Overzicht: redeneren op basis van Qwen2.5
QwQ-Plus is het verbeterde QwQ-redeneermodel dat op Qwen2.5 is gebouwd. Qwen beschrijft reinforcement learning als de methode om het redeneervermogen te versterken, vooral in wiskunde en programmeren, naast algemene taken voor het volgen van instructies. Het ontvangt tekst en geeft tekst terug. Selecteer het wanneer het werk om een uitgelegde oplossing, vergelijking of codevoorstel vraagt dat aan de hand van de aangeleverde voorwaarden kan worden gecontroleerd.
Dit is de QwQ-Plus-modellijn. De naam stelt niet het parameteraantal of de gewichtsidentiteit van een open QwQ-checkpoint vast, en een leveranciersnaam met latest mag niet ongemerkt een vaste gedateerde revisie worden. Gebruik de exact gevraagde modelidentiteit bij het vergelijken van uitvoer of het bijhouden van een reproduceerbaar taakverslag.
Wiskundig en logisch werk voorbereiden
Geef de volledige probleemstelling, definities, eenheden en toegestane aannames. Vraag om het uiteindelijke antwoord in een duidelijk afgebakende vorm en vraag vervolgens om de vergelijkingen of logische stappen die het ondersteunen. Specificeer voor een planningsprobleem met randvoorwaarden de haalbare keuzes en beoordelingscriteria afzonderlijk en vraag om een tabel die toont aan welke voorwaarden elke keuze voldoet. Neem bij een onderwijskundige beoordeling de oplossingspoging van de leerling op en vraag het model de eerste niet-onderbouwde stap te benoemen, in plaats van de hele oefening zonder uitleg te herschrijven.
Dit zijn praktische toepassingen van de gedocumenteerde nadruk van het model op redeneren. Het bruikbare artefact is een controleerbaar resultaat: een waarde met eenheden, een conclusie met premissen of een vergelijking gekoppeld aan de opgegeven criteria. Meer uitlegtekst stelt op zichzelf geen juiste conclusie vast. Houd daarom aannames zichtbaar en vergelijk het eindresultaat met de oorspronkelijke vraag.
Programmeerwerk voorbereiden
Lever de relevante code, de invoer die het probleem blootlegt, de waargenomen uitvoer en het gewenste gedrag aan. Vraag om een voorgestelde wijziging, een uitleg waarom die deze invoer aanpakt en randgevallen die nog moeten worden gecontroleerd. Specificeer voor een algoritmevraag de invoerbeperkingen en vereiste uitvoer voordat u om een aanpak vraagt. Maak onderscheid tussen gegenereerde code en code die daadwerkelijk in de omgeving van de toepassing is uitgevoerd.
Een bruikbaar antwoord kan de diagnose, patch en het verwachte gedrag scheiden. Vraag wanneer een kleine wijziging nodig is om een compacte patch in plaats van een herschreven project. Deze voorbeelden zijn uitgewerkte manieren om de wiskundige en programmeerspecialisatie van QwQ-Plus toe te passen; zij voegen geen tool- of uitvoeringsmogelijkheid toe.
Context- en antwoordlimieten
De exacte modelspecificatie geeft een contextvenster van 131.072 tokens, maximaal 98.304 invoertokens en maximaal 8.192 uitvoertokens. Dit zijn afzonderlijke limieten van de producent. Maak van het rekenkundige verschil ertussen geen ongedocumenteerde gegarandeerde redeneerruimte. Brontekst, gespreksgeschiedenis en het antwoord moeten binnen de toepasselijke geconfigureerde grenzen blijven.
Behoud voor een lange specificatie of codefragment de relevante sectie- en functie-identificaties en vraag het model er in de uitleg naar te verwijzen. Verwijder ongerelateerd materiaal vóór het indienen 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 onthouden of elke afhankelijkheid wordt begrepen.
Tools, opmaak en modelspecifieke grenzen
De deploymentmatrix van de fabrikant vermeldt functieaanroepen en webzoeken in sommige configuraties en markeert ze als niet ondersteund in een andere. Het zijn daarom voorwaardelijke mogelijkheden, geen functies die op basis van alleen de modelnaam kunnen worden beloofd. Dezelfde matrix ondersteunt batchinferentie in sommige fabrikantconfiguraties. Een workflow met tools moet de daadwerkelijke tools aanbieden en hun resultaten terugvoeren naar de teksttaak. Deze beschrijving stelt de beschikbaarheid van tools in een toepassing niet vast.
Afgedwongen gestructureerde uitvoer is gemarkeerd als niet ondersteund. Een prompt kan nog steeds om een tabel of antwoord in JSON-vorm vragen, maar de toepassing moet het resultaat inspecteren en mag dat verzoek niet als schema-afdwinging behandelen. De exacte modelpagina beschrijft een redeneerspecialisatie zonder een per-modelcontract voor een hybride denkschakelaar te geven; besturingselementen die voor nieuwere Qwen-generaties zijn gedocumenteerd mogen niet in deze editie worden overgenomen.
Houd het uiteindelijke antwoord eenvoudig te controleren, controleer berekeningen aan de hand van de opgegeven eenheden en inspecteer codevoorstellen vóór uitvoering. De praktische rol van QwQ-Plus is een moeilijk tekstprobleem door te werken en binnen de eigen gedocumenteerde grenzen een bruikbare uitleg of artefact terug te geven.
", "aboutText": "Overzicht: redeneren op basis van Qwen2.5\n\nQwQ-Plus is het verbeterde QwQ-redeneermodel dat op Qwen2.5 is gebouwd. Qwen beschrijft reinforcement learning als de methode om het redeneervermogen te versterken, vooral in wiskunde en programmeren, naast algemene taken voor het volgen van instructies. Het ontvangt tekst en geeft tekst terug. Selecteer het wanneer het werk om een uitgelegde oplossing, vergelijking of codevoorstel vraagt dat aan de hand van de aangeleverde voorwaarden kan worden gecontroleerd.\n\nDit is de QwQ-Plus-modellijn. De naam stelt niet het parameteraantal of de gewichtsidentiteit van een open QwQ-checkpoint vast, en een leveranciersnaam met latest mag niet ongemerkt een vaste gedateerde revisie worden. Gebruik de exact gevraagde modelidentiteit bij het vergelijken van uitvoer of het bijhouden van een reproduceerbaar taakverslag.\n\nWiskundig en logisch werk voorbereiden\n\nGeef de volledige probleemstelling, definities, eenheden en toegestane aannames. Vraag om het uiteindelijke antwoord in een duidelijk afgebakende vorm en vraag vervolgens om de vergelijkingen of logische stappen die het ondersteunen. Specificeer voor een planningsprobleem met randvoorwaarden de haalbare keuzes en beoordelingscriteria afzonderlijk en vraag om een tabel die toont aan welke voorwaarden elke keuze voldoet. Neem bij een onderwijskundige beoordeling de oplossingspoging van de leerling op en vraag het model de eerste niet-onderbouwde stap te benoemen, in plaats van de hele oefening zonder uitleg te herschrijven.\n\nDit zijn praktische toepassingen van de gedocumenteerde nadruk van het model op redeneren. Het bruikbare artefact is een controleerbaar resultaat: een waarde met eenheden, een conclusie met premissen of een vergelijking gekoppeld aan de opgegeven criteria. Meer uitlegtekst stelt op zichzelf geen juiste conclusie vast. Houd daarom aannames zichtbaar en vergelijk het eindresultaat met de oorspronkelijke vraag.\n\nProgrammeerwerk voorbereiden\n\nLever de relevante code, de invoer die het probleem blootlegt, de waargenomen uitvoer en het gewenste gedrag aan. Vraag om een voorgestelde wijziging, een uitleg waarom die deze invoer aanpakt en randgevallen die nog moeten worden gecontroleerd. Specificeer voor een algoritmevraag de invoerbeperkingen en vereiste uitvoer voordat u om een aanpak vraagt. Maak onderscheid tussen gegenereerde code en code die daadwerkelijk in de omgeving van de toepassing is uitgevoerd.\n\nEen bruikbaar antwoord kan de diagnose, patch en het verwachte gedrag scheiden. Vraag wanneer een kleine wijziging nodig is om een compacte patch in plaats van een herschreven project. Deze voorbeelden zijn uitgewerkte manieren om de wiskundige en programmeerspecialisatie van QwQ-Plus toe te passen; zij voegen geen tool- of uitvoeringsmogelijkheid toe.\n\nContext- en antwoordlimieten\n\nDe exacte modelspecificatie geeft een contextvenster van 131.072 tokens, maximaal 98.304 invoertokens en maximaal 8.192 uitvoertokens. Dit zijn afzonderlijke limieten van de producent. Maak van het rekenkundige verschil ertussen geen ongedocumenteerde gegarandeerde redeneerruimte. Brontekst, gespreksgeschiedenis en het antwoord moeten binnen de toepasselijke geconfigureerde grenzen blijven.\n\nBehoud voor een lange specificatie of codefragment de relevante sectie- en functie-identificaties en vraag het model er in de uitleg naar te verwijzen. Verwijder ongerelateerd materiaal vóór het indienen 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 onthouden of elke afhankelijkheid wordt begrepen.\n\nTools, opmaak en modelspecifieke grenzen\n\nDe deploymentmatrix van de fabrikant vermeldt functieaanroepen en webzoeken in sommige configuraties en markeert ze als niet ondersteund in een andere. Het zijn daarom voorwaardelijke mogelijkheden, geen functies die op basis van alleen de modelnaam kunnen worden beloofd. Dezelfde matrix ondersteunt batchinferentie in sommige fabrikantconfiguraties. Een workflow met tools moet de daadwerkelijke tools aanbieden en hun resultaten terugvoeren naar de teksttaak. Deze beschrijving stelt de beschikbaarheid van tools in een toepassing niet vast.\n\nAfgedwongen gestructureerde uitvoer is gemarkeerd als niet ondersteund. Een prompt kan nog steeds om een tabel of antwoord in JSON-vorm vragen, maar de toepassing moet het resultaat inspecteren en mag dat verzoek niet als schema-afdwinging behandelen. De exacte modelpagina beschrijft een redeneerspecialisatie zonder een per-modelcontract voor een hybride denkschakelaar te geven; besturingselementen die voor nieuwere Qwen-generaties zijn gedocumenteerd mogen niet in deze editie worden overgenomen.\n\nHoud het uiteindelijke antwoord eenvoudig te controleren, controleer berekeningen aan de hand van de opgegeven eenheden en inspecteer codevoorstellen vóór uitvoering. De praktische rol van QwQ-Plus is een moeilijk tekstprobleem door te werken en binnen de eigen gedocumenteerde grenzen een bruikbare uitleg of artefact terug te geven.", "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 met reinforcement learning voor wiskundige, programmeer- en logische teksttaken. De eigen specificatie 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 dat op Qwen2.5 is gebouwd. Qwen beschrijft reinforcement learning als de methode om het redeneervermogen te versterken, vooral in wiskunde en programmeren, naast algemene taken voor het volgen van instructies. Het ontvangt tekst en geeft tekst terug. Selecteer het wanneer het werk om een uitgelegde oplossing, vergelijking of codevoorstel vraagt dat aan de hand van de aangeleverde voorwaarden kan worden gecontroleerd.
Dit is de QwQ-Plus-modellijn. De naam stelt niet het parameteraantal of de gewichtsidentiteit van een open QwQ-checkpoint vast, en een leveranciersnaam met latest mag niet ongemerkt een vaste gedateerde revisie worden. Gebruik de exact gevraagde modelidentiteit bij het vergelijken van uitvoer of het bijhouden van een reproduceerbaar taakverslag.
Wiskundig en logisch werk voorbereiden
Geef de volledige probleemstelling, definities, eenheden en toegestane aannames. Vraag om het uiteindelijke antwoord in een duidelijk afgebakende vorm en vraag vervolgens om de vergelijkingen of logische stappen die het ondersteunen. Specificeer voor een planningsprobleem met randvoorwaarden de haalbare keuzes en beoordelingscriteria afzonderlijk en vraag om een tabel die toont aan welke voorwaarden elke keuze voldoet. Neem bij een onderwijskundige beoordeling de oplossingspoging van de leerling op en vraag het model de eerste niet-onderbouwde stap te benoemen, in plaats van de hele oefening zonder uitleg te herschrijven.
Dit zijn praktische toepassingen van de gedocumenteerde nadruk van het model op redeneren. Het bruikbare artefact is een controleerbaar resultaat: een waarde met eenheden, een conclusie met premissen of een vergelijking gekoppeld aan de opgegeven criteria. Meer uitlegtekst stelt op zichzelf geen juiste conclusie vast. Houd daarom aannames zichtbaar en vergelijk het eindresultaat met de oorspronkelijke vraag.
Programmeerwerk voorbereiden
Lever de relevante code, de invoer die het probleem blootlegt, de waargenomen uitvoer en het gewenste gedrag aan. Vraag om een voorgestelde wijziging, een uitleg waarom die deze invoer aanpakt en randgevallen die nog moeten worden gecontroleerd. Specificeer voor een algoritmevraag de invoerbeperkingen en vereiste uitvoer voordat u om een aanpak vraagt. Maak onderscheid tussen gegenereerde code en code die daadwerkelijk in de omgeving van de toepassing is uitgevoerd.
Een bruikbaar antwoord kan de diagnose, patch en het verwachte gedrag scheiden. Vraag wanneer een kleine wijziging nodig is om een compacte patch in plaats van een herschreven project. Deze voorbeelden zijn uitgewerkte manieren om de wiskundige en programmeerspecialisatie van QwQ-Plus toe te passen; zij voegen geen tool- of uitvoeringsmogelijkheid toe.
Context- en antwoordlimieten
De exacte modelspecificatie geeft een contextvenster van 131.072 tokens, maximaal 98.304 invoertokens en maximaal 8.192 uitvoertokens. Dit zijn afzonderlijke limieten van de producent. Maak van het rekenkundige verschil ertussen geen ongedocumenteerde gegarandeerde redeneerruimte. Brontekst, gespreksgeschiedenis en het antwoord moeten binnen de toepasselijke geconfigureerde grenzen blijven.
Behoud voor een lange specificatie of codefragment de relevante sectie- en functie-identificaties en vraag het model er in de uitleg naar te verwijzen. Verwijder ongerelateerd materiaal vóór het indienen 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 onthouden of elke afhankelijkheid wordt begrepen.
Tools, opmaak en modelspecifieke grenzen
De deploymentmatrix van de fabrikant vermeldt functieaanroepen en webzoeken in sommige configuraties en markeert ze als niet ondersteund in een andere. Het zijn daarom voorwaardelijke mogelijkheden, geen functies die op basis van alleen de modelnaam kunnen worden beloofd. Dezelfde matrix ondersteunt batchinferentie in sommige fabrikantconfiguraties. Een workflow met tools moet de daadwerkelijke tools aanbieden en hun resultaten terugvoeren naar de teksttaak. Deze beschrijving stelt de beschikbaarheid van tools in een toepassing niet vast.
Afgedwongen gestructureerde uitvoer is gemarkeerd als niet ondersteund. Een prompt kan nog steeds om een tabel of antwoord in JSON-vorm vragen, maar de toepassing moet het resultaat inspecteren en mag dat verzoek niet als schema-afdwinging behandelen. De exacte modelpagina beschrijft een redeneerspecialisatie zonder een per-modelcontract voor een hybride denkschakelaar te geven; besturingselementen die voor nieuwere Qwen-generaties zijn gedocumenteerd mogen niet in deze editie worden overgenomen.
Houd het uiteindelijke antwoord eenvoudig te controleren, controleer berekeningen aan de hand van de opgegeven eenheden en inspecteer codevoorstellen vóór uitvoering. De praktische rol van QwQ-Plus is een moeilijk tekstprobleem door te werken en binnen de eigen gedocumenteerde grenzen een bruikbare uitleg of artefact terug te geven.
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 met reinforcement learning voor wiskundige, programmeer- en logische teksttaken. De eigen specificatie 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 dat op Qwen2.5 is gebouwd. Qwen beschrijft reinforcement learning als de methode om het redeneervermogen te versterken, vooral in wiskunde en programmeren, naast algemene taken voor het volgen van instructies. Het ontvangt tekst en geeft tekst terug. Selecteer het wanneer het werk om een uitgelegde oplossing, vergelijking of codevoorstel vraagt dat aan de hand van de aangeleverde voorwaarden kan worden gecontroleerd.
Dit is de QwQ-Plus-modellijn. De naam stelt niet het parameteraantal of de gewichtsidentiteit van een open QwQ-checkpoint vast, en een leveranciersnaam met latest mag niet ongemerkt een vaste gedateerde revisie worden. Gebruik de exact gevraagde modelidentiteit bij het vergelijken van uitvoer of het bijhouden van een reproduceerbaar taakverslag.
Wiskundig en logisch werk voorbereiden
Geef de volledige probleemstelling, definities, eenheden en toegestane aannames. Vraag om het uiteindelijke antwoord in een duidelijk afgebakende vorm en vraag vervolgens om de vergelijkingen of logische stappen die het ondersteunen. Specificeer voor een planningsprobleem met randvoorwaarden de haalbare keuzes en beoordelingscriteria afzonderlijk en vraag om een tabel die toont aan welke voorwaarden elke keuze voldoet. Neem bij een onderwijskundige beoordeling de oplossingspoging van de leerling op en vraag het model de eerste niet-onderbouwde stap te benoemen, in plaats van de hele oefening zonder uitleg te herschrijven.
Dit zijn praktische toepassingen van de gedocumenteerde nadruk van het model op redeneren. Het bruikbare artefact is een controleerbaar resultaat: een waarde met eenheden, een conclusie met premissen of een vergelijking gekoppeld aan de opgegeven criteria. Meer uitlegtekst stelt op zichzelf geen juiste conclusie vast. Houd daarom aannames zichtbaar en vergelijk het eindresultaat met de oorspronkelijke vraag.
Programmeerwerk voorbereiden
Lever de relevante code, de invoer die het probleem blootlegt, de waargenomen uitvoer en het gewenste gedrag aan. Vraag om een voorgestelde wijziging, een uitleg waarom die deze invoer aanpakt en randgevallen die nog moeten worden gecontroleerd. Specificeer voor een algoritmevraag de invoerbeperkingen en vereiste uitvoer voordat u om een aanpak vraagt. Maak onderscheid tussen gegenereerde code en code die daadwerkelijk in de omgeving van de toepassing is uitgevoerd.
Een bruikbaar antwoord kan de diagnose, patch en het verwachte gedrag scheiden. Vraag wanneer een kleine wijziging nodig is om een compacte patch in plaats van een herschreven project. Deze voorbeelden zijn uitgewerkte manieren om de wiskundige en programmeerspecialisatie van QwQ-Plus toe te passen; zij voegen geen tool- of uitvoeringsmogelijkheid toe.
Context- en antwoordlimieten
De exacte modelspecificatie geeft een contextvenster van 131.072 tokens, maximaal 98.304 invoertokens en maximaal 8.192 uitvoertokens. Dit zijn afzonderlijke limieten van de producent. Maak van het rekenkundige verschil ertussen geen ongedocumenteerde gegarandeerde redeneerruimte. Brontekst, gespreksgeschiedenis en het antwoord moeten binnen de toepasselijke geconfigureerde grenzen blijven.
Behoud voor een lange specificatie of codefragment de relevante sectie- en functie-identificaties en vraag het model er in de uitleg naar te verwijzen. Verwijder ongerelateerd materiaal vóór het indienen 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 onthouden of elke afhankelijkheid wordt begrepen.
Tools, opmaak en modelspecifieke grenzen
De deploymentmatrix van de fabrikant vermeldt functieaanroepen en webzoeken in sommige configuraties en markeert ze als niet ondersteund in een andere. Het zijn daarom voorwaardelijke mogelijkheden, geen functies die op basis van alleen de modelnaam kunnen worden beloofd. Dezelfde matrix ondersteunt batchinferentie in sommige fabrikantconfiguraties. Een workflow met tools moet de daadwerkelijke tools aanbieden en hun resultaten terugvoeren naar de teksttaak. Deze beschrijving stelt de beschikbaarheid van tools in een toepassing niet vast.
Afgedwongen gestructureerde uitvoer is gemarkeerd als niet ondersteund. Een prompt kan nog steeds om een tabel of antwoord in JSON-vorm vragen, maar de toepassing moet het resultaat inspecteren en mag dat verzoek niet als schema-afdwinging behandelen. De exacte modelpagina beschrijft een redeneerspecialisatie zonder een per-modelcontract voor een hybride denkschakelaar te geven; besturingselementen die voor nieuwere Qwen-generaties zijn gedocumenteerd mogen niet in deze editie worden overgenomen.
Houd het uiteindelijke antwoord eenvoudig te controleren, controleer berekeningen aan de hand van de opgegeven eenheden en inspecteer codevoorstellen vóór uitvoering. De praktische rol van QwQ-Plus is een moeilijk tekstprobleem door te werken en binnen de eigen gedocumenteerde grenzen een bruikbare uitleg of artefact terug te geven.
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.