De Plus-snapshot van 15 februari
Qwen3.5 Plus 2026-02-15 is de vaste release van 15 februari 2026 van de native vision-language Plus-familie van Qwen. De gedocumenteerde architectuur combineert lineaire attention met sparse mixture-of-experts-berekeningen en ondersteunt zowel tekstuele als multimodale taken. De invoer omvat tekst, afbeeldingen en video; het antwoord is tekst, zoals een uitleg, codevoorstel of documentartefact. De gedateerde naam geeft deze editie een specifieke identiteit binnen de Plus-familie.
De fabrikant beschrijft het beheerde Qwen3.5-Plus als een tegenhanger van het open model Qwen3.5-397B-A17B, met extra functies zoals een standaardcontext van één miljoen tokens, ingebouwde tools en adaptief toolgebruik. De twee varianten behouden afzonderlijke namen en interfacevoorwaarden. De exacte expertaantallen, numerieke representatie en native context van het open checkpoint mogen niet stilzwijgend worden omgezet in een volledige specificatie voor deze gedateerde Plus-release.
Gecombineerd tekstueel en visueel werk
De Qwen3.5-familie ontwikkelt redeneren, programmeren, agents en visueel begrip door vroege fusie van tekst en beeld en reinforcement learning op steeds complexere taken. De familiebeschrijving omvat 201 talen en dialecten. Vermeld voor meertalig werk de doeltaal, het publiek en de te behouden termen; behoud voor visueel werk de labels, tabelkoppen of diagramdefinities die nodig zijn voor de vraag.
Een nuttige documentaanvraag kan om een vergelijking vragen die volgens dezelfde onderdelen als de bron is geordend, met ondersteunende passages bij elke bevinding. Een programmeeraanvraag kan een screenshot, de relevante bestaande code en functionele vereisten combineren en daarna om bewerkbare broncode en een afzonderlijke gedragsuitleg vragen. Benoem bij video de gebeurtenis of volgorde die van belang is en behoud de timing. Controleer de teruggegeven passages, visuele details en voorgestelde code aan de hand van het aangeleverde materiaal.
Redeneren en rechtstreekse antwoorden
De modusgids van de ontwikkelaar vermeldt de Qwen3.5 Plus-familie en de snapshot van 15 februari als hybride denkend, met denken standaard ingeschakeld. De gedocumenteerde hybride workflow kan denken uitschakelen voor een rechtstreeks antwoord. Houd de redenering gescheiden van het definitieve artefact wanneer de gekozen interface beide aanbiedt. Definieer een duidelijke eindvorm, zoals een bevindingentabel, een afgebakend antwoord of codebestanden, zodat het resultaat gemakkelijk te inspecteren is.
Het open Qwen3.5-checkpoint heeft eigen richtlijnen voor geschiedenis en sampling. Latere Qwen-generaties introduceren ook andere standaardwaarden en instellingen voor het behoud van redeneringen. Volg het exacte recept van de Plus-interface, in plaats van aan te nemen dat een promptmarkering, parametercontainer of geschiedenisgedrag voor elke editie met de naam Qwen geldt.
Tools en adaptief werk
De Plus-referentie van de producent beschrijft ingebouwd en adaptief toolgebruik. Een taak kan een aangesloten workflow bewijs laten ophalen, aangeleverd materiaal laten inspecteren of resultaten van toegestane bewerkingen laten teruggeven. Vermeld de beschikbare tools, toegestane acties en waarneembare voltooiingsvoorwaarde. Het model kan daadwerkelijke feedback gebruiken om zijn analyse bij te sturen en de volgende stap te kiezen; de toepassing voert externe acties uit en levert de resultaten ervan.
Vraag bij een agenttaak dat het eindverslag het resulterende artefact, het ondersteunende bewijs en de nog openstaande voorwaarden toont. Onderscheid een voorgestelde patch of zoekopdracht van een daadwerkelijk teruggegeven toolresultaat. Een verzoek om tekst in JSON-vorm legt op zichzelf geen voorwaarden voor schemahandhaving vast, en een verzoek om code uit te voeren creëert op zichzelf geen uitvoeringsomgeving.
Lange context voorbereiden
De referentie voor het beheerde Plus-model van Qwen beschrijft een standaardcontext van één miljoen tokens. Houd documentgrenzen, code-identificaties en definities zichtbaar in een grote invoer en reserveer ruimte voor redeneringen en het definitieve antwoord. Gebruik voor deze workflow het contextbudget van het beheerde Plus-model; het open 397B-checkpoint heeft zijn eigen native en uitgebreide limieten.
Beperk bij een lange vergelijking de vraag tot de vereiste beslissingen of relaties en vraag het model om bij elke conclusie het ondersteunende onderdeel te vermelden. Het contextbudget kan meer bewijsmateriaal samenbrengen, maar een duidelijke bronstructuur maakt het antwoord traceerbaar. Bewaar de naam van de gedateerde editie wanneer reproduceerbaarheid van belang is.
Praktisch resultaat en beperkingen
Gebruik deze snapshot voor een concreet tekstueel resultaat op basis van aangeleverd projectmateriaal of visueel materiaal: een implementatievoorstel, een documentvergelijking of een toegelicht antwoord. Controleer kleine visuele labels, berekeningen, geciteerde tekst en codewijzigingen aan de hand van het oorspronkelijke bewijs. De gedocumenteerde modelmogelijkheden zijn tekstueel en visueel begrip met tekstuitvoer; ze impliceren geen gegenereerde afbeeldingen, video of spraak. Exacte tools, uploadregels en uitvoerbudgetten moeten de gekozen interface volgen, in plaats van een veronderstelde gelijkwaardigheid met een ander checkpoint.
", "aboutText": "De Plus-snapshot van 15 februari\n\nQwen3.5 Plus 2026-02-15 is de vaste release van 15 februari 2026 van de native vision-language Plus-familie van Qwen. De gedocumenteerde architectuur combineert lineaire attention met sparse mixture-of-experts-berekeningen en ondersteunt zowel tekstuele als multimodale taken. De invoer omvat tekst, afbeeldingen en video; het antwoord is tekst, zoals een uitleg, codevoorstel of documentartefact. De gedateerde naam geeft deze editie een specifieke identiteit binnen de Plus-familie.\n\nDe fabrikant beschrijft het beheerde Qwen3.5-Plus als een tegenhanger van het open model Qwen3.5-397B-A17B, met extra functies zoals een standaardcontext van één miljoen tokens, ingebouwde tools en adaptief toolgebruik. De twee varianten behouden afzonderlijke namen en interfacevoorwaarden. De exacte expertaantallen, numerieke representatie en native context van het open checkpoint mogen niet stilzwijgend worden omgezet in een volledige specificatie voor deze gedateerde Plus-release.\n\nGecombineerd tekstueel en visueel werk\n\nDe Qwen3.5-familie ontwikkelt redeneren, programmeren, agents en visueel begrip door vroege fusie van tekst en beeld en reinforcement learning op steeds complexere taken. De familiebeschrijving omvat 201 talen en dialecten. Vermeld voor meertalig werk de doeltaal, het publiek en de te behouden termen; behoud voor visueel werk de labels, tabelkoppen of diagramdefinities die nodig zijn voor de vraag.\n\nEen nuttige documentaanvraag kan om een vergelijking vragen die volgens dezelfde onderdelen als de bron is geordend, met ondersteunende passages bij elke bevinding. Een programmeeraanvraag kan een screenshot, de relevante bestaande code en functionele vereisten combineren en daarna om bewerkbare broncode en een afzonderlijke gedragsuitleg vragen. Benoem bij video de gebeurtenis of volgorde die van belang is en behoud de timing. Controleer de teruggegeven passages, visuele details en voorgestelde code aan de hand van het aangeleverde materiaal.\n\nRedeneren en rechtstreekse antwoorden\n\nDe modusgids van de ontwikkelaar vermeldt de Qwen3.5 Plus-familie en de snapshot van 15 februari als hybride denkend, met denken standaard ingeschakeld. De gedocumenteerde hybride workflow kan denken uitschakelen voor een rechtstreeks antwoord. Houd de redenering gescheiden van het definitieve artefact wanneer de gekozen interface beide aanbiedt. Definieer een duidelijke eindvorm, zoals een bevindingentabel, een afgebakend antwoord of codebestanden, zodat het resultaat gemakkelijk te inspecteren is.\n\nHet open Qwen3.5-checkpoint heeft eigen richtlijnen voor geschiedenis en sampling. Latere Qwen-generaties introduceren ook andere standaardwaarden en instellingen voor het behoud van redeneringen. Volg het exacte recept van de Plus-interface, in plaats van aan te nemen dat een promptmarkering, parametercontainer of geschiedenisgedrag voor elke editie met de naam Qwen geldt.\n\nTools en adaptief werk\n\nDe Plus-referentie van de producent beschrijft ingebouwd en adaptief toolgebruik. Een taak kan een aangesloten workflow bewijs laten ophalen, aangeleverd materiaal laten inspecteren of resultaten van toegestane bewerkingen laten teruggeven. Vermeld de beschikbare tools, toegestane acties en waarneembare voltooiingsvoorwaarde. Het model kan daadwerkelijke feedback gebruiken om zijn analyse bij te sturen en de volgende stap te kiezen; de toepassing voert externe acties uit en levert de resultaten ervan.\n\nVraag bij een agenttaak dat het eindverslag het resulterende artefact, het ondersteunende bewijs en de nog openstaande voorwaarden toont. Onderscheid een voorgestelde patch of zoekopdracht van een daadwerkelijk teruggegeven toolresultaat. Een verzoek om tekst in JSON-vorm legt op zichzelf geen voorwaarden voor schemahandhaving vast, en een verzoek om code uit te voeren creëert op zichzelf geen uitvoeringsomgeving.\n\nLange context voorbereiden\n\nDe referentie voor het beheerde Plus-model van Qwen beschrijft een standaardcontext van één miljoen tokens. Houd documentgrenzen, code-identificaties en definities zichtbaar in een grote invoer en reserveer ruimte voor redeneringen en het definitieve antwoord. Gebruik voor deze workflow het contextbudget van het beheerde Plus-model; het open 397B-checkpoint heeft zijn eigen native en uitgebreide limieten.\n\nBeperk bij een lange vergelijking de vraag tot de vereiste beslissingen of relaties en vraag het model om bij elke conclusie het ondersteunende onderdeel te vermelden. Het contextbudget kan meer bewijsmateriaal samenbrengen, maar een duidelijke bronstructuur maakt het antwoord traceerbaar. Bewaar de naam van de gedateerde editie wanneer reproduceerbaarheid van belang is.\n\nPraktisch resultaat en beperkingen\n\nGebruik deze snapshot voor een concreet tekstueel resultaat op basis van aangeleverd projectmateriaal of visueel materiaal: een implementatievoorstel, een documentvergelijking of een toegelicht antwoord. Controleer kleine visuele labels, berekeningen, geciteerde tekst en codewijzigingen aan de hand van het oorspronkelijke bewijs. De gedocumenteerde modelmogelijkheden zijn tekstueel en visueel begrip met tekstuitvoer; ze impliceren geen gegenereerde afbeeldingen, video of spraak. Exacte tools, uploadregels en uitvoerbudgetten moeten de gekozen interface volgen, in plaats van een veronderstelde gelijkwaardigheid met een ander checkpoint.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 is de vaste snapshot van 15 februari van het native vision-language Plus-model van Qwen. Het combineert begrip van tekst, afbeeldingen en video met redeneren, programmeren en agentgerichte workflows, en geeft tekstuele antwoorden of artefacten terug in de hybride denkmodus van de familie.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
De Plus-snapshot van 15 februari
Qwen3.5 Plus 2026-02-15 is de vaste release van 15 februari 2026 van de native vision-language Plus-familie van Qwen. De gedocumenteerde architectuur combineert lineaire attention met sparse mixture-of-experts-berekeningen en ondersteunt zowel tekstuele als multimodale taken. De invoer omvat tekst, afbeeldingen en video; het antwoord is tekst, zoals een uitleg, codevoorstel of documentartefact. De gedateerde naam geeft deze editie een specifieke identiteit binnen de Plus-familie.
De fabrikant beschrijft het beheerde Qwen3.5-Plus als een tegenhanger van het open model Qwen3.5-397B-A17B, met extra functies zoals een standaardcontext van één miljoen tokens, ingebouwde tools en adaptief toolgebruik. De twee varianten behouden afzonderlijke namen en interfacevoorwaarden. De exacte expertaantallen, numerieke representatie en native context van het open checkpoint mogen niet stilzwijgend worden omgezet in een volledige specificatie voor deze gedateerde Plus-release.
Gecombineerd tekstueel en visueel werk
De Qwen3.5-familie ontwikkelt redeneren, programmeren, agents en visueel begrip door vroege fusie van tekst en beeld en reinforcement learning op steeds complexere taken. De familiebeschrijving omvat 201 talen en dialecten. Vermeld voor meertalig werk de doeltaal, het publiek en de te behouden termen; behoud voor visueel werk de labels, tabelkoppen of diagramdefinities die nodig zijn voor de vraag.
Een nuttige documentaanvraag kan om een vergelijking vragen die volgens dezelfde onderdelen als de bron is geordend, met ondersteunende passages bij elke bevinding. Een programmeeraanvraag kan een screenshot, de relevante bestaande code en functionele vereisten combineren en daarna om bewerkbare broncode en een afzonderlijke gedragsuitleg vragen. Benoem bij video de gebeurtenis of volgorde die van belang is en behoud de timing. Controleer de teruggegeven passages, visuele details en voorgestelde code aan de hand van het aangeleverde materiaal.
Redeneren en rechtstreekse antwoorden
De modusgids van de ontwikkelaar vermeldt de Qwen3.5 Plus-familie en de snapshot van 15 februari als hybride denkend, met denken standaard ingeschakeld. De gedocumenteerde hybride workflow kan denken uitschakelen voor een rechtstreeks antwoord. Houd de redenering gescheiden van het definitieve artefact wanneer de gekozen interface beide aanbiedt. Definieer een duidelijke eindvorm, zoals een bevindingentabel, een afgebakend antwoord of codebestanden, zodat het resultaat gemakkelijk te inspecteren is.
Het open Qwen3.5-checkpoint heeft eigen richtlijnen voor geschiedenis en sampling. Latere Qwen-generaties introduceren ook andere standaardwaarden en instellingen voor het behoud van redeneringen. Volg het exacte recept van de Plus-interface, in plaats van aan te nemen dat een promptmarkering, parametercontainer of geschiedenisgedrag voor elke editie met de naam Qwen geldt.
Tools en adaptief werk
De Plus-referentie van de producent beschrijft ingebouwd en adaptief toolgebruik. Een taak kan een aangesloten workflow bewijs laten ophalen, aangeleverd materiaal laten inspecteren of resultaten van toegestane bewerkingen laten teruggeven. Vermeld de beschikbare tools, toegestane acties en waarneembare voltooiingsvoorwaarde. Het model kan daadwerkelijke feedback gebruiken om zijn analyse bij te sturen en de volgende stap te kiezen; de toepassing voert externe acties uit en levert de resultaten ervan.
Vraag bij een agenttaak dat het eindverslag het resulterende artefact, het ondersteunende bewijs en de nog openstaande voorwaarden toont. Onderscheid een voorgestelde patch of zoekopdracht van een daadwerkelijk teruggegeven toolresultaat. Een verzoek om tekst in JSON-vorm legt op zichzelf geen voorwaarden voor schemahandhaving vast, en een verzoek om code uit te voeren creëert op zichzelf geen uitvoeringsomgeving.
Lange context voorbereiden
De referentie voor het beheerde Plus-model van Qwen beschrijft een standaardcontext van één miljoen tokens. Houd documentgrenzen, code-identificaties en definities zichtbaar in een grote invoer en reserveer ruimte voor redeneringen en het definitieve antwoord. Gebruik voor deze workflow het contextbudget van het beheerde Plus-model; het open 397B-checkpoint heeft zijn eigen native en uitgebreide limieten.
Beperk bij een lange vergelijking de vraag tot de vereiste beslissingen of relaties en vraag het model om bij elke conclusie het ondersteunende onderdeel te vermelden. Het contextbudget kan meer bewijsmateriaal samenbrengen, maar een duidelijke bronstructuur maakt het antwoord traceerbaar. Bewaar de naam van de gedateerde editie wanneer reproduceerbaarheid van belang is.
Praktisch resultaat en beperkingen
Gebruik deze snapshot voor een concreet tekstueel resultaat op basis van aangeleverd projectmateriaal of visueel materiaal: een implementatievoorstel, een documentvergelijking of een toegelicht antwoord. Controleer kleine visuele labels, berekeningen, geciteerde tekst en codewijzigingen aan de hand van het oorspronkelijke bewijs. De gedocumenteerde modelmogelijkheden zijn tekstueel en visueel begrip met tekstuitvoer; ze impliceren geen gegenereerde afbeeldingen, video of spraak. Exacte tools, uploadregels en uitvoerbudgetten moeten de gekozen interface volgen, in plaats van een veronderstelde gelijkwaardigheid met een ander checkpoint.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3.5-plus-02-15 | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00052 / 1K tokens Uitvoer · Uitvoertokens $0.00312 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met256.000 | Kosten Invoer · Invoertokens $0.00052 / 1K tokens Uitvoer · Uitvoertokens $0.00312 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 2 | Tariefstaffel— | Contexttokens, meer dan256.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00065 / 1K tokens Uitvoer · Uitvoertokens $0.0039 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-plus-02-15", "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/qwen3.5-plus-02-15',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/qwen3.5-plus-02-15',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/qwen3.5-plus-02-15
Gebruik de hierboven getoonde methodepaden.
qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 is de vaste snapshot van 15 februari van het native vision-language Plus-model van Qwen. Het combineert begrip van tekst, afbeeldingen en video met redeneren, programmeren en agentgerichte workflows, en geeft tekstuele antwoorden of artefacten terug in de hybride denkmodus van de familie.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
De Plus-snapshot van 15 februari
Qwen3.5 Plus 2026-02-15 is de vaste release van 15 februari 2026 van de native vision-language Plus-familie van Qwen. De gedocumenteerde architectuur combineert lineaire attention met sparse mixture-of-experts-berekeningen en ondersteunt zowel tekstuele als multimodale taken. De invoer omvat tekst, afbeeldingen en video; het antwoord is tekst, zoals een uitleg, codevoorstel of documentartefact. De gedateerde naam geeft deze editie een specifieke identiteit binnen de Plus-familie.
De fabrikant beschrijft het beheerde Qwen3.5-Plus als een tegenhanger van het open model Qwen3.5-397B-A17B, met extra functies zoals een standaardcontext van één miljoen tokens, ingebouwde tools en adaptief toolgebruik. De twee varianten behouden afzonderlijke namen en interfacevoorwaarden. De exacte expertaantallen, numerieke representatie en native context van het open checkpoint mogen niet stilzwijgend worden omgezet in een volledige specificatie voor deze gedateerde Plus-release.
Gecombineerd tekstueel en visueel werk
De Qwen3.5-familie ontwikkelt redeneren, programmeren, agents en visueel begrip door vroege fusie van tekst en beeld en reinforcement learning op steeds complexere taken. De familiebeschrijving omvat 201 talen en dialecten. Vermeld voor meertalig werk de doeltaal, het publiek en de te behouden termen; behoud voor visueel werk de labels, tabelkoppen of diagramdefinities die nodig zijn voor de vraag.
Een nuttige documentaanvraag kan om een vergelijking vragen die volgens dezelfde onderdelen als de bron is geordend, met ondersteunende passages bij elke bevinding. Een programmeeraanvraag kan een screenshot, de relevante bestaande code en functionele vereisten combineren en daarna om bewerkbare broncode en een afzonderlijke gedragsuitleg vragen. Benoem bij video de gebeurtenis of volgorde die van belang is en behoud de timing. Controleer de teruggegeven passages, visuele details en voorgestelde code aan de hand van het aangeleverde materiaal.
Redeneren en rechtstreekse antwoorden
De modusgids van de ontwikkelaar vermeldt de Qwen3.5 Plus-familie en de snapshot van 15 februari als hybride denkend, met denken standaard ingeschakeld. De gedocumenteerde hybride workflow kan denken uitschakelen voor een rechtstreeks antwoord. Houd de redenering gescheiden van het definitieve artefact wanneer de gekozen interface beide aanbiedt. Definieer een duidelijke eindvorm, zoals een bevindingentabel, een afgebakend antwoord of codebestanden, zodat het resultaat gemakkelijk te inspecteren is.
Het open Qwen3.5-checkpoint heeft eigen richtlijnen voor geschiedenis en sampling. Latere Qwen-generaties introduceren ook andere standaardwaarden en instellingen voor het behoud van redeneringen. Volg het exacte recept van de Plus-interface, in plaats van aan te nemen dat een promptmarkering, parametercontainer of geschiedenisgedrag voor elke editie met de naam Qwen geldt.
Tools en adaptief werk
De Plus-referentie van de producent beschrijft ingebouwd en adaptief toolgebruik. Een taak kan een aangesloten workflow bewijs laten ophalen, aangeleverd materiaal laten inspecteren of resultaten van toegestane bewerkingen laten teruggeven. Vermeld de beschikbare tools, toegestane acties en waarneembare voltooiingsvoorwaarde. Het model kan daadwerkelijke feedback gebruiken om zijn analyse bij te sturen en de volgende stap te kiezen; de toepassing voert externe acties uit en levert de resultaten ervan.
Vraag bij een agenttaak dat het eindverslag het resulterende artefact, het ondersteunende bewijs en de nog openstaande voorwaarden toont. Onderscheid een voorgestelde patch of zoekopdracht van een daadwerkelijk teruggegeven toolresultaat. Een verzoek om tekst in JSON-vorm legt op zichzelf geen voorwaarden voor schemahandhaving vast, en een verzoek om code uit te voeren creëert op zichzelf geen uitvoeringsomgeving.
Lange context voorbereiden
De referentie voor het beheerde Plus-model van Qwen beschrijft een standaardcontext van één miljoen tokens. Houd documentgrenzen, code-identificaties en definities zichtbaar in een grote invoer en reserveer ruimte voor redeneringen en het definitieve antwoord. Gebruik voor deze workflow het contextbudget van het beheerde Plus-model; het open 397B-checkpoint heeft zijn eigen native en uitgebreide limieten.
Beperk bij een lange vergelijking de vraag tot de vereiste beslissingen of relaties en vraag het model om bij elke conclusie het ondersteunende onderdeel te vermelden. Het contextbudget kan meer bewijsmateriaal samenbrengen, maar een duidelijke bronstructuur maakt het antwoord traceerbaar. Bewaar de naam van de gedateerde editie wanneer reproduceerbaarheid van belang is.
Praktisch resultaat en beperkingen
Gebruik deze snapshot voor een concreet tekstueel resultaat op basis van aangeleverd projectmateriaal of visueel materiaal: een implementatievoorstel, een documentvergelijking of een toegelicht antwoord. Controleer kleine visuele labels, berekeningen, geciteerde tekst en codewijzigingen aan de hand van het oorspronkelijke bewijs. De gedocumenteerde modelmogelijkheden zijn tekstueel en visueel begrip met tekstuitvoer; ze impliceren geen gegenereerde afbeeldingen, video of spraak. Exacte tools, uploadregels en uitvoerbudgetten moeten de gekozen interface volgen, in plaats van een veronderstelde gelijkwaardigheid met een ander checkpoint.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3.5-plus-02-15 | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00052 / 1K tokens Uitvoer · Uitvoertokens $0.00312 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met256.000 | Kosten Invoer · Invoertokens $0.00052 / 1K tokens Uitvoer · Uitvoertokens $0.00312 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 2 | Tariefstaffel— | Contexttokens, meer dan256.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00065 / 1K tokens Uitvoer · Uitvoertokens $0.0039 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen/qwen3.5-plus-02-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.5-plus-02-15', '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/qwen3.5-plus-02-15', '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/qwen3.5-plus-02-15
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.