Overzicht: redeneren op basis van Qwen2.5
QwQ-Plus is het verbeterde QwQ-redeneermodel op basis van Qwen2.5. Qwen beschrijft reinforcement learning als de methode waarmee het redeneren wordt versterkt, vooral bij wiskunde en programmeren, samen met algemene taken voor het volgen van instructies. Het ontvangt tekst en geeft tekst terug. Kies het wanneer het werk een toegelichte oplossing, vergelijking of codevoorstel vraagt dat aan de aangeleverde voorwaarden kan worden getoetst.
Dit is de QwQ-Plus-modellijn. De naam legt niet het parameteraantal of de gewichtsidentiteit van een open QwQ-checkpoint vast, en een leveranciersnaam met latest erin mag niet stilzwijgend een vaste gedateerde revisie worden. Gebruik de exact gevraagde modelidentiteit wanneer je uitvoer vergelijkt of een reproduceerbaar taakrecord bijhoudt.
Wiskundig en logisch werk voorbereiden
Geef de volledige probleemstelling, definities, eenheden en toegelaten aannames mee. Vraag het eindantwoord in een duidelijk afgebakende vorm en vraag vervolgens om de vergelijkingen of logische stappen die nodig zijn om het te ondersteunen. Specificeer bij een planningsprobleem met beperkingen de haalbare keuzes en evaluatiecriteria apart en vraag om een tabel die toont aan welke voorwaarden elke keuze voldoet. Neem bij een onderwijsbeoordeling de oplossingspoging van de leerling op en vraag het model de eerste ongefundeerde stap aan te duiden in plaats van de hele oefening zonder uitleg te herschrijven.
Dit zijn praktische toepassingen van de gedocumenteerde redeneerfocus van het model. Het bruikbare eindproduct is een controleerbaar resultaat: een waarde met eenheden, een conclusie met premissen of een vergelijking die aan de opgegeven criteria gekoppeld is. Meer uitleg bewijst op zichzelf geen correcte conclusie; houd daarom aannames zichtbaar en vergelijk het eindresultaat met de oorspronkelijke vraag.
Programmeerwerk voorbereiden
Geef de relevante code, de invoer die het probleem blootlegt, de waargenomen uitvoer en het gewenste gedrag mee. Vraag om een voorgestelde wijziging, uitleg waarom die deze invoer afhandelt en randgevallen die nog moeten worden gecontroleerd. Geef bij een algoritmevraag de invoerbeperkingen en de vereiste uitvoer aan voordat je om een aanpak vraagt. Onderscheid gegenereerde code van code die daadwerkelijk in de omgeving van de toepassing is uitgevoerd.
Een bruikbaar antwoord kan de diagnose, patch en het verwachte gedrag apart weergeven. Vraag bij een kleine wijziging om een beknopte patch in plaats van een herschreven project. Deze voorbeelden zijn uitgeschreven manieren om de wiskundige en programmeerspecialisatie van QwQ-Plus toe te passen; ze zijn geen extra tool of uitvoeringsmogelijkheid.
Context- en antwoordlimieten
De exacte modelspecificatie geeft een contextvenster van 131,072 tokens, een maximale invoer van 98,304 tokens en een maximale uitvoer van 8,192 tokens. Dit zijn afzonderlijke limieten van de producent. Verander het rekenkundige verschil ertussen niet in een ongedocumenteerde gegarandeerde redeneerruimte. Brontekst, gespreksgeschiedenis en antwoord moeten binnen de toepasselijke geconfigureerde grenzen blijven.
Bewaar bij een lange specificatie of een codefragment relevante sectie- en functie-identificaties en vraag het model er in de uitleg naar te verwijzen. Verwijder ongerelateerd materiaal vóór het insturen en reserveer voldoende uitvoerruimte voor de vereiste conclusie. Een groot contextvenster is bruikbaar om meer voorwaarden samen aan te leveren; het belooft niet dat elk feit wordt herinnerd of elke afhankelijkheid wordt begrepen.
Tools, opmaak en modelspecifieke grenzen
De implementatiematrix van de fabrikant vermeldt functieaanroepen en webzoeken in sommige configuraties en markeert ze als niet ondersteund in een andere. Het zijn dus voorwaardelijke mogelijkheden, geen functies die op basis van de modelnaam alleen kunnen worden beloofd. Dezelfde matrix ondersteunt batchinferentie in sommige fabrikantconfiguraties. Een workflow met tools moet de werkelijke tools aanbieden en hun resultaten terugvoeren naar de teksttaak. Deze beschrijving legt de toolbeschikbaarheid van een toepassing niet vast.
Afgedwongen gestructureerde uitvoer is als niet ondersteund gemarkeerd. Een prompt kan nog steeds om een tabel of een antwoord in JSON-vorm vragen, maar de toepassing moet het resultaat bekijken in plaats van dat verzoek als schema-afdwinging te behandelen. De exacte modelpagina beschrijft een redeneerspecialisatie zonder een per-modelcontract voor een hybride denkschakelaar; instellingen die voor nieuwere Qwen-generaties zijn gedocumenteerd, mogen niet naar deze editie worden overgenomen.
Maak het eindantwoord makkelijk te beoordelen, controleer berekeningen aan de hand van de opgegeven eenheden en bekijk codevoorstellen vóór uitvoering. De praktische rol van QwQ-Plus is een moeilijk tekstprobleem doorlopen en een bruikbare uitleg of een eindproduct teruggeven binnen de eigen gedocumenteerde limieten.
", "aboutText": "Overzicht: redeneren op basis van Qwen2.5\n\nQwQ-Plus is het verbeterde QwQ-redeneermodel op basis van Qwen2.5. Qwen beschrijft reinforcement learning als de methode waarmee het redeneren wordt versterkt, vooral bij wiskunde en programmeren, samen met algemene taken voor het volgen van instructies. Het ontvangt tekst en geeft tekst terug. Kies het wanneer het werk een toegelichte oplossing, vergelijking of codevoorstel vraagt dat aan de aangeleverde voorwaarden kan worden getoetst.\n\nDit is de QwQ-Plus-modellijn. De naam legt niet het parameteraantal of de gewichtsidentiteit van een open QwQ-checkpoint vast, en een leveranciersnaam met latest erin mag niet stilzwijgend een vaste gedateerde revisie worden. Gebruik de exact gevraagde modelidentiteit wanneer je uitvoer vergelijkt of een reproduceerbaar taakrecord bijhoudt.\n\nWiskundig en logisch werk voorbereiden\n\nGeef de volledige probleemstelling, definities, eenheden en toegelaten aannames mee. Vraag het eindantwoord in een duidelijk afgebakende vorm en vraag vervolgens om de vergelijkingen of logische stappen die nodig zijn om het te ondersteunen. Specificeer bij een planningsprobleem met beperkingen de haalbare keuzes en evaluatiecriteria apart en vraag om een tabel die toont aan welke voorwaarden elke keuze voldoet. Neem bij een onderwijsbeoordeling de oplossingspoging van de leerling op en vraag het model de eerste ongefundeerde stap aan te duiden in plaats van de hele oefening zonder uitleg te herschrijven.\n\nDit zijn praktische toepassingen van de gedocumenteerde redeneerfocus van het model. Het bruikbare eindproduct is een controleerbaar resultaat: een waarde met eenheden, een conclusie met premissen of een vergelijking die aan de opgegeven criteria gekoppeld is. Meer uitleg bewijst op zichzelf geen correcte conclusie; houd daarom aannames zichtbaar en vergelijk het eindresultaat met de oorspronkelijke vraag.\n\nProgrammeerwerk voorbereiden\n\nGeef de relevante code, de invoer die het probleem blootlegt, de waargenomen uitvoer en het gewenste gedrag mee. Vraag om een voorgestelde wijziging, uitleg waarom die deze invoer afhandelt en randgevallen die nog moeten worden gecontroleerd. Geef bij een algoritmevraag de invoerbeperkingen en de vereiste uitvoer aan voordat je om een aanpak vraagt. Onderscheid gegenereerde code van code die daadwerkelijk in de omgeving van de toepassing is uitgevoerd.\n\nEen bruikbaar antwoord kan de diagnose, patch en het verwachte gedrag apart weergeven. Vraag bij een kleine wijziging om een beknopte patch in plaats van een herschreven project. Deze voorbeelden zijn uitgeschreven manieren om de wiskundige en programmeerspecialisatie van QwQ-Plus toe te passen; ze zijn geen extra tool of uitvoeringsmogelijkheid.\n\nContext- en antwoordlimieten\n\nDe exacte modelspecificatie geeft een contextvenster van 131,072 tokens, een maximale invoer van 98,304 tokens en een maximale uitvoer van 8,192 tokens. Dit zijn afzonderlijke limieten van de producent. Verander het rekenkundige verschil ertussen niet in een ongedocumenteerde gegarandeerde redeneerruimte. Brontekst, gespreksgeschiedenis en antwoord moeten binnen de toepasselijke geconfigureerde grenzen blijven.\n\nBewaar bij een lange specificatie of een codefragment relevante sectie- en functie-identificaties en vraag het model er in de uitleg naar te verwijzen. Verwijder ongerelateerd materiaal vóór het insturen en reserveer voldoende uitvoerruimte voor de vereiste conclusie. Een groot contextvenster is bruikbaar om meer voorwaarden samen aan te leveren; het belooft niet dat elk feit wordt herinnerd of elke afhankelijkheid wordt begrepen.\n\nTools, opmaak en modelspecifieke grenzen\n\nDe implementatiematrix van de fabrikant vermeldt functieaanroepen en webzoeken in sommige configuraties en markeert ze als niet ondersteund in een andere. Het zijn dus voorwaardelijke mogelijkheden, geen functies die op basis van de modelnaam alleen kunnen worden beloofd. Dezelfde matrix ondersteunt batchinferentie in sommige fabrikantconfiguraties. Een workflow met tools moet de werkelijke tools aanbieden en hun resultaten terugvoeren naar de teksttaak. Deze beschrijving legt de toolbeschikbaarheid van een toepassing niet vast.\n\nAfgedwongen gestructureerde uitvoer is als niet ondersteund gemarkeerd. Een prompt kan nog steeds om een tabel of een antwoord in JSON-vorm vragen, maar de toepassing moet het resultaat bekijken in plaats van dat verzoek als schema-afdwinging te behandelen. De exacte modelpagina beschrijft een redeneerspecialisatie zonder een per-modelcontract voor een hybride denkschakelaar; instellingen die voor nieuwere Qwen-generaties zijn gedocumenteerd, mogen niet naar deze editie worden overgenomen.\n\nMaak het eindantwoord makkelijk te beoordelen, controleer berekeningen aan de hand van de opgegeven eenheden en bekijk codevoorstellen vóór uitvoering. De praktische rol van QwQ-Plus is een moeilijk tekstprobleem doorlopen en een bruikbare uitleg of een eindproduct teruggeven binnen de eigen gedocumenteerde limieten.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.qwq-plusQwQ-Plus is het op Qwen2.5 gebaseerde redeneermodel van Qwen, versterkt via reinforcement learning voor wiskundige, programmeer- en logische teksttaken. De specifieke modelbeschrijving vermeldt een context van 131,072 tokens, maximaal 98,304 invoertokens en maximaal 8,192 uitvoertokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Overzicht: redeneren op basis van Qwen2.5
QwQ-Plus is het verbeterde QwQ-redeneermodel op basis van Qwen2.5. Qwen beschrijft reinforcement learning als de methode waarmee het redeneren wordt versterkt, vooral bij wiskunde en programmeren, samen met algemene taken voor het volgen van instructies. Het ontvangt tekst en geeft tekst terug. Kies het wanneer het werk een toegelichte oplossing, vergelijking of codevoorstel vraagt dat aan de aangeleverde voorwaarden kan worden getoetst.
Dit is de QwQ-Plus-modellijn. De naam legt niet het parameteraantal of de gewichtsidentiteit van een open QwQ-checkpoint vast, en een leveranciersnaam met latest erin mag niet stilzwijgend een vaste gedateerde revisie worden. Gebruik de exact gevraagde modelidentiteit wanneer je uitvoer vergelijkt of een reproduceerbaar taakrecord bijhoudt.
Wiskundig en logisch werk voorbereiden
Geef de volledige probleemstelling, definities, eenheden en toegelaten aannames mee. Vraag het eindantwoord in een duidelijk afgebakende vorm en vraag vervolgens om de vergelijkingen of logische stappen die nodig zijn om het te ondersteunen. Specificeer bij een planningsprobleem met beperkingen de haalbare keuzes en evaluatiecriteria apart en vraag om een tabel die toont aan welke voorwaarden elke keuze voldoet. Neem bij een onderwijsbeoordeling de oplossingspoging van de leerling op en vraag het model de eerste ongefundeerde stap aan te duiden in plaats van de hele oefening zonder uitleg te herschrijven.
Dit zijn praktische toepassingen van de gedocumenteerde redeneerfocus van het model. Het bruikbare eindproduct is een controleerbaar resultaat: een waarde met eenheden, een conclusie met premissen of een vergelijking die aan de opgegeven criteria gekoppeld is. Meer uitleg bewijst op zichzelf geen correcte conclusie; houd daarom aannames zichtbaar en vergelijk het eindresultaat met de oorspronkelijke vraag.
Programmeerwerk voorbereiden
Geef de relevante code, de invoer die het probleem blootlegt, de waargenomen uitvoer en het gewenste gedrag mee. Vraag om een voorgestelde wijziging, uitleg waarom die deze invoer afhandelt en randgevallen die nog moeten worden gecontroleerd. Geef bij een algoritmevraag de invoerbeperkingen en de vereiste uitvoer aan voordat je om een aanpak vraagt. Onderscheid gegenereerde code van code die daadwerkelijk in de omgeving van de toepassing is uitgevoerd.
Een bruikbaar antwoord kan de diagnose, patch en het verwachte gedrag apart weergeven. Vraag bij een kleine wijziging om een beknopte patch in plaats van een herschreven project. Deze voorbeelden zijn uitgeschreven manieren om de wiskundige en programmeerspecialisatie van QwQ-Plus toe te passen; ze zijn geen extra tool of uitvoeringsmogelijkheid.
Context- en antwoordlimieten
De exacte modelspecificatie geeft een contextvenster van 131,072 tokens, een maximale invoer van 98,304 tokens en een maximale uitvoer van 8,192 tokens. Dit zijn afzonderlijke limieten van de producent. Verander het rekenkundige verschil ertussen niet in een ongedocumenteerde gegarandeerde redeneerruimte. Brontekst, gespreksgeschiedenis en antwoord moeten binnen de toepasselijke geconfigureerde grenzen blijven.
Bewaar bij een lange specificatie of een codefragment relevante sectie- en functie-identificaties en vraag het model er in de uitleg naar te verwijzen. Verwijder ongerelateerd materiaal vóór het insturen en reserveer voldoende uitvoerruimte voor de vereiste conclusie. Een groot contextvenster is bruikbaar om meer voorwaarden samen aan te leveren; het belooft niet dat elk feit wordt herinnerd of elke afhankelijkheid wordt begrepen.
Tools, opmaak en modelspecifieke grenzen
De implementatiematrix van de fabrikant vermeldt functieaanroepen en webzoeken in sommige configuraties en markeert ze als niet ondersteund in een andere. Het zijn dus voorwaardelijke mogelijkheden, geen functies die op basis van de modelnaam alleen kunnen worden beloofd. Dezelfde matrix ondersteunt batchinferentie in sommige fabrikantconfiguraties. Een workflow met tools moet de werkelijke tools aanbieden en hun resultaten terugvoeren naar de teksttaak. Deze beschrijving legt de toolbeschikbaarheid van een toepassing niet vast.
Afgedwongen gestructureerde uitvoer is als niet ondersteund gemarkeerd. Een prompt kan nog steeds om een tabel of een antwoord in JSON-vorm vragen, maar de toepassing moet het resultaat bekijken in plaats van dat verzoek als schema-afdwinging te behandelen. De exacte modelpagina beschrijft een redeneerspecialisatie zonder een per-modelcontract voor een hybride denkschakelaar; instellingen die voor nieuwere Qwen-generaties zijn gedocumenteerd, mogen niet naar deze editie worden overgenomen.
Maak het eindantwoord makkelijk te beoordelen, controleer berekeningen aan de hand van de opgegeven eenheden en bekijk codevoorstellen vóór uitvoering. De praktische rol van QwQ-Plus is een moeilijk tekstprobleem doorlopen en een bruikbare uitleg of een eindproduct teruggeven binnen de eigen gedocumenteerde limieten.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwq-plus | 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 $0.00046 / 1K tokens Uitvoer · Uitvoertokens $0.00116 / 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": "qwq-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwq-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwq-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwq-plus
Gebruik de hierboven getoonde methodepaden.
qwq-plusQwQ-Plus is het op Qwen2.5 gebaseerde redeneermodel van Qwen, versterkt via reinforcement learning voor wiskundige, programmeer- en logische teksttaken. De specifieke modelbeschrijving vermeldt een context van 131,072 tokens, maximaal 98,304 invoertokens en maximaal 8,192 uitvoertokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Overzicht: redeneren op basis van Qwen2.5
QwQ-Plus is het verbeterde QwQ-redeneermodel op basis van Qwen2.5. Qwen beschrijft reinforcement learning als de methode waarmee het redeneren wordt versterkt, vooral bij wiskunde en programmeren, samen met algemene taken voor het volgen van instructies. Het ontvangt tekst en geeft tekst terug. Kies het wanneer het werk een toegelichte oplossing, vergelijking of codevoorstel vraagt dat aan de aangeleverde voorwaarden kan worden getoetst.
Dit is de QwQ-Plus-modellijn. De naam legt niet het parameteraantal of de gewichtsidentiteit van een open QwQ-checkpoint vast, en een leveranciersnaam met latest erin mag niet stilzwijgend een vaste gedateerde revisie worden. Gebruik de exact gevraagde modelidentiteit wanneer je uitvoer vergelijkt of een reproduceerbaar taakrecord bijhoudt.
Wiskundig en logisch werk voorbereiden
Geef de volledige probleemstelling, definities, eenheden en toegelaten aannames mee. Vraag het eindantwoord in een duidelijk afgebakende vorm en vraag vervolgens om de vergelijkingen of logische stappen die nodig zijn om het te ondersteunen. Specificeer bij een planningsprobleem met beperkingen de haalbare keuzes en evaluatiecriteria apart en vraag om een tabel die toont aan welke voorwaarden elke keuze voldoet. Neem bij een onderwijsbeoordeling de oplossingspoging van de leerling op en vraag het model de eerste ongefundeerde stap aan te duiden in plaats van de hele oefening zonder uitleg te herschrijven.
Dit zijn praktische toepassingen van de gedocumenteerde redeneerfocus van het model. Het bruikbare eindproduct is een controleerbaar resultaat: een waarde met eenheden, een conclusie met premissen of een vergelijking die aan de opgegeven criteria gekoppeld is. Meer uitleg bewijst op zichzelf geen correcte conclusie; houd daarom aannames zichtbaar en vergelijk het eindresultaat met de oorspronkelijke vraag.
Programmeerwerk voorbereiden
Geef de relevante code, de invoer die het probleem blootlegt, de waargenomen uitvoer en het gewenste gedrag mee. Vraag om een voorgestelde wijziging, uitleg waarom die deze invoer afhandelt en randgevallen die nog moeten worden gecontroleerd. Geef bij een algoritmevraag de invoerbeperkingen en de vereiste uitvoer aan voordat je om een aanpak vraagt. Onderscheid gegenereerde code van code die daadwerkelijk in de omgeving van de toepassing is uitgevoerd.
Een bruikbaar antwoord kan de diagnose, patch en het verwachte gedrag apart weergeven. Vraag bij een kleine wijziging om een beknopte patch in plaats van een herschreven project. Deze voorbeelden zijn uitgeschreven manieren om de wiskundige en programmeerspecialisatie van QwQ-Plus toe te passen; ze zijn geen extra tool of uitvoeringsmogelijkheid.
Context- en antwoordlimieten
De exacte modelspecificatie geeft een contextvenster van 131,072 tokens, een maximale invoer van 98,304 tokens en een maximale uitvoer van 8,192 tokens. Dit zijn afzonderlijke limieten van de producent. Verander het rekenkundige verschil ertussen niet in een ongedocumenteerde gegarandeerde redeneerruimte. Brontekst, gespreksgeschiedenis en antwoord moeten binnen de toepasselijke geconfigureerde grenzen blijven.
Bewaar bij een lange specificatie of een codefragment relevante sectie- en functie-identificaties en vraag het model er in de uitleg naar te verwijzen. Verwijder ongerelateerd materiaal vóór het insturen en reserveer voldoende uitvoerruimte voor de vereiste conclusie. Een groot contextvenster is bruikbaar om meer voorwaarden samen aan te leveren; het belooft niet dat elk feit wordt herinnerd of elke afhankelijkheid wordt begrepen.
Tools, opmaak en modelspecifieke grenzen
De implementatiematrix van de fabrikant vermeldt functieaanroepen en webzoeken in sommige configuraties en markeert ze als niet ondersteund in een andere. Het zijn dus voorwaardelijke mogelijkheden, geen functies die op basis van de modelnaam alleen kunnen worden beloofd. Dezelfde matrix ondersteunt batchinferentie in sommige fabrikantconfiguraties. Een workflow met tools moet de werkelijke tools aanbieden en hun resultaten terugvoeren naar de teksttaak. Deze beschrijving legt de toolbeschikbaarheid van een toepassing niet vast.
Afgedwongen gestructureerde uitvoer is als niet ondersteund gemarkeerd. Een prompt kan nog steeds om een tabel of een antwoord in JSON-vorm vragen, maar de toepassing moet het resultaat bekijken in plaats van dat verzoek als schema-afdwinging te behandelen. De exacte modelpagina beschrijft een redeneerspecialisatie zonder een per-modelcontract voor een hybride denkschakelaar; instellingen die voor nieuwere Qwen-generaties zijn gedocumenteerd, mogen niet naar deze editie worden overgenomen.
Maak het eindantwoord makkelijk te beoordelen, controleer berekeningen aan de hand van de opgegeven eenheden en bekijk codevoorstellen vóór uitvoering. De praktische rol van QwQ-Plus is een moeilijk tekstprobleem doorlopen en een bruikbare uitleg of een eindproduct teruggeven binnen de eigen gedocumenteerde limieten.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwq-plus | 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 $0.00046 / 1K tokens Uitvoer · Uitvoertokens $0.00116 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwq-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwq-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwq-plus
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.