Qwen3.6 Plus-familien
Qwen3.6 Plus er en modellfamilie som er utviklet for syn og språk, for kodearbeid og multimodale oppgaver. Produsentens utgivelse fremhever forbedret agentbasert kodearbeid, frontendprogrammering og utvikling basert på visuell informasjon, sammen med generell objektgjenkjenning, OCR og objektlokalisering. De nyttige utdataene er tekst: en forklaring, et kodeforslag, uthentet informasjon eller en rapport knyttet til den oppgitte dokumentasjonen.
Den offisielle utgivelsen oppgir qwen3.6-plus og qwen3.6-plus-2026-04-02. Denne oppføringen beholder den etterspurte Plus-familieidentiteten fremfor å gjøre den om til en fast modellversjon. Familiebeskrivelsen identifiserer den ikke som det åpne modellkontrollpunktet Qwen3.6-35B-A3B og tilordner heller ikke dette modellkontrollpunktets ekspertantall, modellvekter eller numeriske kontekstgrenser til Plus.
Agentbasert kodearbeid og frontendprogrammering
For en frontendoppgave oppgir du den visuelle referansen, funksjonskravene og relevant eksisterende kode. Beskriv tilstandene, samhandlingene og utdatafilene som forventes ved fullføring. Be om redigerbar kildekode og en separat forklaring på hvordan den foreslåtte oppførselen oppfyller kravene. For en oppgave i et kodelager oppgir du relevante moduler og inndata som demonstrerer problemet, og ber deretter om de berørte endringene og kontrollene som trengs for å gjennomgå dem.
En kodeagent kan bruke faktiske tilbakemeldinger fra det tilknyttede miljøet: gjennomgangsresultater, observerte feil eller funn fra kontroll kan styre neste trinn. Oppgi målet og de tillatte handlingene, og be modellen skille mellom et forslag og et utført resultat.
Visuell gjenkjenning, OCR og lokalisering
Utgivelsen dokumenterer bedre objektgjenkjenning, lesing av visuell tekst og objektlokalisering. Oppgi et tydelig bilde med et konkret spørsmål og identifiser målobjektet eller feltene. For en side ber du om navngitte felt med henvisninger til siden eller området som støtter dem. For et grensesnitt spør du hvilket synlig element som svarer til brukerens mål. Hold applikasjonens koordinatkonvensjon uttrykkelig hvis den bruker et lokaliseringsresultat.
Familiens syns- og språkområde kombinerer tekst med bilder eller video og produserer tekstsvar. Merk separate visuelle inndata og bevar videoens rekkefølge og tidsinformasjon når spørsmålet avhenger av en sekvens. Et lokalisert objekt eller et plausibelt OCR-resultat bør kontrolleres mot originalmaterialet; disse evnene garanterer ikke nøyaktig telling, helt leselig transkripsjon eller kalibrerte fysiske målinger.
Kontinuitet i tenkning og resonnement
Produsentens modusveiledning oppgir Qwen3.6 Plus med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan gi et direkte svar når tenkning er deaktivert. Hold resonnementsinnhold og sluttresultat adskilt når det valgte grensesnittet leverer begge deler. Velg en tydelig sluttform, som en kodeleveranse, en dokumentasjonstabell eller en kortfattet konklusjon, slik at en lengre forklaring ikke skjuler sluttproduktet.
Qwen3.6-familien innfører også bevaring av historisk resonnement for iterativt arbeid. Denne familieegenskapen er nyttig når tidligere beslutninger fortsatt er relevante etter nye tilbakemeldinger; den nøyaktige kontrollkontrakten for Plus skal følge modellens eget grensesnitt. Den skal ikke overta standardinnstillingen eller parameterbeholderen til et åpent modellkontrollpunkt uten uttrykkelig dokumentasjon.
Verktøy og langt materiale
Familiens beskrivelse av kodeagenter omfatter verktøy og tilbakemeldinger fra miljøet. En applikasjon stiller de faktiske verktøyene til rådighet, kjører tillatte operasjoner og returnerer observasjonene til modellen. En oppgave kan be om en rapport som knytter hver konklusjon til et dokumentutdrag, en kodeidentifikator eller et synlig element. Verktøystøtte i en tilknyttet arbeidsflyt fastslår ikke i seg selv innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Produsenten oppgir funksjonskall, strukturerte utdata, nettsøk, prefiksfullføring og kontekstbufring. Satsvis inferens støttes for Beijing-aliaset og støttes ikke i de andre oppgitte regionene; finjustering støttes ikke. Produsenten beskriver aliaset som funksjonelt tilsvarende April2, mens modellversjonens separate tabell utelukker hurtigbufring og satsvis inferens.
Alibabas egen Plus-tabell angir en kontekst på 1 000 000 tokener, maksimalt 991 808 tokener inn for direkte svar eller 983 616 for tenkning, maksimalt 65 536 tokener ut i begge moduser og en separat kvote for tankerekke på 81 920 tokener. Behold dokumentgrenser og relevante kodebaner i lange inndata, fjern uvedkommende dokumentasjon og reserver plass til det nødvendige svaret. Ikke overfør den åpne 35B-A3B-modellens tall for innebygd eller utvidet kontekst til en universell grense for denne familien.
Praktisk resultat og grenser
Nyttige utdata omfatter et implementasjonsforslag basert på et skjermbilde, en forklaring på en endring i et kodelager eller en tabell over dokumentfelt med støttende dokumentasjon. En forespørsel om tekst i JSON-form etablerer ikke en kontrakt for håndhevet skjema, og en foreslått kommando er ikke en utført handling. Verifiser uthentet tekst, visuelle plasseringer og generert kode mot den oppgitte kilden. Bevar Plus-identiteten og hold det valgte aliaset eller den daterte utgaven, dokumenterte produsentgrenser og returnerte verktøyresultater uttrykkelige når du gjennomgår resultatet.
", "aboutText": "Qwen3.6 Plus-familien\n\nQwen3.6 Plus er en modellfamilie som er utviklet for syn og språk, for kodearbeid og multimodale oppgaver. Produsentens utgivelse fremhever forbedret agentbasert kodearbeid, frontendprogrammering og utvikling basert på visuell informasjon, sammen med generell objektgjenkjenning, OCR og objektlokalisering. De nyttige utdataene er tekst: en forklaring, et kodeforslag, uthentet informasjon eller en rapport knyttet til den oppgitte dokumentasjonen.\n\nDen offisielle utgivelsen oppgir qwen3.6-plus og qwen3.6-plus-2026-04-02. Denne oppføringen beholder den etterspurte Plus-familieidentiteten fremfor å gjøre den om til en fast modellversjon. Familiebeskrivelsen identifiserer den ikke som det åpne modellkontrollpunktet Qwen3.6-35B-A3B og tilordner heller ikke dette modellkontrollpunktets ekspertantall, modellvekter eller numeriske kontekstgrenser til Plus.\n\nAgentbasert kodearbeid og frontendprogrammering\n\nFor en frontendoppgave oppgir du den visuelle referansen, funksjonskravene og relevant eksisterende kode. Beskriv tilstandene, samhandlingene og utdatafilene som forventes ved fullføring. Be om redigerbar kildekode og en separat forklaring på hvordan den foreslåtte oppførselen oppfyller kravene. For en oppgave i et kodelager oppgir du relevante moduler og inndata som demonstrerer problemet, og ber deretter om de berørte endringene og kontrollene som trengs for å gjennomgå dem.\n\nEn kodeagent kan bruke faktiske tilbakemeldinger fra det tilknyttede miljøet: gjennomgangsresultater, observerte feil eller funn fra kontroll kan styre neste trinn. Oppgi målet og de tillatte handlingene, og be modellen skille mellom et forslag og et utført resultat.\n\nVisuell gjenkjenning, OCR og lokalisering\n\nUtgivelsen dokumenterer bedre objektgjenkjenning, lesing av visuell tekst og objektlokalisering. Oppgi et tydelig bilde med et konkret spørsmål og identifiser målobjektet eller feltene. For en side ber du om navngitte felt med henvisninger til siden eller området som støtter dem. For et grensesnitt spør du hvilket synlig element som svarer til brukerens mål. Hold applikasjonens koordinatkonvensjon uttrykkelig hvis den bruker et lokaliseringsresultat.\n\nFamiliens syns- og språkområde kombinerer tekst med bilder eller video og produserer tekstsvar. Merk separate visuelle inndata og bevar videoens rekkefølge og tidsinformasjon når spørsmålet avhenger av en sekvens. Et lokalisert objekt eller et plausibelt OCR-resultat bør kontrolleres mot originalmaterialet; disse evnene garanterer ikke nøyaktig telling, helt leselig transkripsjon eller kalibrerte fysiske målinger.\n\nKontinuitet i tenkning og resonnement\n\nProdusentens modusveiledning oppgir Qwen3.6 Plus med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan gi et direkte svar når tenkning er deaktivert. Hold resonnementsinnhold og sluttresultat adskilt når det valgte grensesnittet leverer begge deler. Velg en tydelig sluttform, som en kodeleveranse, en dokumentasjonstabell eller en kortfattet konklusjon, slik at en lengre forklaring ikke skjuler sluttproduktet.\n\nQwen3.6-familien innfører også bevaring av historisk resonnement for iterativt arbeid. Denne familieegenskapen er nyttig når tidligere beslutninger fortsatt er relevante etter nye tilbakemeldinger; den nøyaktige kontrollkontrakten for Plus skal følge modellens eget grensesnitt. Den skal ikke overta standardinnstillingen eller parameterbeholderen til et åpent modellkontrollpunkt uten uttrykkelig dokumentasjon.\n\nVerktøy og langt materiale\n\nFamiliens beskrivelse av kodeagenter omfatter verktøy og tilbakemeldinger fra miljøet. En applikasjon stiller de faktiske verktøyene til rådighet, kjører tillatte operasjoner og returnerer observasjonene til modellen. En oppgave kan be om en rapport som knytter hver konklusjon til et dokumentutdrag, en kodeidentifikator eller et synlig element. Verktøystøtte i en tilknyttet arbeidsflyt fastslår ikke i seg selv innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Produsenten oppgir funksjonskall, strukturerte utdata, nettsøk, prefiksfullføring og kontekstbufring. Satsvis inferens støttes for Beijing-aliaset og støttes ikke i de andre oppgitte regionene; finjustering støttes ikke. Produsenten beskriver aliaset som funksjonelt tilsvarende April2, mens modellversjonens separate tabell utelukker hurtigbufring og satsvis inferens.\n\nAlibabas egen Plus-tabell angir en kontekst på 1 000 000 tokener, maksimalt 991 808 tokener inn for direkte svar eller 983 616 for tenkning, maksimalt 65 536 tokener ut i begge moduser og en separat kvote for tankerekke på 81 920 tokener. Behold dokumentgrenser og relevante kodebaner i lange inndata, fjern uvedkommende dokumentasjon og reserver plass til det nødvendige svaret. Ikke overfør den åpne 35B-A3B-modellens tall for innebygd eller utvidet kontekst til en universell grense for denne familien.\n\nPraktisk resultat og grenser\n\nNyttige utdata omfatter et implementasjonsforslag basert på et skjermbilde, en forklaring på en endring i et kodelager eller en tabell over dokumentfelt med støttende dokumentasjon. En forespørsel om tekst i JSON-form etablerer ikke en kontrakt for håndhevet skjema, og en foreslått kommando er ikke en utført handling. Verifiser uthentet tekst, visuelle plasseringer og generert kode mot den oppgitte kilden. Bevar Plus-identiteten og hold det valgte aliaset eller den daterte utgaven, dokumenterte produsentgrenser og returnerte verktøyresultater uttrykkelige når du gjennomgår resultatet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Repair keyboard access to a disclosure\n\nA disclosure uses a clickable div to toggle its details panel. Provide a small HTML/JavaScript replacement using a native button, preserving the label 'Delivery details'. The button must expose expanded state, control the panel and work with standard keyboard activation. Include a short review checklist for closed and open states without claiming a rendered result.A bounded disclosure component proposal with synchronized expanded state and a two-state checklist.The control is a button, its expanded value matches panel visibility and its label remains unchanged.qwen/qwen3.6-plusQwen3.6 Plus er Qwens syns- og språkmodellfamilie for tekst, bilder og video, med forbedret agentbasert kodearbeid og frontendprogrammering, objektgjenkjenning, OCR og lokalisering. Den returnerer tekst og støtter Plus-familiens arbeidsflyt med hybrid tenkning for oppgaver forankret i oppgitt prosjektmateriale eller visuelt materiale.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3.6 Plus-familien
Qwen3.6 Plus er en modellfamilie som er utviklet for syn og språk, for kodearbeid og multimodale oppgaver. Produsentens utgivelse fremhever forbedret agentbasert kodearbeid, frontendprogrammering og utvikling basert på visuell informasjon, sammen med generell objektgjenkjenning, OCR og objektlokalisering. De nyttige utdataene er tekst: en forklaring, et kodeforslag, uthentet informasjon eller en rapport knyttet til den oppgitte dokumentasjonen.
Den offisielle utgivelsen oppgir qwen3.6-plus og qwen3.6-plus-2026-04-02. Denne oppføringen beholder den etterspurte Plus-familieidentiteten fremfor å gjøre den om til en fast modellversjon. Familiebeskrivelsen identifiserer den ikke som det åpne modellkontrollpunktet Qwen3.6-35B-A3B og tilordner heller ikke dette modellkontrollpunktets ekspertantall, modellvekter eller numeriske kontekstgrenser til Plus.
Agentbasert kodearbeid og frontendprogrammering
For en frontendoppgave oppgir du den visuelle referansen, funksjonskravene og relevant eksisterende kode. Beskriv tilstandene, samhandlingene og utdatafilene som forventes ved fullføring. Be om redigerbar kildekode og en separat forklaring på hvordan den foreslåtte oppførselen oppfyller kravene. For en oppgave i et kodelager oppgir du relevante moduler og inndata som demonstrerer problemet, og ber deretter om de berørte endringene og kontrollene som trengs for å gjennomgå dem.
En kodeagent kan bruke faktiske tilbakemeldinger fra det tilknyttede miljøet: gjennomgangsresultater, observerte feil eller funn fra kontroll kan styre neste trinn. Oppgi målet og de tillatte handlingene, og be modellen skille mellom et forslag og et utført resultat.
Visuell gjenkjenning, OCR og lokalisering
Utgivelsen dokumenterer bedre objektgjenkjenning, lesing av visuell tekst og objektlokalisering. Oppgi et tydelig bilde med et konkret spørsmål og identifiser målobjektet eller feltene. For en side ber du om navngitte felt med henvisninger til siden eller området som støtter dem. For et grensesnitt spør du hvilket synlig element som svarer til brukerens mål. Hold applikasjonens koordinatkonvensjon uttrykkelig hvis den bruker et lokaliseringsresultat.
Familiens syns- og språkområde kombinerer tekst med bilder eller video og produserer tekstsvar. Merk separate visuelle inndata og bevar videoens rekkefølge og tidsinformasjon når spørsmålet avhenger av en sekvens. Et lokalisert objekt eller et plausibelt OCR-resultat bør kontrolleres mot originalmaterialet; disse evnene garanterer ikke nøyaktig telling, helt leselig transkripsjon eller kalibrerte fysiske målinger.
Kontinuitet i tenkning og resonnement
Produsentens modusveiledning oppgir Qwen3.6 Plus med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan gi et direkte svar når tenkning er deaktivert. Hold resonnementsinnhold og sluttresultat adskilt når det valgte grensesnittet leverer begge deler. Velg en tydelig sluttform, som en kodeleveranse, en dokumentasjonstabell eller en kortfattet konklusjon, slik at en lengre forklaring ikke skjuler sluttproduktet.
Qwen3.6-familien innfører også bevaring av historisk resonnement for iterativt arbeid. Denne familieegenskapen er nyttig når tidligere beslutninger fortsatt er relevante etter nye tilbakemeldinger; den nøyaktige kontrollkontrakten for Plus skal følge modellens eget grensesnitt. Den skal ikke overta standardinnstillingen eller parameterbeholderen til et åpent modellkontrollpunkt uten uttrykkelig dokumentasjon.
Verktøy og langt materiale
Familiens beskrivelse av kodeagenter omfatter verktøy og tilbakemeldinger fra miljøet. En applikasjon stiller de faktiske verktøyene til rådighet, kjører tillatte operasjoner og returnerer observasjonene til modellen. En oppgave kan be om en rapport som knytter hver konklusjon til et dokumentutdrag, en kodeidentifikator eller et synlig element. Verktøystøtte i en tilknyttet arbeidsflyt fastslår ikke i seg selv innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Produsenten oppgir funksjonskall, strukturerte utdata, nettsøk, prefiksfullføring og kontekstbufring. Satsvis inferens støttes for Beijing-aliaset og støttes ikke i de andre oppgitte regionene; finjustering støttes ikke. Produsenten beskriver aliaset som funksjonelt tilsvarende April2, mens modellversjonens separate tabell utelukker hurtigbufring og satsvis inferens.
Alibabas egen Plus-tabell angir en kontekst på 1 000 000 tokener, maksimalt 991 808 tokener inn for direkte svar eller 983 616 for tenkning, maksimalt 65 536 tokener ut i begge moduser og en separat kvote for tankerekke på 81 920 tokener. Behold dokumentgrenser og relevante kodebaner i lange inndata, fjern uvedkommende dokumentasjon og reserver plass til det nødvendige svaret. Ikke overfør den åpne 35B-A3B-modellens tall for innebygd eller utvidet kontekst til en universell grense for denne familien.
Praktisk resultat og grenser
Nyttige utdata omfatter et implementasjonsforslag basert på et skjermbilde, en forklaring på en endring i et kodelager eller en tabell over dokumentfelt med støttende dokumentasjon. En forespørsel om tekst i JSON-form etablerer ikke en kontrakt for håndhevet skjema, og en foreslått kommando er ikke en utført handling. Verifiser uthentet tekst, visuelle plasseringer og generert kode mot den oppgitte kilden. Bevar Plus-identiteten og hold det valgte aliaset eller den daterte utgaven, dokumenterte produsentgrenser og returnerte verktøyresultater uttrykkelige når du gjennomgår resultatet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen3.6-plus | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00065 / 1K tokener Utdata · Utgående tokener $0.0039 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.0008125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med256 000 | Kostnad Inndata · Inngående tokener $0.00065 / 1K tokener Utdata · Utgående tokener $0.0039 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.0008125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn256 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0026 / 1K tokener Utdata · Utgående tokener $0.0078 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.00325 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.6-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='qwen/qwen3.6-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='qwen/qwen3.6-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 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/qwen3.6-plus, qwen3.6-plus
/chat/completions
qwen/qwen3.6-plusQwen3.6 Plus er Qwens syns- og språkmodellfamilie for tekst, bilder og video, med forbedret agentbasert kodearbeid og frontendprogrammering, objektgjenkjenning, OCR og lokalisering. Den returnerer tekst og støtter Plus-familiens arbeidsflyt med hybrid tenkning for oppgaver forankret i oppgitt prosjektmateriale eller visuelt materiale.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3.6 Plus-familien
Qwen3.6 Plus er en modellfamilie som er utviklet for syn og språk, for kodearbeid og multimodale oppgaver. Produsentens utgivelse fremhever forbedret agentbasert kodearbeid, frontendprogrammering og utvikling basert på visuell informasjon, sammen med generell objektgjenkjenning, OCR og objektlokalisering. De nyttige utdataene er tekst: en forklaring, et kodeforslag, uthentet informasjon eller en rapport knyttet til den oppgitte dokumentasjonen.
Den offisielle utgivelsen oppgir qwen3.6-plus og qwen3.6-plus-2026-04-02. Denne oppføringen beholder den etterspurte Plus-familieidentiteten fremfor å gjøre den om til en fast modellversjon. Familiebeskrivelsen identifiserer den ikke som det åpne modellkontrollpunktet Qwen3.6-35B-A3B og tilordner heller ikke dette modellkontrollpunktets ekspertantall, modellvekter eller numeriske kontekstgrenser til Plus.
Agentbasert kodearbeid og frontendprogrammering
For en frontendoppgave oppgir du den visuelle referansen, funksjonskravene og relevant eksisterende kode. Beskriv tilstandene, samhandlingene og utdatafilene som forventes ved fullføring. Be om redigerbar kildekode og en separat forklaring på hvordan den foreslåtte oppførselen oppfyller kravene. For en oppgave i et kodelager oppgir du relevante moduler og inndata som demonstrerer problemet, og ber deretter om de berørte endringene og kontrollene som trengs for å gjennomgå dem.
En kodeagent kan bruke faktiske tilbakemeldinger fra det tilknyttede miljøet: gjennomgangsresultater, observerte feil eller funn fra kontroll kan styre neste trinn. Oppgi målet og de tillatte handlingene, og be modellen skille mellom et forslag og et utført resultat.
Visuell gjenkjenning, OCR og lokalisering
Utgivelsen dokumenterer bedre objektgjenkjenning, lesing av visuell tekst og objektlokalisering. Oppgi et tydelig bilde med et konkret spørsmål og identifiser målobjektet eller feltene. For en side ber du om navngitte felt med henvisninger til siden eller området som støtter dem. For et grensesnitt spør du hvilket synlig element som svarer til brukerens mål. Hold applikasjonens koordinatkonvensjon uttrykkelig hvis den bruker et lokaliseringsresultat.
Familiens syns- og språkområde kombinerer tekst med bilder eller video og produserer tekstsvar. Merk separate visuelle inndata og bevar videoens rekkefølge og tidsinformasjon når spørsmålet avhenger av en sekvens. Et lokalisert objekt eller et plausibelt OCR-resultat bør kontrolleres mot originalmaterialet; disse evnene garanterer ikke nøyaktig telling, helt leselig transkripsjon eller kalibrerte fysiske målinger.
Kontinuitet i tenkning og resonnement
Produsentens modusveiledning oppgir Qwen3.6 Plus med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan gi et direkte svar når tenkning er deaktivert. Hold resonnementsinnhold og sluttresultat adskilt når det valgte grensesnittet leverer begge deler. Velg en tydelig sluttform, som en kodeleveranse, en dokumentasjonstabell eller en kortfattet konklusjon, slik at en lengre forklaring ikke skjuler sluttproduktet.
Qwen3.6-familien innfører også bevaring av historisk resonnement for iterativt arbeid. Denne familieegenskapen er nyttig når tidligere beslutninger fortsatt er relevante etter nye tilbakemeldinger; den nøyaktige kontrollkontrakten for Plus skal følge modellens eget grensesnitt. Den skal ikke overta standardinnstillingen eller parameterbeholderen til et åpent modellkontrollpunkt uten uttrykkelig dokumentasjon.
Verktøy og langt materiale
Familiens beskrivelse av kodeagenter omfatter verktøy og tilbakemeldinger fra miljøet. En applikasjon stiller de faktiske verktøyene til rådighet, kjører tillatte operasjoner og returnerer observasjonene til modellen. En oppgave kan be om en rapport som knytter hver konklusjon til et dokumentutdrag, en kodeidentifikator eller et synlig element. Verktøystøtte i en tilknyttet arbeidsflyt fastslår ikke i seg selv innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Produsenten oppgir funksjonskall, strukturerte utdata, nettsøk, prefiksfullføring og kontekstbufring. Satsvis inferens støttes for Beijing-aliaset og støttes ikke i de andre oppgitte regionene; finjustering støttes ikke. Produsenten beskriver aliaset som funksjonelt tilsvarende April2, mens modellversjonens separate tabell utelukker hurtigbufring og satsvis inferens.
Alibabas egen Plus-tabell angir en kontekst på 1 000 000 tokener, maksimalt 991 808 tokener inn for direkte svar eller 983 616 for tenkning, maksimalt 65 536 tokener ut i begge moduser og en separat kvote for tankerekke på 81 920 tokener. Behold dokumentgrenser og relevante kodebaner i lange inndata, fjern uvedkommende dokumentasjon og reserver plass til det nødvendige svaret. Ikke overfør den åpne 35B-A3B-modellens tall for innebygd eller utvidet kontekst til en universell grense for denne familien.
Praktisk resultat og grenser
Nyttige utdata omfatter et implementasjonsforslag basert på et skjermbilde, en forklaring på en endring i et kodelager eller en tabell over dokumentfelt med støttende dokumentasjon. En forespørsel om tekst i JSON-form etablerer ikke en kontrakt for håndhevet skjema, og en foreslått kommando er ikke en utført handling. Verifiser uthentet tekst, visuelle plasseringer og generert kode mot den oppgitte kilden. Bevar Plus-identiteten og hold det valgte aliaset eller den daterte utgaven, dokumenterte produsentgrenser og returnerte verktøyresultater uttrykkelige når du gjennomgår resultatet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen3.6-plus | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00065 / 1K tokener Utdata · Utgående tokener $0.0039 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.0008125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med256 000 | Kostnad Inndata · Inngående tokener $0.00065 / 1K tokener Utdata · Utgående tokener $0.0039 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.0008125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn256 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0026 / 1K tokener Utdata · Utgående tokener $0.0078 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.00325 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen/qwen3.6-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen/qwen3.6-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': 'qwen/qwen3.6-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 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/qwen3.6-plus, qwen3.6-plus
/chat/completions
qwen3.6-plusQwen3.6 Plus er Qwens syns- og språkmodellfamilie for tekst, bilder og video, med forbedret agentbasert kodearbeid og frontendprogrammering, objektgjenkjenning, OCR og lokalisering. Den returnerer tekst og støtter Plus-familiens arbeidsflyt med hybrid tenkning for oppgaver forankret i oppgitt prosjektmateriale eller visuelt materiale.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3.6 Plus-familien
Qwen3.6 Plus er en modellfamilie som er utviklet for syn og språk, for kodearbeid og multimodale oppgaver. Produsentens utgivelse fremhever forbedret agentbasert kodearbeid, frontendprogrammering og utvikling basert på visuell informasjon, sammen med generell objektgjenkjenning, OCR og objektlokalisering. De nyttige utdataene er tekst: en forklaring, et kodeforslag, uthentet informasjon eller en rapport knyttet til den oppgitte dokumentasjonen.
Den offisielle utgivelsen oppgir qwen3.6-plus og qwen3.6-plus-2026-04-02. Denne oppføringen beholder den etterspurte Plus-familieidentiteten fremfor å gjøre den om til en fast modellversjon. Familiebeskrivelsen identifiserer den ikke som det åpne modellkontrollpunktet Qwen3.6-35B-A3B og tilordner heller ikke dette modellkontrollpunktets ekspertantall, modellvekter eller numeriske kontekstgrenser til Plus.
Agentbasert kodearbeid og frontendprogrammering
For en frontendoppgave oppgir du den visuelle referansen, funksjonskravene og relevant eksisterende kode. Beskriv tilstandene, samhandlingene og utdatafilene som forventes ved fullføring. Be om redigerbar kildekode og en separat forklaring på hvordan den foreslåtte oppførselen oppfyller kravene. For en oppgave i et kodelager oppgir du relevante moduler og inndata som demonstrerer problemet, og ber deretter om de berørte endringene og kontrollene som trengs for å gjennomgå dem.
En kodeagent kan bruke faktiske tilbakemeldinger fra det tilknyttede miljøet: gjennomgangsresultater, observerte feil eller funn fra kontroll kan styre neste trinn. Oppgi målet og de tillatte handlingene, og be modellen skille mellom et forslag og et utført resultat.
Visuell gjenkjenning, OCR og lokalisering
Utgivelsen dokumenterer bedre objektgjenkjenning, lesing av visuell tekst og objektlokalisering. Oppgi et tydelig bilde med et konkret spørsmål og identifiser målobjektet eller feltene. For en side ber du om navngitte felt med henvisninger til siden eller området som støtter dem. For et grensesnitt spør du hvilket synlig element som svarer til brukerens mål. Hold applikasjonens koordinatkonvensjon uttrykkelig hvis den bruker et lokaliseringsresultat.
Familiens syns- og språkområde kombinerer tekst med bilder eller video og produserer tekstsvar. Merk separate visuelle inndata og bevar videoens rekkefølge og tidsinformasjon når spørsmålet avhenger av en sekvens. Et lokalisert objekt eller et plausibelt OCR-resultat bør kontrolleres mot originalmaterialet; disse evnene garanterer ikke nøyaktig telling, helt leselig transkripsjon eller kalibrerte fysiske målinger.
Kontinuitet i tenkning og resonnement
Produsentens modusveiledning oppgir Qwen3.6 Plus med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan gi et direkte svar når tenkning er deaktivert. Hold resonnementsinnhold og sluttresultat adskilt når det valgte grensesnittet leverer begge deler. Velg en tydelig sluttform, som en kodeleveranse, en dokumentasjonstabell eller en kortfattet konklusjon, slik at en lengre forklaring ikke skjuler sluttproduktet.
Qwen3.6-familien innfører også bevaring av historisk resonnement for iterativt arbeid. Denne familieegenskapen er nyttig når tidligere beslutninger fortsatt er relevante etter nye tilbakemeldinger; den nøyaktige kontrollkontrakten for Plus skal følge modellens eget grensesnitt. Den skal ikke overta standardinnstillingen eller parameterbeholderen til et åpent modellkontrollpunkt uten uttrykkelig dokumentasjon.
Verktøy og langt materiale
Familiens beskrivelse av kodeagenter omfatter verktøy og tilbakemeldinger fra miljøet. En applikasjon stiller de faktiske verktøyene til rådighet, kjører tillatte operasjoner og returnerer observasjonene til modellen. En oppgave kan be om en rapport som knytter hver konklusjon til et dokumentutdrag, en kodeidentifikator eller et synlig element. Verktøystøtte i en tilknyttet arbeidsflyt fastslår ikke i seg selv innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Produsenten oppgir funksjonskall, strukturerte utdata, nettsøk, prefiksfullføring og kontekstbufring. Satsvis inferens støttes for Beijing-aliaset og støttes ikke i de andre oppgitte regionene; finjustering støttes ikke. Produsenten beskriver aliaset som funksjonelt tilsvarende April2, mens modellversjonens separate tabell utelukker hurtigbufring og satsvis inferens.
Alibabas egen Plus-tabell angir en kontekst på 1 000 000 tokener, maksimalt 991 808 tokener inn for direkte svar eller 983 616 for tenkning, maksimalt 65 536 tokener ut i begge moduser og en separat kvote for tankerekke på 81 920 tokener. Behold dokumentgrenser og relevante kodebaner i lange inndata, fjern uvedkommende dokumentasjon og reserver plass til det nødvendige svaret. Ikke overfør den åpne 35B-A3B-modellens tall for innebygd eller utvidet kontekst til en universell grense for denne familien.
Praktisk resultat og grenser
Nyttige utdata omfatter et implementasjonsforslag basert på et skjermbilde, en forklaring på en endring i et kodelager eller en tabell over dokumentfelt med støttende dokumentasjon. En forespørsel om tekst i JSON-form etablerer ikke en kontrakt for håndhevet skjema, og en foreslått kommando er ikke en utført handling. Verifiser uthentet tekst, visuelle plasseringer og generert kode mot den oppgitte kilden. Bevar Plus-identiteten og hold det valgte aliaset eller den daterte utgaven, dokumenterte produsentgrenser og returnerte verktøyresultater uttrykkelige når du gjennomgår resultatet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen3.6-plus | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
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 |
Parametercontrol_scope | AvtaleTekstsamtale; stream er en boolsk verdi med false som standard. |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Metodealiaser: /chat/completions
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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00065 / 1K tokener Utdata · Utgående tokener $0.0039 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.0008125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med256 000 | Kostnad Inndata · Inngående tokener $0.00065 / 1K tokener Utdata · Utgående tokener $0.0039 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.0008125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn256 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0026 / 1K tokener Utdata · Utgående tokener $0.0078 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.00325 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen3.6-plus","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="qwen3.6-plus", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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/qwen3.6-plus, qwen3.6-plus
/chat/completions
qwen3.6-plusQwen3.6 Plus er Qwens syns- og språkmodellfamilie for tekst, bilder og video, med forbedret agentbasert kodearbeid og frontendprogrammering, objektgjenkjenning, OCR og lokalisering. Den returnerer tekst og støtter Plus-familiens arbeidsflyt med hybrid tenkning for oppgaver forankret i oppgitt prosjektmateriale eller visuelt materiale.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3.6 Plus-familien
Qwen3.6 Plus er en modellfamilie som er utviklet for syn og språk, for kodearbeid og multimodale oppgaver. Produsentens utgivelse fremhever forbedret agentbasert kodearbeid, frontendprogrammering og utvikling basert på visuell informasjon, sammen med generell objektgjenkjenning, OCR og objektlokalisering. De nyttige utdataene er tekst: en forklaring, et kodeforslag, uthentet informasjon eller en rapport knyttet til den oppgitte dokumentasjonen.
Den offisielle utgivelsen oppgir qwen3.6-plus og qwen3.6-plus-2026-04-02. Denne oppføringen beholder den etterspurte Plus-familieidentiteten fremfor å gjøre den om til en fast modellversjon. Familiebeskrivelsen identifiserer den ikke som det åpne modellkontrollpunktet Qwen3.6-35B-A3B og tilordner heller ikke dette modellkontrollpunktets ekspertantall, modellvekter eller numeriske kontekstgrenser til Plus.
Agentbasert kodearbeid og frontendprogrammering
For en frontendoppgave oppgir du den visuelle referansen, funksjonskravene og relevant eksisterende kode. Beskriv tilstandene, samhandlingene og utdatafilene som forventes ved fullføring. Be om redigerbar kildekode og en separat forklaring på hvordan den foreslåtte oppførselen oppfyller kravene. For en oppgave i et kodelager oppgir du relevante moduler og inndata som demonstrerer problemet, og ber deretter om de berørte endringene og kontrollene som trengs for å gjennomgå dem.
En kodeagent kan bruke faktiske tilbakemeldinger fra det tilknyttede miljøet: gjennomgangsresultater, observerte feil eller funn fra kontroll kan styre neste trinn. Oppgi målet og de tillatte handlingene, og be modellen skille mellom et forslag og et utført resultat.
Visuell gjenkjenning, OCR og lokalisering
Utgivelsen dokumenterer bedre objektgjenkjenning, lesing av visuell tekst og objektlokalisering. Oppgi et tydelig bilde med et konkret spørsmål og identifiser målobjektet eller feltene. For en side ber du om navngitte felt med henvisninger til siden eller området som støtter dem. For et grensesnitt spør du hvilket synlig element som svarer til brukerens mål. Hold applikasjonens koordinatkonvensjon uttrykkelig hvis den bruker et lokaliseringsresultat.
Familiens syns- og språkområde kombinerer tekst med bilder eller video og produserer tekstsvar. Merk separate visuelle inndata og bevar videoens rekkefølge og tidsinformasjon når spørsmålet avhenger av en sekvens. Et lokalisert objekt eller et plausibelt OCR-resultat bør kontrolleres mot originalmaterialet; disse evnene garanterer ikke nøyaktig telling, helt leselig transkripsjon eller kalibrerte fysiske målinger.
Kontinuitet i tenkning og resonnement
Produsentens modusveiledning oppgir Qwen3.6 Plus med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan gi et direkte svar når tenkning er deaktivert. Hold resonnementsinnhold og sluttresultat adskilt når det valgte grensesnittet leverer begge deler. Velg en tydelig sluttform, som en kodeleveranse, en dokumentasjonstabell eller en kortfattet konklusjon, slik at en lengre forklaring ikke skjuler sluttproduktet.
Qwen3.6-familien innfører også bevaring av historisk resonnement for iterativt arbeid. Denne familieegenskapen er nyttig når tidligere beslutninger fortsatt er relevante etter nye tilbakemeldinger; den nøyaktige kontrollkontrakten for Plus skal følge modellens eget grensesnitt. Den skal ikke overta standardinnstillingen eller parameterbeholderen til et åpent modellkontrollpunkt uten uttrykkelig dokumentasjon.
Verktøy og langt materiale
Familiens beskrivelse av kodeagenter omfatter verktøy og tilbakemeldinger fra miljøet. En applikasjon stiller de faktiske verktøyene til rådighet, kjører tillatte operasjoner og returnerer observasjonene til modellen. En oppgave kan be om en rapport som knytter hver konklusjon til et dokumentutdrag, en kodeidentifikator eller et synlig element. Verktøystøtte i en tilknyttet arbeidsflyt fastslår ikke i seg selv innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Produsenten oppgir funksjonskall, strukturerte utdata, nettsøk, prefiksfullføring og kontekstbufring. Satsvis inferens støttes for Beijing-aliaset og støttes ikke i de andre oppgitte regionene; finjustering støttes ikke. Produsenten beskriver aliaset som funksjonelt tilsvarende April2, mens modellversjonens separate tabell utelukker hurtigbufring og satsvis inferens.
Alibabas egen Plus-tabell angir en kontekst på 1 000 000 tokener, maksimalt 991 808 tokener inn for direkte svar eller 983 616 for tenkning, maksimalt 65 536 tokener ut i begge moduser og en separat kvote for tankerekke på 81 920 tokener. Behold dokumentgrenser og relevante kodebaner i lange inndata, fjern uvedkommende dokumentasjon og reserver plass til det nødvendige svaret. Ikke overfør den åpne 35B-A3B-modellens tall for innebygd eller utvidet kontekst til en universell grense for denne familien.
Praktisk resultat og grenser
Nyttige utdata omfatter et implementasjonsforslag basert på et skjermbilde, en forklaring på en endring i et kodelager eller en tabell over dokumentfelt med støttende dokumentasjon. En forespørsel om tekst i JSON-form etablerer ikke en kontrakt for håndhevet skjema, og en foreslått kommando er ikke en utført handling. Verifiser uthentet tekst, visuelle plasseringer og generert kode mot den oppgitte kilden. Bevar Plus-identiteten og hold det valgte aliaset eller den daterte utgaven, dokumenterte produsentgrenser og returnerte verktøyresultater uttrykkelige når du gjennomgår resultatet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen3.6-plus | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00065 / 1K tokener Utdata · Utgående tokener $0.0039 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.0008125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med256 000 | Kostnad Inndata · Inngående tokener $0.00065 / 1K tokener Utdata · Utgående tokener $0.0039 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.0008125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn256 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0026 / 1K tokener Utdata · Utgående tokener $0.0078 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer $0.00325 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen3.6-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.6-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': 'qwen3.6-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 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/qwen3.6-plus, qwen3.6-plus
/chat/completions
Teknisk eksempel på engelsk
Repair keyboard access to a disclosure\n\nA disclosure uses a clickable div to toggle its details panel. Provide a small HTML/JavaScript replacement using a native button, preserving the label 'Delivery details'. The button must expose expanded state, control the panel and work with standard keyboard activation. Include a short review checklist for closed and open states without claiming a rendered result.A bounded disclosure component proposal with synchronized expanded state and a two-state checklist.The control is a button, its expanded value matches panel visibility and its label remains unchanged.