, et kundesvar eller en revidert dokumentseksjon som er klar til å kontrolleres mot de opprinnelige kravene.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen-plus-2025-04-28 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.00024 / 1K tokener Utdata · Utgående tokener $0.0024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-plus-2025-04-28", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen-plus-2025-04-28',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen-plus-2025-04-28',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen-plus-2025-04-28
Bruk metodestiene som vises ovenfor.
qwen-plus-2025-04-28Qwen-Plus (2025-04-28) er en Qwen3-Plus-tekstversjon som kombinerer modusene Thinking og Non-Thinking. De dokumenterte grensene er 131 072 konteksttokener, 98 304 inndatatokener og 16 384 utdatatokener; valgfrie funksjoner og styring av svar avhenger av integrasjonen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen-Plus (2025-04-28) er versjonen av Qwen3-Plus fra 28. april. Den tar imot tekst og returnerer tekst, integrerer modusene Thinking og Non-Thinking og lar modusen endres under en samtale. Datoen identifiserer den valgte utgaven og skiller den fra senere Qwen-Plus-utgivelser og dynamisk oppdaterte aliaser.
Thinking-modus støtter en oppgave som krever analyse av vilkår og sammenhenger. Oppgi den relevante dokumentasjonen, definer spørsmålet og identifiser kriteriene som skal styre svaret. En sammenligning kan be om avveiningene mellom to alternativer under oppgitte begrensninger. En dokumentoppgave kan spørre hvilke krav som samsvarer, hvilke som er i konflikt, og hvilke som trenger avklaring.
Non-Thinking-modus støtter en direkte instruksjon, som å forkorte en tekstpassasje eller utarbeide et svar ut fra oppgitte fakta. Angi den tiltenkte leseren, nødvendig lengde og informasjonen som må beholdes i omskrivingen. Et målrettet oppdrag gjør det forventede resultatet tydelig: en ferdig melding, en revidert seksjon eller en kortfattet forklaring.
Skill referanseteksten fra instruksjonene for å bruke den. Behold seksjonsbetegnelser og definerte termer, slik at svaret fortsatt kan knyttes til kildene. Angi om modellen skal stille et spørsmål eller merke det aktuelle punktet som uavklart når informasjon mangler. For et analytisk notat kan du be om konklusjonen og vilkårene som underbygger den; for en skriveoppgave kan du be om den reviderte teksten og en kort redegjørelse for endringene.
Et oppfølgingsspørsmål kan endre ett krav mens resten av oppgaven beholdes. Du kan for eksempel endre målgruppen for en valgt tekstpassasje eller innføre en ny begrensning i en sammenligning. Ta med den delen av det tidligere svaret som skal revideres, slik at samtalen forblir knyttet til ett identifiserbart resultat.
Produsenten dokumenterer funksjonsstøtten for hver regional konfigurasjon for utrulling. Konfigurasjonene som er oppført for denne versjonen, støtter strukturerte utdata og fullføring fra et prefiks, mens funksjonskall bare er tilgjengelige i noen av dem. En applikasjon som støtter funksjonskall, definerer en handling og tilhørende inndatafelter, utfører et valgt kall og returnerer resultatet til modellen. Strukturerte utdata styrer svarets form, mens fullføring fra et prefiks viderefører oppgitt assistenttekst. Integrasjonen avgjør hvilke av disse kontrollene den gjør tilgjengelige.
Aprilversjonen har en dokumentert kontekst på 131 072 tokener, med en maksimal inndatalengde på 98 304 tokener og en utdatalengde på 16 384 tokener. Bruk inndatabudsjettet på instruksjonene, relevante dokumenter og samtalematerialet som oppgaven krever. Angi omfanget og formen på resultatet fremfor å be om en ubegrenset drøfting. Et nyttig sluttresultat kan være en kildebasert sammenligning, et kundesvar eller en revidert dokumentseksjon som er klar til å kontrolleres mot de opprinnelige kravene.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen-plus-2025-04-28 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.00024 / 1K tokener Utdata · Utgående tokener $0.0024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen-plus-2025-04-28",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-plus-2025-04-28', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-plus-2025-04-28', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen-plus-2025-04-28
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Shorten a supplier message\n\nShorten this supplier message to at most 45 words for a busy warehouse manager: "Production of batch B-31 is complete. The 90 boxes are ready for pickup. Collection cannot occur before the quality report is approved. We will send the report tomorrow, but approval timing is not confirmed." Preserve the batch, quantity and pickup condition.A concise rewritten message that preserves the approval dependency and uncertain timing.Ensure ready for pickup is not interpreted as permission to collect before approval.