Qwen-Max (2025-01-25) is de tekstsnapshot van 25 januari die de fabrikant functioneel gelijkwaardig noemt aan zijn Qwen-Max-profiel. Qwen-Max behoort tot Alibaba’s Qwen-familie en verwerkt invoer in meerdere talen, waaronder Chinees en Engels. De beschreven taaltaken omvatten codegeneratie, logisch redeneren, creatief schrijven, JSON-opmaak en gesprekken vanuit een bepaalde rol.
Geef het model de voorwaarden, het bewijsmateriaal en de besliscriteria die voor de taak nodig zijn. Een beoordeling van eisen kan vragen om overeenkomsten, tegenstrijdigheden en vragen die nog openstaan. Bij een vergelijking kun je de belangrijke criteria aangeven en om een uitleg vragen van hoe elke optie daaraan voldoet. Houd uitspraken uit bronnen gescheiden van aannames, zodat het antwoord aan het aangeleverde materiaal kan worden getoetst.
Geef bij een programmeerverzoek de taal, de relevante broncode en het verwachte gedrag. Vraag om een voorgestelde implementatie en een uitleg van de logica die wordt geraakt. Sla de resulterende code op en voer hem uit in de ontwikkelomgeving om de wijziging te verifiëren. Geef voor schrijfwerk de doelgroep, het doel en de verplichte feiten aan en vraag vervolgens om een afgewerkte tekstpassage en een beknopte notitie over de wijzigingen.
Definieer voor een antwoord in JSON-vorm de veldnamen, typen en het omgaan met ontbrekende waarden. Controleer zowel de teruggegeven structuur als de inhoud voordat je deze in een applicatie gebruikt. Geef bij een gesprek vanuit een bepaalde rol de beschrijving van het personage of de rol en de informatie die het antwoord moet behouden.
De regionale configuraties waarin de fabrikant het model inzet, verschillen in ondersteuning voor functieaanroepen en webzoeken. Gestructureerde uitvoer en voortzetting vanaf een prefix worden vermeld voor beide configuraties die op de modelpagina worden getoond. Een applicatie die functieaanroepen ondersteunt, definieert de actie, voert de gekozen aanroep uit en geeft het resultaat terug; die stappen horen bij de omliggende integratie.
Het equivalente Qwen-Max-profiel van de fabrikant vermeldt 32.768 contexttokens, maximaal 30.720 invoertokens en 8.192 uitvoertokens. Het afzonderlijk gepubliceerde profiel van de gehoste variant voor deze gedateerde identificatie vermeldt 131.072 contexttokens. Dit zijn verschillende profielspecificaties, dus bereid de aanvraag voor op basis van de limieten die de gebruikte interface aanbiedt. Bewaar de exacte gedateerde identificatie bij de prompt en het resultaat wanneer je antwoorden vergelijkt.
", "aboutText": "Qwen-Max (2025-01-25) is de tekstsnapshot van 25 januari die de fabrikant functioneel gelijkwaardig noemt aan zijn Qwen-Max-profiel. Qwen-Max behoort tot Alibaba’s Qwen-familie en verwerkt invoer in meerdere talen, waaronder Chinees en Engels. De beschreven taaltaken omvatten codegeneratie, logisch redeneren, creatief schrijven, JSON-opmaak en gesprekken vanuit een bepaalde rol.\n\n### Analyseer een afgebakende vraag\n\nGeef het model de voorwaarden, het bewijsmateriaal en de besliscriteria die voor de taak nodig zijn. Een beoordeling van eisen kan vragen om overeenkomsten, tegenstrijdigheden en vragen die nog openstaan. Bij een vergelijking kun je de belangrijke criteria aangeven en om een uitleg vragen van hoe elke optie daaraan voldoet. Houd uitspraken uit bronnen gescheiden van aannames, zodat het antwoord aan het aangeleverde materiaal kan worden getoetst.\n\n### Bereid code of geschreven materiaal voor\n\nGeef bij een programmeerverzoek de taal, de relevante broncode en het verwachte gedrag. Vraag om een voorgestelde implementatie en een uitleg van de logica die wordt geraakt. Sla de resulterende code op en voer hem uit in de ontwikkelomgeving om de wijziging te verifiëren. Geef voor schrijfwerk de doelgroep, het doel en de verplichte feiten aan en vraag vervolgens om een afgewerkte tekstpassage en een beknopte notitie over de wijzigingen.\n\nDefinieer voor een antwoord in JSON-vorm de veldnamen, typen en het omgaan met ontbrekende waarden. Controleer zowel de teruggegeven structuur als de inhoud voordat je deze in een applicatie gebruikt. Geef bij een gesprek vanuit een bepaalde rol de beschrijving van het personage of de rol en de informatie die het antwoord moet behouden.\n\n### Gebruik de instellingen die de integratie aanbiedt\n\nDe regionale configuraties waarin de fabrikant het model inzet, verschillen in ondersteuning voor functieaanroepen en webzoeken. Gestructureerde uitvoer en voortzetting vanaf een prefix worden vermeld voor beide configuraties die op de modelpagina worden getoond. Een applicatie die functieaanroepen ondersteunt, definieert de actie, voert de gekozen aanroep uit en geeft het resultaat terug; die stappen horen bij de omliggende integratie.\n\n### Stem de context af op het gekozen profiel\n\nHet equivalente Qwen-Max-profiel van de fabrikant vermeldt 32.768 contexttokens, maximaal 30.720 invoertokens en 8.192 uitvoertokens. Het afzonderlijk gepubliceerde profiel van de gehoste variant voor deze gedateerde identificatie vermeldt 131.072 contexttokens. Dit zijn verschillende profielspecificaties, dus bereid de aanvraag voor op basis van de limieten die de gebruikte interface aanbiedt. Bewaar de exacte gedateerde identificatie bij de prompt en het resultaat wanneer je antwoorden vergelijkt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.qwen-max-2025-01-25Qwen-Max (2025-01-25) is een Qwen-tekstsnapshot voor taal-, redeneer-, programmeer- en schrijftaken. De fabrikant beschrijft hem als functioneel gelijkwaardig aan het Qwen-Max-profiel; de context en optionele instellingen hangen af van de configuratie waarin het model is ingezet.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen-Max (2025-01-25) is de tekstsnapshot van 25 januari die de fabrikant functioneel gelijkwaardig noemt aan zijn Qwen-Max-profiel. Qwen-Max behoort tot Alibaba’s Qwen-familie en verwerkt invoer in meerdere talen, waaronder Chinees en Engels. De beschreven taaltaken omvatten codegeneratie, logisch redeneren, creatief schrijven, JSON-opmaak en gesprekken vanuit een bepaalde rol.
Geef het model de voorwaarden, het bewijsmateriaal en de besliscriteria die voor de taak nodig zijn. Een beoordeling van eisen kan vragen om overeenkomsten, tegenstrijdigheden en vragen die nog openstaan. Bij een vergelijking kun je de belangrijke criteria aangeven en om een uitleg vragen van hoe elke optie daaraan voldoet. Houd uitspraken uit bronnen gescheiden van aannames, zodat het antwoord aan het aangeleverde materiaal kan worden getoetst.
Geef bij een programmeerverzoek de taal, de relevante broncode en het verwachte gedrag. Vraag om een voorgestelde implementatie en een uitleg van de logica die wordt geraakt. Sla de resulterende code op en voer hem uit in de ontwikkelomgeving om de wijziging te verifiëren. Geef voor schrijfwerk de doelgroep, het doel en de verplichte feiten aan en vraag vervolgens om een afgewerkte tekstpassage en een beknopte notitie over de wijzigingen.
Definieer voor een antwoord in JSON-vorm de veldnamen, typen en het omgaan met ontbrekende waarden. Controleer zowel de teruggegeven structuur als de inhoud voordat je deze in een applicatie gebruikt. Geef bij een gesprek vanuit een bepaalde rol de beschrijving van het personage of de rol en de informatie die het antwoord moet behouden.
De regionale configuraties waarin de fabrikant het model inzet, verschillen in ondersteuning voor functieaanroepen en webzoeken. Gestructureerde uitvoer en voortzetting vanaf een prefix worden vermeld voor beide configuraties die op de modelpagina worden getoond. Een applicatie die functieaanroepen ondersteunt, definieert de actie, voert de gekozen aanroep uit en geeft het resultaat terug; die stappen horen bij de omliggende integratie.
Het equivalente Qwen-Max-profiel van de fabrikant vermeldt 32.768 contexttokens, maximaal 30.720 invoertokens en 8.192 uitvoertokens. Het afzonderlijk gepubliceerde profiel van de gehoste variant voor deze gedateerde identificatie vermeldt 131.072 contexttokens. Dit zijn verschillende profielspecificaties, dus bereid de aanvraag voor op basis van de limieten die de gebruikte interface aanbiedt. Bewaar de exacte gedateerde identificatie bij de prompt en het resultaat wanneer je antwoorden vergelijkt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen-max-2025-01-25 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000686 / 1K tokens Uitvoer · Uitvoertokens $0.002744 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-max-2025-01-25", "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-max-2025-01-25',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-max-2025-01-25',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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen-max-2025-01-25
Gebruik de hierboven getoonde methodepaden.
qwen-max-2025-01-25Qwen-Max (2025-01-25) is een Qwen-tekstsnapshot voor taal-, redeneer-, programmeer- en schrijftaken. De fabrikant beschrijft hem als functioneel gelijkwaardig aan het Qwen-Max-profiel; de context en optionele instellingen hangen af van de configuratie waarin het model is ingezet.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen-Max (2025-01-25) is de tekstsnapshot van 25 januari die de fabrikant functioneel gelijkwaardig noemt aan zijn Qwen-Max-profiel. Qwen-Max behoort tot Alibaba’s Qwen-familie en verwerkt invoer in meerdere talen, waaronder Chinees en Engels. De beschreven taaltaken omvatten codegeneratie, logisch redeneren, creatief schrijven, JSON-opmaak en gesprekken vanuit een bepaalde rol.
Geef het model de voorwaarden, het bewijsmateriaal en de besliscriteria die voor de taak nodig zijn. Een beoordeling van eisen kan vragen om overeenkomsten, tegenstrijdigheden en vragen die nog openstaan. Bij een vergelijking kun je de belangrijke criteria aangeven en om een uitleg vragen van hoe elke optie daaraan voldoet. Houd uitspraken uit bronnen gescheiden van aannames, zodat het antwoord aan het aangeleverde materiaal kan worden getoetst.
Geef bij een programmeerverzoek de taal, de relevante broncode en het verwachte gedrag. Vraag om een voorgestelde implementatie en een uitleg van de logica die wordt geraakt. Sla de resulterende code op en voer hem uit in de ontwikkelomgeving om de wijziging te verifiëren. Geef voor schrijfwerk de doelgroep, het doel en de verplichte feiten aan en vraag vervolgens om een afgewerkte tekstpassage en een beknopte notitie over de wijzigingen.
Definieer voor een antwoord in JSON-vorm de veldnamen, typen en het omgaan met ontbrekende waarden. Controleer zowel de teruggegeven structuur als de inhoud voordat je deze in een applicatie gebruikt. Geef bij een gesprek vanuit een bepaalde rol de beschrijving van het personage of de rol en de informatie die het antwoord moet behouden.
De regionale configuraties waarin de fabrikant het model inzet, verschillen in ondersteuning voor functieaanroepen en webzoeken. Gestructureerde uitvoer en voortzetting vanaf een prefix worden vermeld voor beide configuraties die op de modelpagina worden getoond. Een applicatie die functieaanroepen ondersteunt, definieert de actie, voert de gekozen aanroep uit en geeft het resultaat terug; die stappen horen bij de omliggende integratie.
Het equivalente Qwen-Max-profiel van de fabrikant vermeldt 32.768 contexttokens, maximaal 30.720 invoertokens en 8.192 uitvoertokens. Het afzonderlijk gepubliceerde profiel van de gehoste variant voor deze gedateerde identificatie vermeldt 131.072 contexttokens. Dit zijn verschillende profielspecificaties, dus bereid de aanvraag voor op basis van de limieten die de gebruikte interface aanbiedt. Bewaar de exacte gedateerde identificatie bij de prompt en het resultaat wanneer je antwoorden vergelijkt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen-max-2025-01-25 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000686 / 1K tokens Uitvoer · Uitvoertokens $0.002744 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen-max-2025-01-25",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-max-2025-01-25', '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-max-2025-01-25', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen-max-2025-01-25
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.