Oversikt: Qwen2.5-basert resonnement
QwQ-Plus er den forbedrede resonnementsmodellen QwQ, bygget på Qwen2.5. Qwen beskriver forsterkningslæring som metoden som brukes til å styrke resonnementet, særlig innen matematikk og programmering, sammen med generelle oppgaver som krever instruksjonsfølging. Den mottar tekst og returnerer tekst. Velg den når arbeidet krever en forklart løsning, sammenligning eller et kodeforslag som kan kontrolleres mot de oppgitte betingelsene.
Dette er modellserien QwQ-Plus. Navnet fastslår ikke parameterantallet eller identiteten til modellvektene i et åpent QwQ-modellkontrollpunkt, og et leverandørnavn som inneholder latest, skal ikke uten videre bli en fast datert revisjon. Bruk den nøyaktige etterspurte modellidentiteten når du sammenligner utdata eller fører en reproduserbar opptegnelse over en oppgave.
Klargjøring av matematisk og logisk arbeid
Oppgi hele problemstillingen, definisjonene, enhetene og de tillatte forutsetningene. Be om sluttresultatet i en tydelig avgrenset form, og be deretter om likningene eller de logiske trinnene som trengs for å støtte det. For et planleggingsproblem med begrensninger angir du de gjennomførbare valgene og vurderingskriteriene hver for seg og ber om en tabell som viser hvilke betingelser hvert valg oppfyller. Ved en pedagogisk gjennomgang tar du med elevens løsningsforsøk og ber modellen identifisere det første ubegrunnede trinnet fremfor å skrive om hele øvelsen uten forklaring.
Dette er praktiske anvendelser av modellens dokumenterte fokus på resonnement. Det nyttige resultatet kan kontrolleres: en verdi med enheter, en konklusjon med premisser eller en sammenligning knyttet til de angitte kriteriene. Mer forklarende tekst fastslår ikke i seg selv en korrekt konklusjon, så hold forutsetningene synlige og sammenlign sluttresultatet med det opprinnelige spørsmålet.
Klargjøring av programmeringsarbeid
Oppgi relevant kode, inndataene som avdekker problemet, de observerte utdataene og ønsket oppførsel. Be om en foreslått endring, en forklaring på hvorfor den håndterer disse inndataene, og grensetilfeller som fortsatt må kontrolleres. For et algoritmespørsmål angir du inndatabegrensningene og nødvendige utdata før du ber om en fremgangsmåte. Skill generert kode fra kode som faktisk er kjørt i applikasjonens miljø.
Et nyttig svar kan skille mellom diagnose, kodeendring og forventet oppførsel. Når en liten endring kreves, ber du om en kompakt kodeendring fremfor et omskrevet prosjekt. Disse eksemplene er utformede måter å anvende QwQ-Plus’ spesialisering innen matematikk og kode på; de utgjør ikke et ekstra verktøy eller en evne til å kjøre kode.
Grenser for kontekst og svar
Den nøyaktige modellspesifikasjonen angir et kontekstvindu på 131 072 tokener, maksimalt 98 304 tokener inn og maksimalt 8 192 tokener ut. Dette er separate grenser fra produsenten. Ikke gjør den aritmetiske forskjellen mellom dem til en udokumentert, garantert plass til resonnement. Kildetekst, samtalehistorikk og svar må holde seg innenfor de gjeldende konfigurerte grensene.
For en lang spesifikasjon eller et kodeutdrag beholder du relevante del- og funksjonsidentifikatorer og ber modellen vise til dem i forklaringen. Fjern uvedkommende materiale før innsending og reserver nok plass i utdataene til den nødvendige konklusjonen. Et stort kontekstvindu er nyttig for å oppgi flere betingelser samlet; det lover ikke at alle fakta blir husket, eller at alle avhengigheter blir forstått.
Verktøy, formatering og modellspesifikke grenser
Produsentens utrullingsmatrise oppgir funksjonskall og nettsøk i enkelte konfigurasjoner og markerer dem som ikke støttet i en annen. De er derfor betingede funksjoner, ikke egenskaper som kan loves ut fra modellnavnet alene. Den samme matrisen støtter satsvis inferens i enkelte produsentkonfigurasjoner. En verktøystøttet arbeidsflyt må stille de faktiske verktøyene til rådighet og føre resultatene tilbake til tekstoppgaven. Denne beskrivelsen fastslår ikke hvilke verktøy som er tilgjengelige i en applikasjon.
Håndhevede strukturerte utdata er markert som ikke støttet. En prompt kan fortsatt be om en tabell eller et svar i JSON-form, men applikasjonen må gjennomgå resultatet fremfor å behandle forespørselen som skjemahåndheving. Den nøyaktige modellsiden beskriver en resonnementsspesialisering uten å oppgi en modellspesifikk kontrakt for en hybrid bryter for tenkning; kontroller dokumentert for nyere Qwen-generasjoner skal ikke overføres til denne utgaven.
Hold sluttresultatet enkelt å gjennomgå, kontroller beregninger mot de angitte enhetene og gjennomgå kodeforslag før kjøring. QwQ-Plus’ praktiske rolle er å arbeide seg gjennom et krevende tekstproblem og returnere en nyttig forklaring eller et resultat innenfor sine egne dokumenterte grenser.
", "aboutText": "Oversikt: Qwen2.5-basert resonnement\n\nQwQ-Plus er den forbedrede resonnementsmodellen QwQ, bygget på Qwen2.5. Qwen beskriver forsterkningslæring som metoden som brukes til å styrke resonnementet, særlig innen matematikk og programmering, sammen med generelle oppgaver som krever instruksjonsfølging. Den mottar tekst og returnerer tekst. Velg den når arbeidet krever en forklart løsning, sammenligning eller et kodeforslag som kan kontrolleres mot de oppgitte betingelsene.\n\nDette er modellserien QwQ-Plus. Navnet fastslår ikke parameterantallet eller identiteten til modellvektene i et åpent QwQ-modellkontrollpunkt, og et leverandørnavn som inneholder latest, skal ikke uten videre bli en fast datert revisjon. Bruk den nøyaktige etterspurte modellidentiteten når du sammenligner utdata eller fører en reproduserbar opptegnelse over en oppgave.\n\nKlargjøring av matematisk og logisk arbeid\n\nOppgi hele problemstillingen, definisjonene, enhetene og de tillatte forutsetningene. Be om sluttresultatet i en tydelig avgrenset form, og be deretter om likningene eller de logiske trinnene som trengs for å støtte det. For et planleggingsproblem med begrensninger angir du de gjennomførbare valgene og vurderingskriteriene hver for seg og ber om en tabell som viser hvilke betingelser hvert valg oppfyller. Ved en pedagogisk gjennomgang tar du med elevens løsningsforsøk og ber modellen identifisere det første ubegrunnede trinnet fremfor å skrive om hele øvelsen uten forklaring.\n\nDette er praktiske anvendelser av modellens dokumenterte fokus på resonnement. Det nyttige resultatet kan kontrolleres: en verdi med enheter, en konklusjon med premisser eller en sammenligning knyttet til de angitte kriteriene. Mer forklarende tekst fastslår ikke i seg selv en korrekt konklusjon, så hold forutsetningene synlige og sammenlign sluttresultatet med det opprinnelige spørsmålet.\n\nKlargjøring av programmeringsarbeid\n\nOppgi relevant kode, inndataene som avdekker problemet, de observerte utdataene og ønsket oppførsel. Be om en foreslått endring, en forklaring på hvorfor den håndterer disse inndataene, og grensetilfeller som fortsatt må kontrolleres. For et algoritmespørsmål angir du inndatabegrensningene og nødvendige utdata før du ber om en fremgangsmåte. Skill generert kode fra kode som faktisk er kjørt i applikasjonens miljø.\n\nEt nyttig svar kan skille mellom diagnose, kodeendring og forventet oppførsel. Når en liten endring kreves, ber du om en kompakt kodeendring fremfor et omskrevet prosjekt. Disse eksemplene er utformede måter å anvende QwQ-Plus’ spesialisering innen matematikk og kode på; de utgjør ikke et ekstra verktøy eller en evne til å kjøre kode.\n\nGrenser for kontekst og svar\n\nDen nøyaktige modellspesifikasjonen angir et kontekstvindu på 131 072 tokener, maksimalt 98 304 tokener inn og maksimalt 8 192 tokener ut. Dette er separate grenser fra produsenten. Ikke gjør den aritmetiske forskjellen mellom dem til en udokumentert, garantert plass til resonnement. Kildetekst, samtalehistorikk og svar må holde seg innenfor de gjeldende konfigurerte grensene.\n\nFor en lang spesifikasjon eller et kodeutdrag beholder du relevante del- og funksjonsidentifikatorer og ber modellen vise til dem i forklaringen. Fjern uvedkommende materiale før innsending og reserver nok plass i utdataene til den nødvendige konklusjonen. Et stort kontekstvindu er nyttig for å oppgi flere betingelser samlet; det lover ikke at alle fakta blir husket, eller at alle avhengigheter blir forstått.\n\nVerktøy, formatering og modellspesifikke grenser\n\nProdusentens utrullingsmatrise oppgir funksjonskall og nettsøk i enkelte konfigurasjoner og markerer dem som ikke støttet i en annen. De er derfor betingede funksjoner, ikke egenskaper som kan loves ut fra modellnavnet alene. Den samme matrisen støtter satsvis inferens i enkelte produsentkonfigurasjoner. En verktøystøttet arbeidsflyt må stille de faktiske verktøyene til rådighet og føre resultatene tilbake til tekstoppgaven. Denne beskrivelsen fastslår ikke hvilke verktøy som er tilgjengelige i en applikasjon.\n\nHåndhevede strukturerte utdata er markert som ikke støttet. En prompt kan fortsatt be om en tabell eller et svar i JSON-form, men applikasjonen må gjennomgå resultatet fremfor å behandle forespørselen som skjemahåndheving. Den nøyaktige modellsiden beskriver en resonnementsspesialisering uten å oppgi en modellspesifikk kontrakt for en hybrid bryter for tenkning; kontroller dokumentert for nyere Qwen-generasjoner skal ikke overføres til denne utgaven.\n\nHold sluttresultatet enkelt å gjennomgå, kontroller beregninger mot de angitte enhetene og gjennomgå kodeforslag før kjøring. QwQ-Plus’ praktiske rolle er å arbeide seg gjennom et krevende tekstproblem og returnere en nyttig forklaring eller et resultat innenfor sine egne dokumenterte grenser.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.qwq-plusQwQ-Plus er Qwens resonnementsmodell basert på Qwen2.5, styrket gjennom forsterkningslæring for matematiske, kodebaserte og logiske tekstoppgaver. Den egne spesifikasjonen oppgir en kontekst på 131 072 tokener, maksimalt 98 304 tokener inn og maksimalt 8 192 tokener ut.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Oversikt: Qwen2.5-basert resonnement
QwQ-Plus er den forbedrede resonnementsmodellen QwQ, bygget på Qwen2.5. Qwen beskriver forsterkningslæring som metoden som brukes til å styrke resonnementet, særlig innen matematikk og programmering, sammen med generelle oppgaver som krever instruksjonsfølging. Den mottar tekst og returnerer tekst. Velg den når arbeidet krever en forklart løsning, sammenligning eller et kodeforslag som kan kontrolleres mot de oppgitte betingelsene.
Dette er modellserien QwQ-Plus. Navnet fastslår ikke parameterantallet eller identiteten til modellvektene i et åpent QwQ-modellkontrollpunkt, og et leverandørnavn som inneholder latest, skal ikke uten videre bli en fast datert revisjon. Bruk den nøyaktige etterspurte modellidentiteten når du sammenligner utdata eller fører en reproduserbar opptegnelse over en oppgave.
Klargjøring av matematisk og logisk arbeid
Oppgi hele problemstillingen, definisjonene, enhetene og de tillatte forutsetningene. Be om sluttresultatet i en tydelig avgrenset form, og be deretter om likningene eller de logiske trinnene som trengs for å støtte det. For et planleggingsproblem med begrensninger angir du de gjennomførbare valgene og vurderingskriteriene hver for seg og ber om en tabell som viser hvilke betingelser hvert valg oppfyller. Ved en pedagogisk gjennomgang tar du med elevens løsningsforsøk og ber modellen identifisere det første ubegrunnede trinnet fremfor å skrive om hele øvelsen uten forklaring.
Dette er praktiske anvendelser av modellens dokumenterte fokus på resonnement. Det nyttige resultatet kan kontrolleres: en verdi med enheter, en konklusjon med premisser eller en sammenligning knyttet til de angitte kriteriene. Mer forklarende tekst fastslår ikke i seg selv en korrekt konklusjon, så hold forutsetningene synlige og sammenlign sluttresultatet med det opprinnelige spørsmålet.
Klargjøring av programmeringsarbeid
Oppgi relevant kode, inndataene som avdekker problemet, de observerte utdataene og ønsket oppførsel. Be om en foreslått endring, en forklaring på hvorfor den håndterer disse inndataene, og grensetilfeller som fortsatt må kontrolleres. For et algoritmespørsmål angir du inndatabegrensningene og nødvendige utdata før du ber om en fremgangsmåte. Skill generert kode fra kode som faktisk er kjørt i applikasjonens miljø.
Et nyttig svar kan skille mellom diagnose, kodeendring og forventet oppførsel. Når en liten endring kreves, ber du om en kompakt kodeendring fremfor et omskrevet prosjekt. Disse eksemplene er utformede måter å anvende QwQ-Plus’ spesialisering innen matematikk og kode på; de utgjør ikke et ekstra verktøy eller en evne til å kjøre kode.
Grenser for kontekst og svar
Den nøyaktige modellspesifikasjonen angir et kontekstvindu på 131 072 tokener, maksimalt 98 304 tokener inn og maksimalt 8 192 tokener ut. Dette er separate grenser fra produsenten. Ikke gjør den aritmetiske forskjellen mellom dem til en udokumentert, garantert plass til resonnement. Kildetekst, samtalehistorikk og svar må holde seg innenfor de gjeldende konfigurerte grensene.
For en lang spesifikasjon eller et kodeutdrag beholder du relevante del- og funksjonsidentifikatorer og ber modellen vise til dem i forklaringen. Fjern uvedkommende materiale før innsending og reserver nok plass i utdataene til den nødvendige konklusjonen. Et stort kontekstvindu er nyttig for å oppgi flere betingelser samlet; det lover ikke at alle fakta blir husket, eller at alle avhengigheter blir forstått.
Verktøy, formatering og modellspesifikke grenser
Produsentens utrullingsmatrise oppgir funksjonskall og nettsøk i enkelte konfigurasjoner og markerer dem som ikke støttet i en annen. De er derfor betingede funksjoner, ikke egenskaper som kan loves ut fra modellnavnet alene. Den samme matrisen støtter satsvis inferens i enkelte produsentkonfigurasjoner. En verktøystøttet arbeidsflyt må stille de faktiske verktøyene til rådighet og føre resultatene tilbake til tekstoppgaven. Denne beskrivelsen fastslår ikke hvilke verktøy som er tilgjengelige i en applikasjon.
Håndhevede strukturerte utdata er markert som ikke støttet. En prompt kan fortsatt be om en tabell eller et svar i JSON-form, men applikasjonen må gjennomgå resultatet fremfor å behandle forespørselen som skjemahåndheving. Den nøyaktige modellsiden beskriver en resonnementsspesialisering uten å oppgi en modellspesifikk kontrakt for en hybrid bryter for tenkning; kontroller dokumentert for nyere Qwen-generasjoner skal ikke overføres til denne utgaven.
Hold sluttresultatet enkelt å gjennomgå, kontroller beregninger mot de angitte enhetene og gjennomgå kodeforslag før kjøring. QwQ-Plus’ praktiske rolle er å arbeide seg gjennom et krevende tekstproblem og returnere en nyttig forklaring eller et resultat innenfor sine egne dokumenterte grenser.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwq-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.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.00046 / 1K tokener Utdata · Utgående tokener $0.00116 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwq-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwq-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwq-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwq-plus
Bruk metodestiene som vises ovenfor.
qwq-plusQwQ-Plus er Qwens resonnementsmodell basert på Qwen2.5, styrket gjennom forsterkningslæring for matematiske, kodebaserte og logiske tekstoppgaver. Den egne spesifikasjonen oppgir en kontekst på 131 072 tokener, maksimalt 98 304 tokener inn og maksimalt 8 192 tokener ut.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Oversikt: Qwen2.5-basert resonnement
QwQ-Plus er den forbedrede resonnementsmodellen QwQ, bygget på Qwen2.5. Qwen beskriver forsterkningslæring som metoden som brukes til å styrke resonnementet, særlig innen matematikk og programmering, sammen med generelle oppgaver som krever instruksjonsfølging. Den mottar tekst og returnerer tekst. Velg den når arbeidet krever en forklart løsning, sammenligning eller et kodeforslag som kan kontrolleres mot de oppgitte betingelsene.
Dette er modellserien QwQ-Plus. Navnet fastslår ikke parameterantallet eller identiteten til modellvektene i et åpent QwQ-modellkontrollpunkt, og et leverandørnavn som inneholder latest, skal ikke uten videre bli en fast datert revisjon. Bruk den nøyaktige etterspurte modellidentiteten når du sammenligner utdata eller fører en reproduserbar opptegnelse over en oppgave.
Klargjøring av matematisk og logisk arbeid
Oppgi hele problemstillingen, definisjonene, enhetene og de tillatte forutsetningene. Be om sluttresultatet i en tydelig avgrenset form, og be deretter om likningene eller de logiske trinnene som trengs for å støtte det. For et planleggingsproblem med begrensninger angir du de gjennomførbare valgene og vurderingskriteriene hver for seg og ber om en tabell som viser hvilke betingelser hvert valg oppfyller. Ved en pedagogisk gjennomgang tar du med elevens løsningsforsøk og ber modellen identifisere det første ubegrunnede trinnet fremfor å skrive om hele øvelsen uten forklaring.
Dette er praktiske anvendelser av modellens dokumenterte fokus på resonnement. Det nyttige resultatet kan kontrolleres: en verdi med enheter, en konklusjon med premisser eller en sammenligning knyttet til de angitte kriteriene. Mer forklarende tekst fastslår ikke i seg selv en korrekt konklusjon, så hold forutsetningene synlige og sammenlign sluttresultatet med det opprinnelige spørsmålet.
Klargjøring av programmeringsarbeid
Oppgi relevant kode, inndataene som avdekker problemet, de observerte utdataene og ønsket oppførsel. Be om en foreslått endring, en forklaring på hvorfor den håndterer disse inndataene, og grensetilfeller som fortsatt må kontrolleres. For et algoritmespørsmål angir du inndatabegrensningene og nødvendige utdata før du ber om en fremgangsmåte. Skill generert kode fra kode som faktisk er kjørt i applikasjonens miljø.
Et nyttig svar kan skille mellom diagnose, kodeendring og forventet oppførsel. Når en liten endring kreves, ber du om en kompakt kodeendring fremfor et omskrevet prosjekt. Disse eksemplene er utformede måter å anvende QwQ-Plus’ spesialisering innen matematikk og kode på; de utgjør ikke et ekstra verktøy eller en evne til å kjøre kode.
Grenser for kontekst og svar
Den nøyaktige modellspesifikasjonen angir et kontekstvindu på 131 072 tokener, maksimalt 98 304 tokener inn og maksimalt 8 192 tokener ut. Dette er separate grenser fra produsenten. Ikke gjør den aritmetiske forskjellen mellom dem til en udokumentert, garantert plass til resonnement. Kildetekst, samtalehistorikk og svar må holde seg innenfor de gjeldende konfigurerte grensene.
For en lang spesifikasjon eller et kodeutdrag beholder du relevante del- og funksjonsidentifikatorer og ber modellen vise til dem i forklaringen. Fjern uvedkommende materiale før innsending og reserver nok plass i utdataene til den nødvendige konklusjonen. Et stort kontekstvindu er nyttig for å oppgi flere betingelser samlet; det lover ikke at alle fakta blir husket, eller at alle avhengigheter blir forstått.
Verktøy, formatering og modellspesifikke grenser
Produsentens utrullingsmatrise oppgir funksjonskall og nettsøk i enkelte konfigurasjoner og markerer dem som ikke støttet i en annen. De er derfor betingede funksjoner, ikke egenskaper som kan loves ut fra modellnavnet alene. Den samme matrisen støtter satsvis inferens i enkelte produsentkonfigurasjoner. En verktøystøttet arbeidsflyt må stille de faktiske verktøyene til rådighet og føre resultatene tilbake til tekstoppgaven. Denne beskrivelsen fastslår ikke hvilke verktøy som er tilgjengelige i en applikasjon.
Håndhevede strukturerte utdata er markert som ikke støttet. En prompt kan fortsatt be om en tabell eller et svar i JSON-form, men applikasjonen må gjennomgå resultatet fremfor å behandle forespørselen som skjemahåndheving. Den nøyaktige modellsiden beskriver en resonnementsspesialisering uten å oppgi en modellspesifikk kontrakt for en hybrid bryter for tenkning; kontroller dokumentert for nyere Qwen-generasjoner skal ikke overføres til denne utgaven.
Hold sluttresultatet enkelt å gjennomgå, kontroller beregninger mot de angitte enhetene og gjennomgå kodeforslag før kjøring. QwQ-Plus’ praktiske rolle er å arbeide seg gjennom et krevende tekstproblem og returnere en nyttig forklaring eller et resultat innenfor sine egne dokumenterte grenser.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwq-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.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.00046 / 1K tokener Utdata · Utgående tokener $0.00116 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwq-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwq-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwq-plus
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.