Qwen3.7-Max 2026-06-08 is Alibaba’s benoemde momentopname van 8 juni van het Max-model in de Qwen3.7-familie. De kenmerkende wijziging in deze editie is de toevoeging van begrip van visuele modaliteiten aan de momentopname van 20 mei, voor interactie die op reële scènes is gebaseerd. Het accepteert tekst, afbeeldingen en video en genereert tekst. De agentgerichte doelstelling van de familie omvat programmeren, kantoor- en productiviteitswerk, en langdurige taken die instructies met toolresultaten combineren.
De editie is van belang voor visuele opdrachten. De ongedateerde naam Qwen3.7-Max is volgens de documentatie gelijkwaardig aan de uitsluitend tekstverwerkende momentopname van 20 mei, terwijl de exacte modeltabel van juni invoer van afbeeldingen en video vermeldt. Bij dit model kan een schermafbeelding een codeopdracht begeleiden, of kan een video de scène leveren die de agent volgens een schriftelijke instructie moet analyseren. De uitvoer is een uitleg, code, een gestructureerd record of een instructie voor een toolaanroep, en geen gegenereerde afbeelding, video of spraak.
Alibaba’s handleiding voor denken vermeldt deze juni-momentopname expliciet als hybride: denken is in de workflow van de producent standaard ingeschakeld en kan voor een rechtstreeks antwoord worden uitgeschakeld. De denkmodus produceert redeneringen vóór het antwoord en vergt extra redeneertijd. De handleiding scheidt de redeneerinhoud van het uiteindelijke antwoord en ondersteunt voor dit exacte model het bewaren van aangeleverde historische redeneringen over meerdere beurten. Bewaarde redeneringen worden deel van de volgende invoer; bij een doorlopende taak moet daarvoor dus naast het gesprek en het bronmateriaal ruimte worden begroot.
Function Calling ondersteunt een taak waarbij de toepassing een vraag en definities van beschikbare tools aanlevert. Het model geeft een geselecteerde functie en de bijbehorende argumenten terug; de toepassing voert die functie uit, voegt het toolresultaat aan het gesprek toe en vraagt het model om verder te gaan. Definieer voor een programmeerassistent de tool voor het lezen van de repository of voor validatie nauwkeurig en vraag om de voltooide wijziging met het resultaat dat haar onderbouwt. Een tool beschrijven verschilt van die uitvoeren: de omringende toepassing verleent de toegang en voert de handeling uit.
De juni-momentopname vermeldt ook Structured Outputs, Web Search, Prefix Completion en Context Caching. Die ondersteunen gedefinieerde uitvoerrecords, werk met zoekondersteuning, voortzetting vanaf een aangeleverd begin en hergebruik van een gemeenschappelijk invoervoorvoegsel in de workflow van de fabrikant. Zet bij een terugkerende analyse het vaste document of de vaste taakinstructies vooraan en de veranderende vraag erachter. Cachehergebruik hangt af van de voorwaarden van die workflow; dat het model caching ondersteunt, bewijst geen cachetreffer voor een specifieke aanvraag. Batchinferentie en fine-tuning worden voor deze editie als niet ondersteund aangeduid.
De exacte juni-tabel geeft een contextvenster van 1,000,000 tokens op. De maximale invoer is 991,808 tokens in het gewone profiel en 983,616 tokens in de denkmodus; de maximale uitvoer is 131,072 tokens in beide profielen. Dit zijn afzonderlijke limieten voor context, invoer en uitvoer. Omvangrijk bronmateriaal, gespreksgeschiedenis en visuele inhoud moeten nog steeds binnen de toepasselijke invoergrens passen, en het uitvoerplafond verplicht een antwoord niet om al die ruimte te gebruiken.
Lever voor een praktische interfacetaak de schermafbeelding, relevante bronfragmenten, het gewenste gedrag en een expliciet eindproduct aan. Een voorbeeldopdracht is: “Gebruik dit scherm en de bijgevoegde componenttekst om uit te leggen waarom de labels van het formulier niet overeenkomen met de workflow. Stel een gerichte codewijziging voor en vermeld de zichtbare elementen die daartoe aanleiding gaven.” Geef voor een document- of productiviteitstaak de bronsecties, het gewenste eindrecord en de criteria om te bepalen wat erin hoort. Nummer afzonderlijke afbeeldingen en beschrijf hun onderlinge verband, zodat het tekstresultaat naar het bewijsmateriaal kan verwijzen.
Benoem voor videoanalyse de gebeurtenis of reeks die je nodig hebt, vraag een beknopte beschrijving en bewaar tijdstempels in de voorbereide invoer wanneer het resultaat een specifiek moment moet aanduiden. Voor Alibaba’s bestandsworkflow mag een afbeelding via URL tot 20 MB groot zijn; een video via URL mag tot 2 GB groot zijn en 2 seconden tot 2 uur duren. Base64-video moet na codering kleiner zijn dan 10 MB. Houd bestandslimieten gescheiden van het tokenbudget. Als audio essentieel is, lever dan een transcript als tekst aan; de invoertabel van deze momentopname vermeldt geen audio. Specificeer bij een langere agenttaak het eindartefact, de toegestane tools en welk resultaat als voltooiing telt. Die voorbereiding stuurt het model naar een beoordeelbaar tekstueel eindproduct in plaats van een onbegrensde reeks tussentijdse suggesties.
", "aboutText": "Qwen3.7-Max 2026-06-08 is Alibaba’s benoemde momentopname van 8 juni van het Max-model in de Qwen3.7-familie. De kenmerkende wijziging in deze editie is de toevoeging van begrip van visuele modaliteiten aan de momentopname van 20 mei, voor interactie die op reële scènes is gebaseerd. Het accepteert tekst, afbeeldingen en video en genereert tekst. De agentgerichte doelstelling van de familie omvat programmeren, kantoor- en productiviteitswerk, en langdurige taken die instructies met toolresultaten combineren.\n\nDe editie is van belang voor visuele opdrachten. De ongedateerde naam Qwen3.7-Max is volgens de documentatie gelijkwaardig aan de uitsluitend tekstverwerkende momentopname van 20 mei, terwijl de exacte modeltabel van juni invoer van afbeeldingen en video vermeldt. Bij dit model kan een schermafbeelding een codeopdracht begeleiden, of kan een video de scène leveren die de agent volgens een schriftelijke instructie moet analyseren. De uitvoer is een uitleg, code, een gestructureerd record of een instructie voor een toolaanroep, en geen gegenereerde afbeelding, video of spraak.\n\nAlibaba’s handleiding voor denken vermeldt deze juni-momentopname expliciet als hybride: denken is in de workflow van de producent standaard ingeschakeld en kan voor een rechtstreeks antwoord worden uitgeschakeld. De denkmodus produceert redeneringen vóór het antwoord en vergt extra redeneertijd. De handleiding scheidt de redeneerinhoud van het uiteindelijke antwoord en ondersteunt voor dit exacte model het bewaren van aangeleverde historische redeneringen over meerdere beurten. Bewaarde redeneringen worden deel van de volgende invoer; bij een doorlopende taak moet daarvoor dus naast het gesprek en het bronmateriaal ruimte worden begroot.\n\nFunction Calling ondersteunt een taak waarbij de toepassing een vraag en definities van beschikbare tools aanlevert. Het model geeft een geselecteerde functie en de bijbehorende argumenten terug; de toepassing voert die functie uit, voegt het toolresultaat aan het gesprek toe en vraagt het model om verder te gaan. Definieer voor een programmeerassistent de tool voor het lezen van de repository of voor validatie nauwkeurig en vraag om de voltooide wijziging met het resultaat dat haar onderbouwt. Een tool beschrijven verschilt van die uitvoeren: de omringende toepassing verleent de toegang en voert de handeling uit.\n\nDe juni-momentopname vermeldt ook Structured Outputs, Web Search, Prefix Completion en Context Caching. Die ondersteunen gedefinieerde uitvoerrecords, werk met zoekondersteuning, voortzetting vanaf een aangeleverd begin en hergebruik van een gemeenschappelijk invoervoorvoegsel in de workflow van de fabrikant. Zet bij een terugkerende analyse het vaste document of de vaste taakinstructies vooraan en de veranderende vraag erachter. Cachehergebruik hangt af van de voorwaarden van die workflow; dat het model caching ondersteunt, bewijst geen cachetreffer voor een specifieke aanvraag. Batchinferentie en fine-tuning worden voor deze editie als niet ondersteund aangeduid.\n\nDe exacte juni-tabel geeft een contextvenster van 1,000,000 tokens op. De maximale invoer is 991,808 tokens in het gewone profiel en 983,616 tokens in de denkmodus; de maximale uitvoer is 131,072 tokens in beide profielen. Dit zijn afzonderlijke limieten voor context, invoer en uitvoer. Omvangrijk bronmateriaal, gespreksgeschiedenis en visuele inhoud moeten nog steeds binnen de toepasselijke invoergrens passen, en het uitvoerplafond verplicht een antwoord niet om al die ruimte te gebruiken.\n\nLever voor een praktische interfacetaak de schermafbeelding, relevante bronfragmenten, het gewenste gedrag en een expliciet eindproduct aan. Een voorbeeldopdracht is: “Gebruik dit scherm en de bijgevoegde componenttekst om uit te leggen waarom de labels van het formulier niet overeenkomen met de workflow. Stel een gerichte codewijziging voor en vermeld de zichtbare elementen die daartoe aanleiding gaven.” Geef voor een document- of productiviteitstaak de bronsecties, het gewenste eindrecord en de criteria om te bepalen wat erin hoort. Nummer afzonderlijke afbeeldingen en beschrijf hun onderlinge verband, zodat het tekstresultaat naar het bewijsmateriaal kan verwijzen.\n\nBenoem voor videoanalyse de gebeurtenis of reeks die je nodig hebt, vraag een beknopte beschrijving en bewaar tijdstempels in de voorbereide invoer wanneer het resultaat een specifiek moment moet aanduiden. Voor Alibaba’s bestandsworkflow mag een afbeelding via URL tot 20 MB groot zijn; een video via URL mag tot 2 GB groot zijn en 2 seconden tot 2 uur duren. Base64-video moet na codering kleiner zijn dan 10 MB. Houd bestandslimieten gescheiden van het tokenbudget. Als audio essentieel is, lever dan een transcript als tekst aan; de invoertabel van deze momentopname vermeldt geen audio. Specificeer bij een langere agenttaak het eindartefact, de toegestane tools en welk resultaat als voltooiing telt. Die voorbereiding stuurt het model naar een beoordeelbaar tekstueel eindproduct in plaats van een onbegrensde reeks tussentijdse suggesties.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 combineert begrip van tekst, afbeeldingen en video met een tekstworkflow gericht op agents. Deze benoemde momentopname voegt visuele verwerking toe aan de mei-editie, ondersteunt hybride denken en tools, en heeft een context van één miljoen tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen3.7-Max 2026-06-08 is Alibaba’s benoemde momentopname van 8 juni van het Max-model in de Qwen3.7-familie. De kenmerkende wijziging in deze editie is de toevoeging van begrip van visuele modaliteiten aan de momentopname van 20 mei, voor interactie die op reële scènes is gebaseerd. Het accepteert tekst, afbeeldingen en video en genereert tekst. De agentgerichte doelstelling van de familie omvat programmeren, kantoor- en productiviteitswerk, en langdurige taken die instructies met toolresultaten combineren.
De editie is van belang voor visuele opdrachten. De ongedateerde naam Qwen3.7-Max is volgens de documentatie gelijkwaardig aan de uitsluitend tekstverwerkende momentopname van 20 mei, terwijl de exacte modeltabel van juni invoer van afbeeldingen en video vermeldt. Bij dit model kan een schermafbeelding een codeopdracht begeleiden, of kan een video de scène leveren die de agent volgens een schriftelijke instructie moet analyseren. De uitvoer is een uitleg, code, een gestructureerd record of een instructie voor een toolaanroep, en geen gegenereerde afbeelding, video of spraak.
Alibaba’s handleiding voor denken vermeldt deze juni-momentopname expliciet als hybride: denken is in de workflow van de producent standaard ingeschakeld en kan voor een rechtstreeks antwoord worden uitgeschakeld. De denkmodus produceert redeneringen vóór het antwoord en vergt extra redeneertijd. De handleiding scheidt de redeneerinhoud van het uiteindelijke antwoord en ondersteunt voor dit exacte model het bewaren van aangeleverde historische redeneringen over meerdere beurten. Bewaarde redeneringen worden deel van de volgende invoer; bij een doorlopende taak moet daarvoor dus naast het gesprek en het bronmateriaal ruimte worden begroot.
Function Calling ondersteunt een taak waarbij de toepassing een vraag en definities van beschikbare tools aanlevert. Het model geeft een geselecteerde functie en de bijbehorende argumenten terug; de toepassing voert die functie uit, voegt het toolresultaat aan het gesprek toe en vraagt het model om verder te gaan. Definieer voor een programmeerassistent de tool voor het lezen van de repository of voor validatie nauwkeurig en vraag om de voltooide wijziging met het resultaat dat haar onderbouwt. Een tool beschrijven verschilt van die uitvoeren: de omringende toepassing verleent de toegang en voert de handeling uit.
De juni-momentopname vermeldt ook Structured Outputs, Web Search, Prefix Completion en Context Caching. Die ondersteunen gedefinieerde uitvoerrecords, werk met zoekondersteuning, voortzetting vanaf een aangeleverd begin en hergebruik van een gemeenschappelijk invoervoorvoegsel in de workflow van de fabrikant. Zet bij een terugkerende analyse het vaste document of de vaste taakinstructies vooraan en de veranderende vraag erachter. Cachehergebruik hangt af van de voorwaarden van die workflow; dat het model caching ondersteunt, bewijst geen cachetreffer voor een specifieke aanvraag. Batchinferentie en fine-tuning worden voor deze editie als niet ondersteund aangeduid.
De exacte juni-tabel geeft een contextvenster van 1,000,000 tokens op. De maximale invoer is 991,808 tokens in het gewone profiel en 983,616 tokens in de denkmodus; de maximale uitvoer is 131,072 tokens in beide profielen. Dit zijn afzonderlijke limieten voor context, invoer en uitvoer. Omvangrijk bronmateriaal, gespreksgeschiedenis en visuele inhoud moeten nog steeds binnen de toepasselijke invoergrens passen, en het uitvoerplafond verplicht een antwoord niet om al die ruimte te gebruiken.
Lever voor een praktische interfacetaak de schermafbeelding, relevante bronfragmenten, het gewenste gedrag en een expliciet eindproduct aan. Een voorbeeldopdracht is: “Gebruik dit scherm en de bijgevoegde componenttekst om uit te leggen waarom de labels van het formulier niet overeenkomen met de workflow. Stel een gerichte codewijziging voor en vermeld de zichtbare elementen die daartoe aanleiding gaven.” Geef voor een document- of productiviteitstaak de bronsecties, het gewenste eindrecord en de criteria om te bepalen wat erin hoort. Nummer afzonderlijke afbeeldingen en beschrijf hun onderlinge verband, zodat het tekstresultaat naar het bewijsmateriaal kan verwijzen.
Benoem voor videoanalyse de gebeurtenis of reeks die je nodig hebt, vraag een beknopte beschrijving en bewaar tijdstempels in de voorbereide invoer wanneer het resultaat een specifiek moment moet aanduiden. Voor Alibaba’s bestandsworkflow mag een afbeelding via URL tot 20 MB groot zijn; een video via URL mag tot 2 GB groot zijn en 2 seconden tot 2 uur duren. Base64-video moet na codering kleiner zijn dan 10 MB. Houd bestandslimieten gescheiden van het tokenbudget. Als audio essentieel is, lever dan een transcript als tekst aan; de invoertabel van deze momentopname vermeldt geen audio. Specificeer bij een langere agenttaak het eindartefact, de toegestane tools en welk resultaat als voltooiing telt. Die voorbereiding stuurt het model naar een beoordeelbaar tekstueel eindproduct in plaats van een onbegrensde reeks tussentijdse suggesties.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K tokens Uitvoer · Uitvoertokens $0.0106 / 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": "qwen3.7-max-2026-06-08", "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='qwen3.7-max-2026-06-08',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='qwen3.7-max-2026-06-08',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 qwen3.7-max-2026-06-08
Gebruik de hierboven getoonde methodepaden.
qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 combineert begrip van tekst, afbeeldingen en video met een tekstworkflow gericht op agents. Deze benoemde momentopname voegt visuele verwerking toe aan de mei-editie, ondersteunt hybride denken en tools, en heeft een context van één miljoen tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen3.7-Max 2026-06-08 is Alibaba’s benoemde momentopname van 8 juni van het Max-model in de Qwen3.7-familie. De kenmerkende wijziging in deze editie is de toevoeging van begrip van visuele modaliteiten aan de momentopname van 20 mei, voor interactie die op reële scènes is gebaseerd. Het accepteert tekst, afbeeldingen en video en genereert tekst. De agentgerichte doelstelling van de familie omvat programmeren, kantoor- en productiviteitswerk, en langdurige taken die instructies met toolresultaten combineren.
De editie is van belang voor visuele opdrachten. De ongedateerde naam Qwen3.7-Max is volgens de documentatie gelijkwaardig aan de uitsluitend tekstverwerkende momentopname van 20 mei, terwijl de exacte modeltabel van juni invoer van afbeeldingen en video vermeldt. Bij dit model kan een schermafbeelding een codeopdracht begeleiden, of kan een video de scène leveren die de agent volgens een schriftelijke instructie moet analyseren. De uitvoer is een uitleg, code, een gestructureerd record of een instructie voor een toolaanroep, en geen gegenereerde afbeelding, video of spraak.
Alibaba’s handleiding voor denken vermeldt deze juni-momentopname expliciet als hybride: denken is in de workflow van de producent standaard ingeschakeld en kan voor een rechtstreeks antwoord worden uitgeschakeld. De denkmodus produceert redeneringen vóór het antwoord en vergt extra redeneertijd. De handleiding scheidt de redeneerinhoud van het uiteindelijke antwoord en ondersteunt voor dit exacte model het bewaren van aangeleverde historische redeneringen over meerdere beurten. Bewaarde redeneringen worden deel van de volgende invoer; bij een doorlopende taak moet daarvoor dus naast het gesprek en het bronmateriaal ruimte worden begroot.
Function Calling ondersteunt een taak waarbij de toepassing een vraag en definities van beschikbare tools aanlevert. Het model geeft een geselecteerde functie en de bijbehorende argumenten terug; de toepassing voert die functie uit, voegt het toolresultaat aan het gesprek toe en vraagt het model om verder te gaan. Definieer voor een programmeerassistent de tool voor het lezen van de repository of voor validatie nauwkeurig en vraag om de voltooide wijziging met het resultaat dat haar onderbouwt. Een tool beschrijven verschilt van die uitvoeren: de omringende toepassing verleent de toegang en voert de handeling uit.
De juni-momentopname vermeldt ook Structured Outputs, Web Search, Prefix Completion en Context Caching. Die ondersteunen gedefinieerde uitvoerrecords, werk met zoekondersteuning, voortzetting vanaf een aangeleverd begin en hergebruik van een gemeenschappelijk invoervoorvoegsel in de workflow van de fabrikant. Zet bij een terugkerende analyse het vaste document of de vaste taakinstructies vooraan en de veranderende vraag erachter. Cachehergebruik hangt af van de voorwaarden van die workflow; dat het model caching ondersteunt, bewijst geen cachetreffer voor een specifieke aanvraag. Batchinferentie en fine-tuning worden voor deze editie als niet ondersteund aangeduid.
De exacte juni-tabel geeft een contextvenster van 1,000,000 tokens op. De maximale invoer is 991,808 tokens in het gewone profiel en 983,616 tokens in de denkmodus; de maximale uitvoer is 131,072 tokens in beide profielen. Dit zijn afzonderlijke limieten voor context, invoer en uitvoer. Omvangrijk bronmateriaal, gespreksgeschiedenis en visuele inhoud moeten nog steeds binnen de toepasselijke invoergrens passen, en het uitvoerplafond verplicht een antwoord niet om al die ruimte te gebruiken.
Lever voor een praktische interfacetaak de schermafbeelding, relevante bronfragmenten, het gewenste gedrag en een expliciet eindproduct aan. Een voorbeeldopdracht is: “Gebruik dit scherm en de bijgevoegde componenttekst om uit te leggen waarom de labels van het formulier niet overeenkomen met de workflow. Stel een gerichte codewijziging voor en vermeld de zichtbare elementen die daartoe aanleiding gaven.” Geef voor een document- of productiviteitstaak de bronsecties, het gewenste eindrecord en de criteria om te bepalen wat erin hoort. Nummer afzonderlijke afbeeldingen en beschrijf hun onderlinge verband, zodat het tekstresultaat naar het bewijsmateriaal kan verwijzen.
Benoem voor videoanalyse de gebeurtenis of reeks die je nodig hebt, vraag een beknopte beschrijving en bewaar tijdstempels in de voorbereide invoer wanneer het resultaat een specifiek moment moet aanduiden. Voor Alibaba’s bestandsworkflow mag een afbeelding via URL tot 20 MB groot zijn; een video via URL mag tot 2 GB groot zijn en 2 seconden tot 2 uur duren. Base64-video moet na codering kleiner zijn dan 10 MB. Houd bestandslimieten gescheiden van het tokenbudget. Als audio essentieel is, lever dan een transcript als tekst aan; de invoertabel van deze momentopname vermeldt geen audio. Specificeer bij een langere agenttaak het eindartefact, de toegestane tools en welk resultaat als voltooiing telt. Die voorbereiding stuurt het model naar een beoordeelbaar tekstueel eindproduct in plaats van een onbegrensde reeks tussentijdse suggesties.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K tokens Uitvoer · Uitvoertokens $0.0106 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen3.7-max-2026-06-08",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.7-max-2026-06-08', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.7-max-2026-06-08', '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 qwen3.7-max-2026-06-08
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.