Qwen-Max to duży model tekstowy rodziny Qwen do zadań łączących rozumienie języka, rozumowanie logiczne i obszerny rezultat pisemny. Producent wyróżnia programowanie po chińsku i angielsku, pracę wielojęzyczną, pisanie kreatywne i rozmowę opartą na rolach. Model ma dawać jaśniejsze, bardziej szczegółowe odpowiedzi przy zachowaniu żądanego stylu.
Nazwa modelu jest aktualizowana na bieżąco. Producent obecnie opisuje qwen-max jako funkcjonalnie równoważny wersji qwen-max-2025-01-25. Nazwa zmienna i datowana wersja mają różne cele: jedna podąża za rozwojem linii, druga wskazuje konkretną edycję. Zachowaj tę różnicę podczas porównywania powtarzanych zadań lub utrzymywania spójnej konfiguracji asystenta.
Możliwości modelu
Qwen-Max przyjmuje tekst i generuje tekst. Może pracować z rozmową, fragmentami źródłowymi, wymaganiem programistycznym lub istniejącym fragmentem kodu. Używaj go, gdy wynikiem ma być wyjaśnienie, przeredagowany dokument, implementacja lub zestaw wyodrębnionych pól. Zeskanowana strona lub zrzut ekranu wymagają oddzielnego kroku udostępniającego potrzebne informacje jako tekst; udokumentowane wejście tego modelu nie jest obrazem.
Producent szczególnie wskazuje przestrzeganie formatu JSON. Praktyczne zadanie ekstrakcji może określać pola takie jak temat, warunki wyraźnie wymienione w źródle i nierozstrzygnięte pytanie. Dostarcz fragment źródłowy i zamierzone nazwy pól oraz określ sposób przedstawiania brakujących informacji. Zamienia to odpowiedź konwersacyjną w dane, które aplikacja może sprawdzić i przetworzyć. Żądanie JSON i żądanie wyjaśnienia prozą są różnymi wymaganiami wyjścia i powinny być podane osobno.
Udokumentowane interfejsy obejmują także wywoływanie funkcji, ustrukturyzowane wyjście, kontynuację prefiksu odpowiedzi, buforowanie kontekstu i inferencję grupową. Wywołania funkcji i wyszukiwanie internetowe nie są udostępniane identycznie w każdej konfiguracji producenta. Traktuj je jako opcje otaczającego interfejsu: aplikacja dostarcza narzędzia, wykonuje wybrane działania i zwraca ich wyniki. Buforowanie i przetwarzanie grupowe dotyczą sposobu przekazywania i ponownego używania pracy, a nie nowej modalności treści.
Limity kontekstu
Opublikowana specyfikacja podaje okno kontekstu 32 768 tokenów, maksymalne wejście 30 720 tokenów i maksymalne wyjście 8192 tokenów. Utrzymuj materiał źródłowy, rozmowę i żądaną odpowiedź w odpowiednich limitach. Limit wyjścia przydaje się przy wyborze zwięzłej odpowiedzi lub długiego dokumentu; nie należy interpretować go jako gwarancji wykorzystania tej długości przez każdą odpowiedź.
W zadaniu dotyczącym dokumentu umieść istotne sekcje źródłowe przed opcjonalnymi przykładami i określ obowiązkową zawartość wyniku końcowego. Przykładowo: dostarcz opis produktu i pytania klienta, a następnie poproś o odpowiedź zachowującą podane warunki, używającą języka klienta i oddzielającą pytania bez odpowiedzi od potwierdzonych informacji. Wynikiem może być odpowiedź dla klienta i niewielki rekord JSON do następnego kroku aplikacji.
W zadaniu programistycznym podaj cel funkcji, akceptowane wejście, oczekiwane wyjście i istniejący fragment, który musi pozostać zgodny. Poproś o implementację, wyjaśnienie decyzji i przykłady obejmujące zwykłe wejście oraz przypadek brzegowy. Wykorzystuje to udokumentowane skupienie modelu na programowaniu i rozumowaniu, bez zakładania dostępu do repozytorium, kompilatora lub działającej aplikacji.
Przy pisaniu kreatywnym lub dialogu opartym na rolach określ odbiorców, ton i fakty, które muszą przetrwać poprawki. Rola może organizować rozmowę, a materiał źródłowy określać to, co model powinien powiedzieć. Poproś o alternatywne wprowadzenia lub wyjaśnienia dla różnych czytelników, zamiast nieokreślonego przeredagowania; każdy wariant ma wtedy obserwowalny cel.
Istotne ograniczenia
Qwen-Max to linia tekst–tekst, a nie edycja wizualna lub generująca mowę. Producent nie wymienia na tej karcie dostrajania jako obsługiwanej możliwości interfejsu. Zachowanie narzędziowe zależy od podłączonego interfejsu, a zmienna nazwa nie ustala trwałej wersji. Te różnice pomagają wybrać właściwą edycję i przygotować wejście odpowiadające rzeczywiście potrzebnemu rezultatowi.
", "aboutText": "Qwen-Max to duży model tekstowy rodziny Qwen do zadań łączących rozumienie języka, rozumowanie logiczne i obszerny rezultat pisemny. Producent wyróżnia programowanie po chińsku i angielsku, pracę wielojęzyczną, pisanie kreatywne i rozmowę opartą na rolach. Model ma dawać jaśniejsze, bardziej szczegółowe odpowiedzi przy zachowaniu żądanego stylu.\n\nNazwa modelu jest aktualizowana na bieżąco. Producent obecnie opisuje qwen-max jako funkcjonalnie równoważny wersji qwen-max-2025-01-25. Nazwa zmienna i datowana wersja mają różne cele: jedna podąża za rozwojem linii, druga wskazuje konkretną edycję. Zachowaj tę różnicę podczas porównywania powtarzanych zadań lub utrzymywania spójnej konfiguracji asystenta.\n\nMożliwości modelu\n\nQwen-Max przyjmuje tekst i generuje tekst. Może pracować z rozmową, fragmentami źródłowymi, wymaganiem programistycznym lub istniejącym fragmentem kodu. Używaj go, gdy wynikiem ma być wyjaśnienie, przeredagowany dokument, implementacja lub zestaw wyodrębnionych pól. Zeskanowana strona lub zrzut ekranu wymagają oddzielnego kroku udostępniającego potrzebne informacje jako tekst; udokumentowane wejście tego modelu nie jest obrazem.\n\nProducent szczególnie wskazuje przestrzeganie formatu JSON. Praktyczne zadanie ekstrakcji może określać pola takie jak temat, warunki wyraźnie wymienione w źródle i nierozstrzygnięte pytanie. Dostarcz fragment źródłowy i zamierzone nazwy pól oraz określ sposób przedstawiania brakujących informacji. Zamienia to odpowiedź konwersacyjną w dane, które aplikacja może sprawdzić i przetworzyć. Żądanie JSON i żądanie wyjaśnienia prozą są różnymi wymaganiami wyjścia i powinny być podane osobno.\n\nUdokumentowane interfejsy obejmują także wywoływanie funkcji, ustrukturyzowane wyjście, kontynuację prefiksu odpowiedzi, buforowanie kontekstu i inferencję grupową. Wywołania funkcji i wyszukiwanie internetowe nie są udostępniane identycznie w każdej konfiguracji producenta. Traktuj je jako opcje otaczającego interfejsu: aplikacja dostarcza narzędzia, wykonuje wybrane działania i zwraca ich wyniki. Buforowanie i przetwarzanie grupowe dotyczą sposobu przekazywania i ponownego używania pracy, a nie nowej modalności treści.\n\nLimity kontekstu\n\nOpublikowana specyfikacja podaje okno kontekstu 32 768 tokenów, maksymalne wejście 30 720 tokenów i maksymalne wyjście 8192 tokenów. Utrzymuj materiał źródłowy, rozmowę i żądaną odpowiedź w odpowiednich limitach. Limit wyjścia przydaje się przy wyborze zwięzłej odpowiedzi lub długiego dokumentu; nie należy interpretować go jako gwarancji wykorzystania tej długości przez każdą odpowiedź.\n\nW zadaniu dotyczącym dokumentu umieść istotne sekcje źródłowe przed opcjonalnymi przykładami i określ obowiązkową zawartość wyniku końcowego. Przykładowo: dostarcz opis produktu i pytania klienta, a następnie poproś o odpowiedź zachowującą podane warunki, używającą języka klienta i oddzielającą pytania bez odpowiedzi od potwierdzonych informacji. Wynikiem może być odpowiedź dla klienta i niewielki rekord JSON do następnego kroku aplikacji.\n\nW zadaniu programistycznym podaj cel funkcji, akceptowane wejście, oczekiwane wyjście i istniejący fragment, który musi pozostać zgodny. Poproś o implementację, wyjaśnienie decyzji i przykłady obejmujące zwykłe wejście oraz przypadek brzegowy. Wykorzystuje to udokumentowane skupienie modelu na programowaniu i rozumowaniu, bez zakładania dostępu do repozytorium, kompilatora lub działającej aplikacji.\n\nPrzy pisaniu kreatywnym lub dialogu opartym na rolach określ odbiorców, ton i fakty, które muszą przetrwać poprawki. Rola może organizować rozmowę, a materiał źródłowy określać to, co model powinien powiedzieć. Poproś o alternatywne wprowadzenia lub wyjaśnienia dla różnych czytelników, zamiast nieokreślonego przeredagowania; każdy wariant ma wtedy obserwowalny cel.\n\nIstotne ograniczenia\n\nQwen-Max to linia tekst–tekst, a nie edycja wizualna lub generująca mowę. Producent nie wymienia na tej karcie dostrajania jako obsługiwanej możliwości interfejsu. Zachowanie narzędziowe zależy od podłączonego interfejsu, a zmienna nazwa nie ustala trwałej wersji. Te różnice pomagają wybrać właściwą edycję i przygotować wejście odpowiadające rzeczywiście potrzebnemu rezultatowi.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2a3ef34fe7d59e3e3ea56e795e69d2752cb5cf8f73e9581c1bb07687b1d341f0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "qwen-max-latestQwen-Max to model tekstowy do rozmowy wielojęzycznej, rozumowania logicznego, programowania i tworzenia treści. Łączy szczegółowe wykonywanie instrukcji z wyjściem ukierunkowanym na JSON i kontrolą stylu odpowiedzi.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen-Max to duży model tekstowy rodziny Qwen do zadań łączących rozumienie języka, rozumowanie logiczne i obszerny rezultat pisemny. Producent wyróżnia programowanie po chińsku i angielsku, pracę wielojęzyczną, pisanie kreatywne i rozmowę opartą na rolach. Model ma dawać jaśniejsze, bardziej szczegółowe odpowiedzi przy zachowaniu żądanego stylu.
Nazwa modelu jest aktualizowana na bieżąco. Producent obecnie opisuje qwen-max jako funkcjonalnie równoważny wersji qwen-max-2025-01-25. Nazwa zmienna i datowana wersja mają różne cele: jedna podąża za rozwojem linii, druga wskazuje konkretną edycję. Zachowaj tę różnicę podczas porównywania powtarzanych zadań lub utrzymywania spójnej konfiguracji asystenta.
Możliwości modelu
Qwen-Max przyjmuje tekst i generuje tekst. Może pracować z rozmową, fragmentami źródłowymi, wymaganiem programistycznym lub istniejącym fragmentem kodu. Używaj go, gdy wynikiem ma być wyjaśnienie, przeredagowany dokument, implementacja lub zestaw wyodrębnionych pól. Zeskanowana strona lub zrzut ekranu wymagają oddzielnego kroku udostępniającego potrzebne informacje jako tekst; udokumentowane wejście tego modelu nie jest obrazem.
Producent szczególnie wskazuje przestrzeganie formatu JSON. Praktyczne zadanie ekstrakcji może określać pola takie jak temat, warunki wyraźnie wymienione w źródle i nierozstrzygnięte pytanie. Dostarcz fragment źródłowy i zamierzone nazwy pól oraz określ sposób przedstawiania brakujących informacji. Zamienia to odpowiedź konwersacyjną w dane, które aplikacja może sprawdzić i przetworzyć. Żądanie JSON i żądanie wyjaśnienia prozą są różnymi wymaganiami wyjścia i powinny być podane osobno.
Udokumentowane interfejsy obejmują także wywoływanie funkcji, ustrukturyzowane wyjście, kontynuację prefiksu odpowiedzi, buforowanie kontekstu i inferencję grupową. Wywołania funkcji i wyszukiwanie internetowe nie są udostępniane identycznie w każdej konfiguracji producenta. Traktuj je jako opcje otaczającego interfejsu: aplikacja dostarcza narzędzia, wykonuje wybrane działania i zwraca ich wyniki. Buforowanie i przetwarzanie grupowe dotyczą sposobu przekazywania i ponownego używania pracy, a nie nowej modalności treści.
Limity kontekstu
Opublikowana specyfikacja podaje okno kontekstu 32 768 tokenów, maksymalne wejście 30 720 tokenów i maksymalne wyjście 8192 tokenów. Utrzymuj materiał źródłowy, rozmowę i żądaną odpowiedź w odpowiednich limitach. Limit wyjścia przydaje się przy wyborze zwięzłej odpowiedzi lub długiego dokumentu; nie należy interpretować go jako gwarancji wykorzystania tej długości przez każdą odpowiedź.
W zadaniu dotyczącym dokumentu umieść istotne sekcje źródłowe przed opcjonalnymi przykładami i określ obowiązkową zawartość wyniku końcowego. Przykładowo: dostarcz opis produktu i pytania klienta, a następnie poproś o odpowiedź zachowującą podane warunki, używającą języka klienta i oddzielającą pytania bez odpowiedzi od potwierdzonych informacji. Wynikiem może być odpowiedź dla klienta i niewielki rekord JSON do następnego kroku aplikacji.
W zadaniu programistycznym podaj cel funkcji, akceptowane wejście, oczekiwane wyjście i istniejący fragment, który musi pozostać zgodny. Poproś o implementację, wyjaśnienie decyzji i przykłady obejmujące zwykłe wejście oraz przypadek brzegowy. Wykorzystuje to udokumentowane skupienie modelu na programowaniu i rozumowaniu, bez zakładania dostępu do repozytorium, kompilatora lub działającej aplikacji.
Przy pisaniu kreatywnym lub dialogu opartym na rolach określ odbiorców, ton i fakty, które muszą przetrwać poprawki. Rola może organizować rozmowę, a materiał źródłowy określać to, co model powinien powiedzieć. Poproś o alternatywne wprowadzenia lub wyjaśnienia dla różnych czytelników, zamiast nieokreślonego przeredagowania; każdy wariant ma wtedy obserwowalny cel.
Istotne ograniczenia
Qwen-Max to linia tekst–tekst, a nie edycja wizualna lub generująca mowę. Producent nie wymienia na tej karcie dostrajania jako obsługiwanej możliwości interfejsu. Zachowanie narzędziowe zależy od podłączonego interfejsu, a zmienna nazwa nie ustala trwałej wersji. Te różnice pomagają wybrać właściwą edycję i przygotować wejście odpowiadające rzeczywiście potrzebnemu rezultatowi.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen-max-latest | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Rozmowa tekstowa | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream |
Parametrcontrol_scope | KontraktRozmowa tekstowa; stream jest wartością logiczną i domyślnie wynosi false. |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Aliasy metody: /chat/completions
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.000686 / 1K tokenów Wyjście · Tokeny wyjściowe $0.002744 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen-max-latest","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-max-latest", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra qwen-max-latest
/chat/completions
qwen-max-latestQwen-Max to model tekstowy do rozmowy wielojęzycznej, rozumowania logicznego, programowania i tworzenia treści. Łączy szczegółowe wykonywanie instrukcji z wyjściem ukierunkowanym na JSON i kontrolą stylu odpowiedzi.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen-Max to duży model tekstowy rodziny Qwen do zadań łączących rozumienie języka, rozumowanie logiczne i obszerny rezultat pisemny. Producent wyróżnia programowanie po chińsku i angielsku, pracę wielojęzyczną, pisanie kreatywne i rozmowę opartą na rolach. Model ma dawać jaśniejsze, bardziej szczegółowe odpowiedzi przy zachowaniu żądanego stylu.
Nazwa modelu jest aktualizowana na bieżąco. Producent obecnie opisuje qwen-max jako funkcjonalnie równoważny wersji qwen-max-2025-01-25. Nazwa zmienna i datowana wersja mają różne cele: jedna podąża za rozwojem linii, druga wskazuje konkretną edycję. Zachowaj tę różnicę podczas porównywania powtarzanych zadań lub utrzymywania spójnej konfiguracji asystenta.
Możliwości modelu
Qwen-Max przyjmuje tekst i generuje tekst. Może pracować z rozmową, fragmentami źródłowymi, wymaganiem programistycznym lub istniejącym fragmentem kodu. Używaj go, gdy wynikiem ma być wyjaśnienie, przeredagowany dokument, implementacja lub zestaw wyodrębnionych pól. Zeskanowana strona lub zrzut ekranu wymagają oddzielnego kroku udostępniającego potrzebne informacje jako tekst; udokumentowane wejście tego modelu nie jest obrazem.
Producent szczególnie wskazuje przestrzeganie formatu JSON. Praktyczne zadanie ekstrakcji może określać pola takie jak temat, warunki wyraźnie wymienione w źródle i nierozstrzygnięte pytanie. Dostarcz fragment źródłowy i zamierzone nazwy pól oraz określ sposób przedstawiania brakujących informacji. Zamienia to odpowiedź konwersacyjną w dane, które aplikacja może sprawdzić i przetworzyć. Żądanie JSON i żądanie wyjaśnienia prozą są różnymi wymaganiami wyjścia i powinny być podane osobno.
Udokumentowane interfejsy obejmują także wywoływanie funkcji, ustrukturyzowane wyjście, kontynuację prefiksu odpowiedzi, buforowanie kontekstu i inferencję grupową. Wywołania funkcji i wyszukiwanie internetowe nie są udostępniane identycznie w każdej konfiguracji producenta. Traktuj je jako opcje otaczającego interfejsu: aplikacja dostarcza narzędzia, wykonuje wybrane działania i zwraca ich wyniki. Buforowanie i przetwarzanie grupowe dotyczą sposobu przekazywania i ponownego używania pracy, a nie nowej modalności treści.
Limity kontekstu
Opublikowana specyfikacja podaje okno kontekstu 32 768 tokenów, maksymalne wejście 30 720 tokenów i maksymalne wyjście 8192 tokenów. Utrzymuj materiał źródłowy, rozmowę i żądaną odpowiedź w odpowiednich limitach. Limit wyjścia przydaje się przy wyborze zwięzłej odpowiedzi lub długiego dokumentu; nie należy interpretować go jako gwarancji wykorzystania tej długości przez każdą odpowiedź.
W zadaniu dotyczącym dokumentu umieść istotne sekcje źródłowe przed opcjonalnymi przykładami i określ obowiązkową zawartość wyniku końcowego. Przykładowo: dostarcz opis produktu i pytania klienta, a następnie poproś o odpowiedź zachowującą podane warunki, używającą języka klienta i oddzielającą pytania bez odpowiedzi od potwierdzonych informacji. Wynikiem może być odpowiedź dla klienta i niewielki rekord JSON do następnego kroku aplikacji.
W zadaniu programistycznym podaj cel funkcji, akceptowane wejście, oczekiwane wyjście i istniejący fragment, który musi pozostać zgodny. Poproś o implementację, wyjaśnienie decyzji i przykłady obejmujące zwykłe wejście oraz przypadek brzegowy. Wykorzystuje to udokumentowane skupienie modelu na programowaniu i rozumowaniu, bez zakładania dostępu do repozytorium, kompilatora lub działającej aplikacji.
Przy pisaniu kreatywnym lub dialogu opartym na rolach określ odbiorców, ton i fakty, które muszą przetrwać poprawki. Rola może organizować rozmowę, a materiał źródłowy określać to, co model powinien powiedzieć. Poproś o alternatywne wprowadzenia lub wyjaśnienia dla różnych czytelników, zamiast nieokreślonego przeredagowania; każdy wariant ma wtedy obserwowalny cel.
Istotne ograniczenia
Qwen-Max to linia tekst–tekst, a nie edycja wizualna lub generująca mowę. Producent nie wymienia na tej karcie dostrajania jako obsługiwanej możliwości interfejsu. Zachowanie narzędziowe zależy od podłączonego interfejsu, a zmienna nazwa nie ustala trwałej wersji. Te różnice pomagają wybrać właściwą edycję i przygotować wejście odpowiadające rzeczywiście potrzebnemu rezultatowi.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen-max-latest | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.000686 / 1K tokenów Wyjście · Tokeny wyjściowe $0.002744 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "qwen-max-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-max-latest', '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-max-latest', '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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra qwen-max-latest
/chat/completions