Qwen-Long (2025-01-25) is het gedateerde Qwen-Long-profiel voor de verwerking van ultralange contexten. De fabrikant beschrijft gesprekken in het Chinees, Engels en andere talen, met documentdiensten die bronbestanden parsen voor het beantwoorden van vragen en het bespreken van de inhoud. Het resultaat is een tekstantwoord op basis van het aangeleverde materiaal.
Geef de opdracht een concreet doel: bepalingen vergelijken, een genoemde voorwaarde vinden of uitleggen hoe twee delen van een document samenhangen. Behoud documentnamen, koppen en pagina-aanduidingen, zodat het antwoord naar de juiste bron kan verwijzen. Als meerdere bestanden hetzelfde onderwerp beschrijven, geef dan hun prioriteit aan en vraag om tegenstrijdigheden te benoemen in plaats van ze stilzwijgend op te lossen.
Een beoordelingsopdracht kan om de relevante uitspraak uit elk document, een uitleg van de verschillen en de nog openstaande vragen vragen. Een extractietaak kan de terug te geven velden en de omgang met ontbrekende waarden vastleggen. Deze uitvoereisen maken een lange bronverzameling bruikbaar voor een specifieke beslissing.
De fabrikant noemt tekstbestanden zoals TXT, DOCX, PDF, XLSX, EPUB, MOBI, Markdown en CSV. De geïntegreerde documentdiensten parsen ook afbeeldingsbestanden zoals BMP, PNG, JPG/JPEG en GIF, naast gescande PDF’s. Het parsen van bestanden bereidt het materiaal voor het gesprek voor; dit is een afzonderlijke stap van de dienst, los van het genereren van het tekstantwoord. Bewaar leesbare bronbestanden en controleer geëxtraheerde notatie of tabellen als die details de conclusie bepalen.
De gedocumenteerde route via de documentdienst verwerkt tot 10 miljoen tokens. HTTP-aanvragen ondersteunen tot 1 miljoen tokens en de fabrikant raadt aan om langere inhoud als bestand in te dienen. Het opgeslagen gehoste profiel voor precies deze gedateerde identificatie vermeldt eveneens een context van 1 miljoen tokens. Het grotere cijfer van de documentdienst stelt dus niet de capaciteit vast van een rechtstreekse tekstanvraag via een andere interface.
Kies de route die de integratie aanbiedt en bewaar de identificaties van de documenten die voor de opdracht zijn gebruikt. Een langere bron is nuttig als relevante verbanden daarin gezamenlijk moeten worden beschouwd; een gerichte passage volstaat als de vraag over één onderdeel gaat. Geef de gewenste antwoordlengte aan, zodat je een uitleg, vergelijking of extractieresultaat krijgt dat past bij de taak.
Vraag het model om expliciete uitspraken te onderscheiden van gevolgtrekkingen en een vraag te benoemen die de aangeleverde documenten niet beantwoorden. Controleer belangrijke namen, cijfers en voorwaarden aan de hand van de oorspronkelijke bronnen. Een vervolgvraag kan één bepaling onderzoeken of de uitvoervorm aanpassen, met behoud van dezelfde documentaanduidingen en besliscriteria.
", "aboutText": "Qwen-Long (2025-01-25) is het gedateerde Qwen-Long-profiel voor de verwerking van ultralange contexten. De fabrikant beschrijft gesprekken in het Chinees, Engels en andere talen, met documentdiensten die bronbestanden parsen voor het beantwoorden van vragen en het bespreken van de inhoud. Het resultaat is een tekstantwoord op basis van het aangeleverde materiaal.\n\n### Stel een vraag over meerdere documenten\n\nGeef de opdracht een concreet doel: bepalingen vergelijken, een genoemde voorwaarde vinden of uitleggen hoe twee delen van een document samenhangen. Behoud documentnamen, koppen en pagina-aanduidingen, zodat het antwoord naar de juiste bron kan verwijzen. Als meerdere bestanden hetzelfde onderwerp beschrijven, geef dan hun prioriteit aan en vraag om tegenstrijdigheden te benoemen in plaats van ze stilzwijgend op te lossen.\n\nEen beoordelingsopdracht kan om de relevante uitspraak uit elk document, een uitleg van de verschillen en de nog openstaande vragen vragen. Een extractietaak kan de terug te geven velden en de omgang met ontbrekende waarden vastleggen. Deze uitvoereisen maken een lange bronverzameling bruikbaar voor een specifieke beslissing.\n\n### Werk met de gedocumenteerde bestandstypen\n\nDe fabrikant noemt tekstbestanden zoals TXT, DOCX, PDF, XLSX, EPUB, MOBI, Markdown en CSV. De geïntegreerde documentdiensten parsen ook afbeeldingsbestanden zoals BMP, PNG, JPG/JPEG en GIF, naast gescande PDF’s. Het parsen van bestanden bereidt het materiaal voor het gesprek voor; dit is een afzonderlijke stap van de dienst, los van het genereren van het tekstantwoord. Bewaar leesbare bronbestanden en controleer geëxtraheerde notatie of tabellen als die details de conclusie bepalen.\n\n### Maak onderscheid tussen de twee contextroutes\n\nDe gedocumenteerde route via de documentdienst verwerkt tot 10 miljoen tokens. HTTP-aanvragen ondersteunen tot 1 miljoen tokens en de fabrikant raadt aan om langere inhoud als bestand in te dienen. Het opgeslagen gehoste profiel voor precies deze gedateerde identificatie vermeldt eveneens een context van 1 miljoen tokens. Het grotere cijfer van de documentdienst stelt dus niet de capaciteit vast van een rechtstreekse tekstanvraag via een andere interface.\n\nKies de route die de integratie aanbiedt en bewaar de identificaties van de documenten die voor de opdracht zijn gebruikt. Een langere bron is nuttig als relevante verbanden daarin gezamenlijk moeten worden beschouwd; een gerichte passage volstaat als de vraag over één onderdeel gaat. Geef de gewenste antwoordlengte aan, zodat je een uitleg, vergelijking of extractieresultaat krijgt dat past bij de taak.\n\n### Houd het antwoord gekoppeld aan zijn onderbouwing\n\nVraag het model om expliciete uitspraken te onderscheiden van gevolgtrekkingen en een vraag te benoemen die de aangeleverde documenten niet beantwoorden. Controleer belangrijke namen, cijfers en voorwaarden aan de hand van de oorspronkelijke bronnen. Een vervolgvraag kan één bepaling onderzoeken of de uitvoervorm aanpassen, met behoud van dezelfde documentaanduidingen en besliscriteria.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Locate conflicting document conditions\n\nCompare these labelled document excerpts. [Guide, section 2] Return cartons in lots of 10. [Warehouse note, section 4] Accept mixed lots of 5 when pre-approved. [Email E-3] Customer wants to send 15 cartons without approval. State the general rule, the exception and the unresolved condition for this request. Do not silently give either document priority.A source-linked rule and exception summary with the approval question made explicit.Verify the exception retains its pre-approval condition and 15 cartons is not automatically accepted.qwen-long-2025-01-25Qwen-Long (2025-01-25) is een Qwen-model voor gesprekken over ultralange documenten in het Chinees, Engels en andere talen. De fabrikant beschrijft tot 10 miljoen tokens via documentdiensten, terwijl HTTP-aanvragen beperkt zijn tot 1 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.
Qwen-Long (2025-01-25) is het gedateerde Qwen-Long-profiel voor de verwerking van ultralange contexten. De fabrikant beschrijft gesprekken in het Chinees, Engels en andere talen, met documentdiensten die bronbestanden parsen voor het beantwoorden van vragen en het bespreken van de inhoud. Het resultaat is een tekstantwoord op basis van het aangeleverde materiaal.
Geef de opdracht een concreet doel: bepalingen vergelijken, een genoemde voorwaarde vinden of uitleggen hoe twee delen van een document samenhangen. Behoud documentnamen, koppen en pagina-aanduidingen, zodat het antwoord naar de juiste bron kan verwijzen. Als meerdere bestanden hetzelfde onderwerp beschrijven, geef dan hun prioriteit aan en vraag om tegenstrijdigheden te benoemen in plaats van ze stilzwijgend op te lossen.
Een beoordelingsopdracht kan om de relevante uitspraak uit elk document, een uitleg van de verschillen en de nog openstaande vragen vragen. Een extractietaak kan de terug te geven velden en de omgang met ontbrekende waarden vastleggen. Deze uitvoereisen maken een lange bronverzameling bruikbaar voor een specifieke beslissing.
De fabrikant noemt tekstbestanden zoals TXT, DOCX, PDF, XLSX, EPUB, MOBI, Markdown en CSV. De geïntegreerde documentdiensten parsen ook afbeeldingsbestanden zoals BMP, PNG, JPG/JPEG en GIF, naast gescande PDF’s. Het parsen van bestanden bereidt het materiaal voor het gesprek voor; dit is een afzonderlijke stap van de dienst, los van het genereren van het tekstantwoord. Bewaar leesbare bronbestanden en controleer geëxtraheerde notatie of tabellen als die details de conclusie bepalen.
De gedocumenteerde route via de documentdienst verwerkt tot 10 miljoen tokens. HTTP-aanvragen ondersteunen tot 1 miljoen tokens en de fabrikant raadt aan om langere inhoud als bestand in te dienen. Het opgeslagen gehoste profiel voor precies deze gedateerde identificatie vermeldt eveneens een context van 1 miljoen tokens. Het grotere cijfer van de documentdienst stelt dus niet de capaciteit vast van een rechtstreekse tekstanvraag via een andere interface.
Kies de route die de integratie aanbiedt en bewaar de identificaties van de documenten die voor de opdracht zijn gebruikt. Een langere bron is nuttig als relevante verbanden daarin gezamenlijk moeten worden beschouwd; een gerichte passage volstaat als de vraag over één onderdeel gaat. Geef de gewenste antwoordlengte aan, zodat je een uitleg, vergelijking of extractieresultaat krijgt dat past bij de taak.
Vraag het model om expliciete uitspraken te onderscheiden van gevolgtrekkingen en een vraag te benoemen die de aangeleverde documenten niet beantwoorden. Controleer belangrijke namen, cijfers en voorwaarden aan de hand van de oorspronkelijke bronnen. Een vervolgvraag kan één bepaling onderzoeken of de uitvoervorm aanpassen, met behoud van dezelfde documentaanduidingen en besliscriteria.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen-long-2025-01-25 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000144 / 1K tokens Uitvoer · Uitvoertokens $0.000572 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-long-2025-01-25", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen-long-2025-01-25',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen-long-2025-01-25',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen-long-2025-01-25
Gebruik de hierboven getoonde methodepaden.
qwen-long-2025-01-25Qwen-Long (2025-01-25) is een Qwen-model voor gesprekken over ultralange documenten in het Chinees, Engels en andere talen. De fabrikant beschrijft tot 10 miljoen tokens via documentdiensten, terwijl HTTP-aanvragen beperkt zijn tot 1 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.
Qwen-Long (2025-01-25) is het gedateerde Qwen-Long-profiel voor de verwerking van ultralange contexten. De fabrikant beschrijft gesprekken in het Chinees, Engels en andere talen, met documentdiensten die bronbestanden parsen voor het beantwoorden van vragen en het bespreken van de inhoud. Het resultaat is een tekstantwoord op basis van het aangeleverde materiaal.
Geef de opdracht een concreet doel: bepalingen vergelijken, een genoemde voorwaarde vinden of uitleggen hoe twee delen van een document samenhangen. Behoud documentnamen, koppen en pagina-aanduidingen, zodat het antwoord naar de juiste bron kan verwijzen. Als meerdere bestanden hetzelfde onderwerp beschrijven, geef dan hun prioriteit aan en vraag om tegenstrijdigheden te benoemen in plaats van ze stilzwijgend op te lossen.
Een beoordelingsopdracht kan om de relevante uitspraak uit elk document, een uitleg van de verschillen en de nog openstaande vragen vragen. Een extractietaak kan de terug te geven velden en de omgang met ontbrekende waarden vastleggen. Deze uitvoereisen maken een lange bronverzameling bruikbaar voor een specifieke beslissing.
De fabrikant noemt tekstbestanden zoals TXT, DOCX, PDF, XLSX, EPUB, MOBI, Markdown en CSV. De geïntegreerde documentdiensten parsen ook afbeeldingsbestanden zoals BMP, PNG, JPG/JPEG en GIF, naast gescande PDF’s. Het parsen van bestanden bereidt het materiaal voor het gesprek voor; dit is een afzonderlijke stap van de dienst, los van het genereren van het tekstantwoord. Bewaar leesbare bronbestanden en controleer geëxtraheerde notatie of tabellen als die details de conclusie bepalen.
De gedocumenteerde route via de documentdienst verwerkt tot 10 miljoen tokens. HTTP-aanvragen ondersteunen tot 1 miljoen tokens en de fabrikant raadt aan om langere inhoud als bestand in te dienen. Het opgeslagen gehoste profiel voor precies deze gedateerde identificatie vermeldt eveneens een context van 1 miljoen tokens. Het grotere cijfer van de documentdienst stelt dus niet de capaciteit vast van een rechtstreekse tekstanvraag via een andere interface.
Kies de route die de integratie aanbiedt en bewaar de identificaties van de documenten die voor de opdracht zijn gebruikt. Een langere bron is nuttig als relevante verbanden daarin gezamenlijk moeten worden beschouwd; een gerichte passage volstaat als de vraag over één onderdeel gaat. Geef de gewenste antwoordlengte aan, zodat je een uitleg, vergelijking of extractieresultaat krijgt dat past bij de taak.
Vraag het model om expliciete uitspraken te onderscheiden van gevolgtrekkingen en een vraag te benoemen die de aangeleverde documenten niet beantwoorden. Controleer belangrijke namen, cijfers en voorwaarden aan de hand van de oorspronkelijke bronnen. Een vervolgvraag kan één bepaling onderzoeken of de uitvoervorm aanpassen, met behoud van dezelfde documentaanduidingen en besliscriteria.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen-long-2025-01-25 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000144 / 1K tokens Uitvoer · Uitvoertokens $0.000572 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen-long-2025-01-25",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-long-2025-01-25', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-long-2025-01-25', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen-long-2025-01-25
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Locate conflicting document conditions\n\nCompare these labelled document excerpts. [Guide, section 2] Return cartons in lots of 10. [Warehouse note, section 4] Accept mixed lots of 5 when pre-approved. [Email E-3] Customer wants to send 15 cartons without approval. State the general rule, the exception and the unresolved condition for this request. Do not silently give either document priority.A source-linked rule and exception summary with the approval question made explicit.Verify the exception retains its pre-approval condition and 15 cartons is not automatically accepted.