Qwen3.7 Flash-utgivelsen
Qwen3.7 Flash er en modellfamilie med innebygd syns- og språkforståelse som tolker tekst, bilder og video og gir tekstsvar. Utviklerens utgivelsesbeskrivelse omtaler sterkere multimodal persepsjon og agentutførelse sammenlignet med Qwen3.6 Flash. Det praktiske oppgaveområdet omfatter objektgjenkjenning, forståelse av visuelle scener, resonnering om romlige forhold og utarbeiding av kode eller forklaringer fra visuelt materiale.
Den offisielle utgivelsen navngir både qwen3.7-flash og den daterte qwen3.7-flash-2026-07-15. Behold det nøyaktige modellnavnet når du registrerer et resultat: det udaterte Flash-navnet identifiserer ikke et fast produsentøyeblikksbilde. Utgivelsesbeskrivelsen som brukes her, fastslår verken et parameterantall for en åpen modellversjon eller en numerisk representasjon.
Objektgjenkjenning, persepsjon av den virkelige verden og rom
Gi modellen et scenebilde med et konkret spørsmål: hvilket objekt som er viktig, hvilket forhold som skal undersøkes, og hvilke synlige detaljer som skal underbygge svaret. For et diagram bevarer du etiketter og legger ved definisjonene som trengs for å tolke dem. Nyttige utdata skiller observasjoner fra utledede sammenhenger, slik at forklaringen blir enklere å sammenligne med kilden.
For flere bilder merker du hvert bilde og ber om en sammenligning organisert etter disse etikettene. For video identifiserer du den relevante hendelsen og bevarer informasjon om rekkefølge eller tidspunkt. Kontroller nøyaktige antall, romlige målinger og observasjoner på bildenivå mot det vedlagte materialet.
Multimodale agenter
Utgivelsen fremhever scenarioer med Search Agent og kodetolkagenter, med mer stabil utførelse over flere steg. I en slik arbeidsflyt tilbyr programmet de tillatte verktøyene, utfører handlingene deres og returnerer observasjonene. Modellen kan bruke disse resultatene til å oppdatere planen. Beskriv målet og betingelsen for fullføring, og be om en endelig leveranse samt eventuelt uavklart kildegrunnlag. Produsenten oppgir funksjonskall, strukturerte utdata, prefiksfullføring og kontekstbufring. Nettsøk støttes i Beijing og Singapore og støttes ikke i de øvrige oppførte regionene. Batchinferens støttes for Beijing-aliaset og støttes ikke andre steder; finjustering støttes ikke.
En modells agentspesialisering bør ikke forveksles med innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Når en oppgave krever innhenting eller kjøring av kode, skiller du mellom resultatet som returneres av et faktisk verktøy, og en foreslått handling i modellens tekst. Denne beskrivelsen fastslår ikke hvilke verktøy et annet program eksponerer.
Visuell programmering
Qwen beskriver forbedret programmering basert på visuelt materiale. En nyttig forespørsel kan kombinere et skjermbilde eller en layout med funksjonskrav og be om redigerbar kode. Angi rammeverket eller utdataformen, interaksjonstilstandene og begrensningene i oppgaven. Be om den genererte leveransen separat fra forklaringen, slik at den kan vurderes eller rendres av utviklingsarbeidsflyten.
For et eksisterende grensesnitt identifiserer du den tiltenkte endringen og relevant kildekontekst fremfor å be om en urelatert redesign. Modellen kan knytte et visuelt krav til et kodeforslag; forslaget er ikke bevis på at grensesnittet er rendret eller fungerer korrekt. Disse oppgaveeksemplene anvender utviklerens område for visuell programmering uten å legge til noen garanti for utførelse.
Tenkning og direkte svar
Utviklerens veiledning for støttede modeller oppgir Qwen3.7 Flash som en familie med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan deaktivere tenkning for et direkte svar. Hold resonneringsutdata atskilt fra sluttsvaret når et grensesnitt tilbyr begge deler. Kontroller for en separat navngitt Qwen-Omni-modell eller en åpen tett modell bør ikke importeres bare fordi de deler Qwen-navnet.
Bruk dypere analyse for et visuelt spørsmål som knytter sammen flere observasjoner; be om et direkte resultat for en enkel beskrivelse. Angi en sluttstruktur som kan kontrolleres, for eksempel en observasjonstabell, en kortfattet konklusjon eller kodefiler, fremfor å bruke svarlengden som et kvalitetssignal.
Grenser og forberedelse av inndata
Alibabas dedikerte Qwen3.7-Flash-side oppgir en kontekst på 1,000,000 tokener, maksimalt 991,808 tokener i inndata for direkte svar eller 983,616 for tenkning, og maksimalt 131,072 i utdata i begge moduser. Den oppgir separat en maksimal tankerekke på 262,144 tokener. Hold relevante visuelle detaljer lesbare, fjern urelatert materiale og sett av plass til det nødvendige resultatet. Kontroller objektetiketter, romlige slutninger, uthentet tekst og kodeforslag mot det vedlagte kildegrunnlaget. Den nyttige beskrivelsen er utviklerens konkrete område for persepsjon, agenter og visuell programmering, med hybrid svarmodus bevart.
", "aboutText": "Qwen3.7 Flash-utgivelsen\n\nQwen3.7 Flash er en modellfamilie med innebygd syns- og språkforståelse som tolker tekst, bilder og video og gir tekstsvar. Utviklerens utgivelsesbeskrivelse omtaler sterkere multimodal persepsjon og agentutførelse sammenlignet med Qwen3.6 Flash. Det praktiske oppgaveområdet omfatter objektgjenkjenning, forståelse av visuelle scener, resonnering om romlige forhold og utarbeiding av kode eller forklaringer fra visuelt materiale.\n\nDen offisielle utgivelsen navngir både qwen3.7-flash og den daterte qwen3.7-flash-2026-07-15. Behold det nøyaktige modellnavnet når du registrerer et resultat: det udaterte Flash-navnet identifiserer ikke et fast produsentøyeblikksbilde. Utgivelsesbeskrivelsen som brukes her, fastslår verken et parameterantall for en åpen modellversjon eller en numerisk representasjon.\n\nObjektgjenkjenning, persepsjon av den virkelige verden og rom\n\nGi modellen et scenebilde med et konkret spørsmål: hvilket objekt som er viktig, hvilket forhold som skal undersøkes, og hvilke synlige detaljer som skal underbygge svaret. For et diagram bevarer du etiketter og legger ved definisjonene som trengs for å tolke dem. Nyttige utdata skiller observasjoner fra utledede sammenhenger, slik at forklaringen blir enklere å sammenligne med kilden.\n\nFor flere bilder merker du hvert bilde og ber om en sammenligning organisert etter disse etikettene. For video identifiserer du den relevante hendelsen og bevarer informasjon om rekkefølge eller tidspunkt. Kontroller nøyaktige antall, romlige målinger og observasjoner på bildenivå mot det vedlagte materialet.\n\nMultimodale agenter\n\nUtgivelsen fremhever scenarioer med Search Agent og kodetolkagenter, med mer stabil utførelse over flere steg. I en slik arbeidsflyt tilbyr programmet de tillatte verktøyene, utfører handlingene deres og returnerer observasjonene. Modellen kan bruke disse resultatene til å oppdatere planen. Beskriv målet og betingelsen for fullføring, og be om en endelig leveranse samt eventuelt uavklart kildegrunnlag. Produsenten oppgir funksjonskall, strukturerte utdata, prefiksfullføring og kontekstbufring. Nettsøk støttes i Beijing og Singapore og støttes ikke i de øvrige oppførte regionene. Batchinferens støttes for Beijing-aliaset og støttes ikke andre steder; finjustering støttes ikke.\n\nEn modells agentspesialisering bør ikke forveksles med innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Når en oppgave krever innhenting eller kjøring av kode, skiller du mellom resultatet som returneres av et faktisk verktøy, og en foreslått handling i modellens tekst. Denne beskrivelsen fastslår ikke hvilke verktøy et annet program eksponerer.\n\nVisuell programmering\n\nQwen beskriver forbedret programmering basert på visuelt materiale. En nyttig forespørsel kan kombinere et skjermbilde eller en layout med funksjonskrav og be om redigerbar kode. Angi rammeverket eller utdataformen, interaksjonstilstandene og begrensningene i oppgaven. Be om den genererte leveransen separat fra forklaringen, slik at den kan vurderes eller rendres av utviklingsarbeidsflyten.\n\nFor et eksisterende grensesnitt identifiserer du den tiltenkte endringen og relevant kildekontekst fremfor å be om en urelatert redesign. Modellen kan knytte et visuelt krav til et kodeforslag; forslaget er ikke bevis på at grensesnittet er rendret eller fungerer korrekt. Disse oppgaveeksemplene anvender utviklerens område for visuell programmering uten å legge til noen garanti for utførelse.\n\nTenkning og direkte svar\n\nUtviklerens veiledning for støttede modeller oppgir Qwen3.7 Flash som en familie med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan deaktivere tenkning for et direkte svar. Hold resonneringsutdata atskilt fra sluttsvaret når et grensesnitt tilbyr begge deler. Kontroller for en separat navngitt Qwen-Omni-modell eller en åpen tett modell bør ikke importeres bare fordi de deler Qwen-navnet.\n\nBruk dypere analyse for et visuelt spørsmål som knytter sammen flere observasjoner; be om et direkte resultat for en enkel beskrivelse. Angi en sluttstruktur som kan kontrolleres, for eksempel en observasjonstabell, en kortfattet konklusjon eller kodefiler, fremfor å bruke svarlengden som et kvalitetssignal.\n\nGrenser og forberedelse av inndata\n\nAlibabas dedikerte Qwen3.7-Flash-side oppgir en kontekst på 1,000,000 tokener, maksimalt 991,808 tokener i inndata for direkte svar eller 983,616 for tenkning, og maksimalt 131,072 i utdata i begge moduser. Den oppgir separat en maksimal tankerekke på 262,144 tokener. Hold relevante visuelle detaljer lesbare, fjern urelatert materiale og sett av plass til det nødvendige resultatet. Kontroller objektetiketter, romlige slutninger, uthentet tekst og kodeforslag mot det vedlagte kildegrunnlaget. Den nyttige beskrivelsen er utviklerens konkrete område for persepsjon, agenter og visuell programmering, med hybrid svarmodus bevart.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.qwen/qwen3.7-flashQwen3.7 Flash er Qwens familie av syns- og språkmodeller for tekst, bilder og video, med tekst som utdata. Utvikleren fremhever sterkere objektgjenkjenning, romlig forståelse, multimodalt agentarbeid og visuell programmering, med tenkning aktivert som standard og en valgfri modus for direkte svar.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3.7 Flash-utgivelsen
Qwen3.7 Flash er en modellfamilie med innebygd syns- og språkforståelse som tolker tekst, bilder og video og gir tekstsvar. Utviklerens utgivelsesbeskrivelse omtaler sterkere multimodal persepsjon og agentutførelse sammenlignet med Qwen3.6 Flash. Det praktiske oppgaveområdet omfatter objektgjenkjenning, forståelse av visuelle scener, resonnering om romlige forhold og utarbeiding av kode eller forklaringer fra visuelt materiale.
Den offisielle utgivelsen navngir både qwen3.7-flash og den daterte qwen3.7-flash-2026-07-15. Behold det nøyaktige modellnavnet når du registrerer et resultat: det udaterte Flash-navnet identifiserer ikke et fast produsentøyeblikksbilde. Utgivelsesbeskrivelsen som brukes her, fastslår verken et parameterantall for en åpen modellversjon eller en numerisk representasjon.
Objektgjenkjenning, persepsjon av den virkelige verden og rom
Gi modellen et scenebilde med et konkret spørsmål: hvilket objekt som er viktig, hvilket forhold som skal undersøkes, og hvilke synlige detaljer som skal underbygge svaret. For et diagram bevarer du etiketter og legger ved definisjonene som trengs for å tolke dem. Nyttige utdata skiller observasjoner fra utledede sammenhenger, slik at forklaringen blir enklere å sammenligne med kilden.
For flere bilder merker du hvert bilde og ber om en sammenligning organisert etter disse etikettene. For video identifiserer du den relevante hendelsen og bevarer informasjon om rekkefølge eller tidspunkt. Kontroller nøyaktige antall, romlige målinger og observasjoner på bildenivå mot det vedlagte materialet.
Multimodale agenter
Utgivelsen fremhever scenarioer med Search Agent og kodetolkagenter, med mer stabil utførelse over flere steg. I en slik arbeidsflyt tilbyr programmet de tillatte verktøyene, utfører handlingene deres og returnerer observasjonene. Modellen kan bruke disse resultatene til å oppdatere planen. Beskriv målet og betingelsen for fullføring, og be om en endelig leveranse samt eventuelt uavklart kildegrunnlag. Produsenten oppgir funksjonskall, strukturerte utdata, prefiksfullføring og kontekstbufring. Nettsøk støttes i Beijing og Singapore og støttes ikke i de øvrige oppførte regionene. Batchinferens støttes for Beijing-aliaset og støttes ikke andre steder; finjustering støttes ikke.
En modells agentspesialisering bør ikke forveksles med innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Når en oppgave krever innhenting eller kjøring av kode, skiller du mellom resultatet som returneres av et faktisk verktøy, og en foreslått handling i modellens tekst. Denne beskrivelsen fastslår ikke hvilke verktøy et annet program eksponerer.
Visuell programmering
Qwen beskriver forbedret programmering basert på visuelt materiale. En nyttig forespørsel kan kombinere et skjermbilde eller en layout med funksjonskrav og be om redigerbar kode. Angi rammeverket eller utdataformen, interaksjonstilstandene og begrensningene i oppgaven. Be om den genererte leveransen separat fra forklaringen, slik at den kan vurderes eller rendres av utviklingsarbeidsflyten.
For et eksisterende grensesnitt identifiserer du den tiltenkte endringen og relevant kildekontekst fremfor å be om en urelatert redesign. Modellen kan knytte et visuelt krav til et kodeforslag; forslaget er ikke bevis på at grensesnittet er rendret eller fungerer korrekt. Disse oppgaveeksemplene anvender utviklerens område for visuell programmering uten å legge til noen garanti for utførelse.
Tenkning og direkte svar
Utviklerens veiledning for støttede modeller oppgir Qwen3.7 Flash som en familie med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan deaktivere tenkning for et direkte svar. Hold resonneringsutdata atskilt fra sluttsvaret når et grensesnitt tilbyr begge deler. Kontroller for en separat navngitt Qwen-Omni-modell eller en åpen tett modell bør ikke importeres bare fordi de deler Qwen-navnet.
Bruk dypere analyse for et visuelt spørsmål som knytter sammen flere observasjoner; be om et direkte resultat for en enkel beskrivelse. Angi en sluttstruktur som kan kontrolleres, for eksempel en observasjonstabell, en kortfattet konklusjon eller kodefiler, fremfor å bruke svarlengden som et kvalitetssignal.
Grenser og forberedelse av inndata
Alibabas dedikerte Qwen3.7-Flash-side oppgir en kontekst på 1,000,000 tokener, maksimalt 991,808 tokener i inndata for direkte svar eller 983,616 for tenkning, og maksimalt 131,072 i utdata i begge moduser. Den oppgir separat en maksimal tankerekke på 262,144 tokener. Hold relevante visuelle detaljer lesbare, fjern urelatert materiale og sett av plass til det nødvendige resultatet. Kontroller objektetiketter, romlige slutninger, uthentet tekst og kodeforslag mot det vedlagte kildegrunnlaget. Den nyttige beskrivelsen er utviklerens konkrete område for persepsjon, agenter og visuell programmering, med hybrid svarmodus bevart.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen3.7-flash | 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 $0.00006 / 1K tokener Utdata · Utgående tokener $0.00026 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000012 / 1K tokener Inndata · Skriving til hurtigbuffer $0.000076 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med32 000 | Kostnad Inndata · Inngående tokener $0.00006 / 1K tokener Utdata · Utgående tokener $0.00026 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000012 / 1K tokener Inndata · Skriving til hurtigbuffer $0.000076 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn32 000 | Konteksttokener, opptil og med256 000 | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.00025 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå for forespørselslengde 3 | Prisplan— | Konteksttokener, mer enn256 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0004 / 1K tokener Utdata · Utgående tokener $0.0016 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.7-flash", "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/qwen3.7-flash',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/qwen3.7-flash',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/qwen3.7-flash
Bruk metodestiene som vises ovenfor.
qwen/qwen3.7-flashQwen3.7 Flash er Qwens familie av syns- og språkmodeller for tekst, bilder og video, med tekst som utdata. Utvikleren fremhever sterkere objektgjenkjenning, romlig forståelse, multimodalt agentarbeid og visuell programmering, med tenkning aktivert som standard og en valgfri modus for direkte svar.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3.7 Flash-utgivelsen
Qwen3.7 Flash er en modellfamilie med innebygd syns- og språkforståelse som tolker tekst, bilder og video og gir tekstsvar. Utviklerens utgivelsesbeskrivelse omtaler sterkere multimodal persepsjon og agentutførelse sammenlignet med Qwen3.6 Flash. Det praktiske oppgaveområdet omfatter objektgjenkjenning, forståelse av visuelle scener, resonnering om romlige forhold og utarbeiding av kode eller forklaringer fra visuelt materiale.
Den offisielle utgivelsen navngir både qwen3.7-flash og den daterte qwen3.7-flash-2026-07-15. Behold det nøyaktige modellnavnet når du registrerer et resultat: det udaterte Flash-navnet identifiserer ikke et fast produsentøyeblikksbilde. Utgivelsesbeskrivelsen som brukes her, fastslår verken et parameterantall for en åpen modellversjon eller en numerisk representasjon.
Objektgjenkjenning, persepsjon av den virkelige verden og rom
Gi modellen et scenebilde med et konkret spørsmål: hvilket objekt som er viktig, hvilket forhold som skal undersøkes, og hvilke synlige detaljer som skal underbygge svaret. For et diagram bevarer du etiketter og legger ved definisjonene som trengs for å tolke dem. Nyttige utdata skiller observasjoner fra utledede sammenhenger, slik at forklaringen blir enklere å sammenligne med kilden.
For flere bilder merker du hvert bilde og ber om en sammenligning organisert etter disse etikettene. For video identifiserer du den relevante hendelsen og bevarer informasjon om rekkefølge eller tidspunkt. Kontroller nøyaktige antall, romlige målinger og observasjoner på bildenivå mot det vedlagte materialet.
Multimodale agenter
Utgivelsen fremhever scenarioer med Search Agent og kodetolkagenter, med mer stabil utførelse over flere steg. I en slik arbeidsflyt tilbyr programmet de tillatte verktøyene, utfører handlingene deres og returnerer observasjonene. Modellen kan bruke disse resultatene til å oppdatere planen. Beskriv målet og betingelsen for fullføring, og be om en endelig leveranse samt eventuelt uavklart kildegrunnlag. Produsenten oppgir funksjonskall, strukturerte utdata, prefiksfullføring og kontekstbufring. Nettsøk støttes i Beijing og Singapore og støttes ikke i de øvrige oppførte regionene. Batchinferens støttes for Beijing-aliaset og støttes ikke andre steder; finjustering støttes ikke.
En modells agentspesialisering bør ikke forveksles med innebygd tilgang til oppdaterte kilder eller et kjøremiljø i alle grensesnitt. Når en oppgave krever innhenting eller kjøring av kode, skiller du mellom resultatet som returneres av et faktisk verktøy, og en foreslått handling i modellens tekst. Denne beskrivelsen fastslår ikke hvilke verktøy et annet program eksponerer.
Visuell programmering
Qwen beskriver forbedret programmering basert på visuelt materiale. En nyttig forespørsel kan kombinere et skjermbilde eller en layout med funksjonskrav og be om redigerbar kode. Angi rammeverket eller utdataformen, interaksjonstilstandene og begrensningene i oppgaven. Be om den genererte leveransen separat fra forklaringen, slik at den kan vurderes eller rendres av utviklingsarbeidsflyten.
For et eksisterende grensesnitt identifiserer du den tiltenkte endringen og relevant kildekontekst fremfor å be om en urelatert redesign. Modellen kan knytte et visuelt krav til et kodeforslag; forslaget er ikke bevis på at grensesnittet er rendret eller fungerer korrekt. Disse oppgaveeksemplene anvender utviklerens område for visuell programmering uten å legge til noen garanti for utførelse.
Tenkning og direkte svar
Utviklerens veiledning for støttede modeller oppgir Qwen3.7 Flash som en familie med hybrid tenkning, der tenkning er aktivert som standard. Den dokumenterte hybride arbeidsflyten kan deaktivere tenkning for et direkte svar. Hold resonneringsutdata atskilt fra sluttsvaret når et grensesnitt tilbyr begge deler. Kontroller for en separat navngitt Qwen-Omni-modell eller en åpen tett modell bør ikke importeres bare fordi de deler Qwen-navnet.
Bruk dypere analyse for et visuelt spørsmål som knytter sammen flere observasjoner; be om et direkte resultat for en enkel beskrivelse. Angi en sluttstruktur som kan kontrolleres, for eksempel en observasjonstabell, en kortfattet konklusjon eller kodefiler, fremfor å bruke svarlengden som et kvalitetssignal.
Grenser og forberedelse av inndata
Alibabas dedikerte Qwen3.7-Flash-side oppgir en kontekst på 1,000,000 tokener, maksimalt 991,808 tokener i inndata for direkte svar eller 983,616 for tenkning, og maksimalt 131,072 i utdata i begge moduser. Den oppgir separat en maksimal tankerekke på 262,144 tokener. Hold relevante visuelle detaljer lesbare, fjern urelatert materiale og sett av plass til det nødvendige resultatet. Kontroller objektetiketter, romlige slutninger, uthentet tekst og kodeforslag mot det vedlagte kildegrunnlaget. Den nyttige beskrivelsen er utviklerens konkrete område for persepsjon, agenter og visuell programmering, med hybrid svarmodus bevart.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen3.7-flash | 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 $0.00006 / 1K tokener Utdata · Utgående tokener $0.00026 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000012 / 1K tokener Inndata · Skriving til hurtigbuffer $0.000076 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med32 000 | Kostnad Inndata · Inngående tokener $0.00006 / 1K tokener Utdata · Utgående tokener $0.00026 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000012 / 1K tokener Inndata · Skriving til hurtigbuffer $0.000076 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn32 000 | Konteksttokener, opptil og med256 000 | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.00025 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå for forespørselslengde 3 | Prisplan— | Konteksttokener, mer enn256 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0004 / 1K tokener Utdata · Utgående tokener $0.0016 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen/qwen3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.7-flash', '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/qwen3.7-flash', '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/qwen3.7-flash
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.