Wydanie Flash z 23 lutego
Qwen3.5 Flash to rodzina natywnych modeli wizyjno-językowych. Wydanie producenta wskazuje wersję z 23 lutego 2026 i opisuje hybrydową architekturę łączącą uwagę liniową z obliczeniami w rzadkiej architekturze mieszaniny ekspertów. Dane wejściowe to tekst, obrazy i wideo, a wynikiem jest tekst. Wydanie koncentruje się na równowadze między inferencją a możliwościami wykonywania zadań tekstowych i multimodalnych; nie ustanawia stałego opóźnienia dla konkretnej aplikacji.
Karta otwartego modelu Qwen opisuje zarządzany model Qwen3.5-Flash jako odpowiednik Qwen3.5-35B-A3B z dodatkowymi funkcjami, takimi jak domyślny kontekst liczący milion tokenów i wbudowane narzędzia. Jest to opisana przez producenta relacja między ofertami, a nie powód, aby utożsamiać ich dokładne nazwy, konfigurację lub funkcje interfejsów. Wersja z 23 lutego pozostaje odrębna od zmieniającej się wersji pod nazwą Flash oraz od późniejszych generacji Qwen.
Zadania tekstowe, wizualne i programistyczne
Rodzina Qwen3.5 jest trenowana z wykorzystaniem wczesnej fuzji tekstu z obrazem, co wspiera rozumowanie, programowanie, agentów i rozumienie obrazu. W zadaniu programistycznym opartym na zrzucie ekranu dostarcz wzorzec wizualny, odpowiedni kod i wymagane zachowanie, a następnie poproś o edytowalny artefakt z objaśnieniem warunków, na które wpływa zmiana. W przypadku dokumentu lub wykresu zachowaj etykiety i jednostki oraz poproś o konkretne potrzebne pola lub wnioski.
Przydatna odpowiedź na pytanie wizualne może rozróżniać widoczne fakty i wywnioskowane zależności oraz wskazywać obszar źródła lub fragment uzasadniający każdy wniosek. W przypadku wideo zachowaj kolejność i informacje o czasie oraz określ interesujące zdarzenie. Przy analizie dokumentów i wideo porównuj zwrócone pola i twierdzenia z oryginalnymi etykietami, fragmentami i znacznikami czasu. Model tworzy analizę tekstową lub kod; wizualne dane wejściowe nie oznaczają generowania obrazów ani wideo.
Rozumowanie i odpowiedzi bezpośrednie
Przewodnik producenta po trybach określa Qwen3.5 Flash jako model z hybrydowym rozumowaniem, domyślnie włączonym. Udokumentowany przepływ hybrydowy pozwala wyłączyć rozumowanie, aby uzyskać odpowiedź bezpośrednią. Oddziel końcowy artefakt od rozumowania, gdy wybrany interfejs udostępnia oba elementy. Zwięzła odpowiedź może być odpowiednia do prostego wydobywania informacji lub przeredagowania, natomiast przy pytaniu łączącym kilka warunków przydatne jest wyjaśnienie, którego powiązanie ze źródłem można prześledzić.
Korzystaj z udokumentowanych mechanizmów sterowania edycji Flash, zamiast przenosić ustawienia próbkowania, historyczne opcje rozumowania lub znaczniki poleceń z innego checkpointu Qwen. Karta otwartego modelu Qwen3.5-35B-A3B ma własne zasady obsługi historii i instrukcję generowania; jej ustawienia nie stanowią automatycznie dokładnego kontraktu interfejsu hostowanej wersji Flash.
Narzędzia i przepływy pracy aplikacji
Producent opisuje dodatkowe narzędzia w zarządzanej ofercie Flash. Połączony przepływ pracy może zapewniać wyszukiwanie, inspekcję lub dozwolone wykonanie i przekazywać obserwacje modelowi. Zdefiniuj dostępne narzędzia, dozwolone działania i obserwowalny warunek zakończenia. W raporcie końcowym wymagaj rozróżnienia proponowanej pracy i wyników rzeczywiście zwróconych przez narzędzie.
Możliwości modelu związane z narzędziami nie ustanawiają wbudowanego dostępu do bieżących źródeł, plików lub środowiska kodu przez każdy interfejs. Również prośba o tabelę lub tekst w postaci JSON sama w sobie nie tworzy wymuszanego schematu wyjściowego. Nadaj artefaktowi postać łatwą do sprawdzenia: plików kodu, tabeli dowodów lub krótkiego wniosku powiązanego z dostarczonym materiałem.
Kontekst i limity właściwe dla edycji
Qwen opisuje domyślny kontekst liczący milion tokenów w zarządzanej wersji Flash. Odpowiadający jej otwarty checkpoint ma inny natywny kontekst i wyraźnie określoną procedurę rozszerzania, dlatego te opisy liczbowe powinny pozostać przypisane do właściwych ofert. Tekst, reprezentowane media, historia rozmowy, rozumowanie i odpowiedź muszą mieścić się w obowiązującym skonfigurowanym budżecie sekwencji.
Wybierz odpowiedni tekst, obrazy lub fragmenty wideo, zachowaj identyfikatory dokumentów i kodu oraz zarezerwuj miejsce w roboczej sekwencji na wynik.
Praktyczne przygotowanie i ocena
W iteracyjnym zadaniu programistycznym dostarcz rzeczywisty błąd lub uwagi z przeglądu wraz z kolejnym pytaniem, aby model mógł zaktualizować proponowaną zmianę. Przy analizie dokumentów poproś o fragmenty uzasadniające ustalenia i wyraźne wskazanie brakujących dowodów. Sprawdź wyodrębniony tekst, obliczenia i wygenerowany kod względem źródła. Używaj tego ustalonego wydania do analizy tekstu, obrazów lub wideo prowadzącej do konkretnego wyniku tekstowego.
", "aboutText": "Wydanie Flash z 23 lutego\n\nQwen3.5 Flash to rodzina natywnych modeli wizyjno-językowych. Wydanie producenta wskazuje wersję z 23 lutego 2026 i opisuje hybrydową architekturę łączącą uwagę liniową z obliczeniami w rzadkiej architekturze mieszaniny ekspertów. Dane wejściowe to tekst, obrazy i wideo, a wynikiem jest tekst. Wydanie koncentruje się na równowadze między inferencją a możliwościami wykonywania zadań tekstowych i multimodalnych; nie ustanawia stałego opóźnienia dla konkretnej aplikacji.\n\nKarta otwartego modelu Qwen opisuje zarządzany model Qwen3.5-Flash jako odpowiednik Qwen3.5-35B-A3B z dodatkowymi funkcjami, takimi jak domyślny kontekst liczący milion tokenów i wbudowane narzędzia. Jest to opisana przez producenta relacja między ofertami, a nie powód, aby utożsamiać ich dokładne nazwy, konfigurację lub funkcje interfejsów. Wersja z 23 lutego pozostaje odrębna od zmieniającej się wersji pod nazwą Flash oraz od późniejszych generacji Qwen.\n\nZadania tekstowe, wizualne i programistyczne\n\nRodzina Qwen3.5 jest trenowana z wykorzystaniem wczesnej fuzji tekstu z obrazem, co wspiera rozumowanie, programowanie, agentów i rozumienie obrazu. W zadaniu programistycznym opartym na zrzucie ekranu dostarcz wzorzec wizualny, odpowiedni kod i wymagane zachowanie, a następnie poproś o edytowalny artefakt z objaśnieniem warunków, na które wpływa zmiana. W przypadku dokumentu lub wykresu zachowaj etykiety i jednostki oraz poproś o konkretne potrzebne pola lub wnioski.\n\nPrzydatna odpowiedź na pytanie wizualne może rozróżniać widoczne fakty i wywnioskowane zależności oraz wskazywać obszar źródła lub fragment uzasadniający każdy wniosek. W przypadku wideo zachowaj kolejność i informacje o czasie oraz określ interesujące zdarzenie. Przy analizie dokumentów i wideo porównuj zwrócone pola i twierdzenia z oryginalnymi etykietami, fragmentami i znacznikami czasu. Model tworzy analizę tekstową lub kod; wizualne dane wejściowe nie oznaczają generowania obrazów ani wideo.\n\nRozumowanie i odpowiedzi bezpośrednie\n\nPrzewodnik producenta po trybach określa Qwen3.5 Flash jako model z hybrydowym rozumowaniem, domyślnie włączonym. Udokumentowany przepływ hybrydowy pozwala wyłączyć rozumowanie, aby uzyskać odpowiedź bezpośrednią. Oddziel końcowy artefakt od rozumowania, gdy wybrany interfejs udostępnia oba elementy. Zwięzła odpowiedź może być odpowiednia do prostego wydobywania informacji lub przeredagowania, natomiast przy pytaniu łączącym kilka warunków przydatne jest wyjaśnienie, którego powiązanie ze źródłem można prześledzić.\n\nKorzystaj z udokumentowanych mechanizmów sterowania edycji Flash, zamiast przenosić ustawienia próbkowania, historyczne opcje rozumowania lub znaczniki poleceń z innego checkpointu Qwen. Karta otwartego modelu Qwen3.5-35B-A3B ma własne zasady obsługi historii i instrukcję generowania; jej ustawienia nie stanowią automatycznie dokładnego kontraktu interfejsu hostowanej wersji Flash.\n\nNarzędzia i przepływy pracy aplikacji\n\nProducent opisuje dodatkowe narzędzia w zarządzanej ofercie Flash. Połączony przepływ pracy może zapewniać wyszukiwanie, inspekcję lub dozwolone wykonanie i przekazywać obserwacje modelowi. Zdefiniuj dostępne narzędzia, dozwolone działania i obserwowalny warunek zakończenia. W raporcie końcowym wymagaj rozróżnienia proponowanej pracy i wyników rzeczywiście zwróconych przez narzędzie.\n\nMożliwości modelu związane z narzędziami nie ustanawiają wbudowanego dostępu do bieżących źródeł, plików lub środowiska kodu przez każdy interfejs. Również prośba o tabelę lub tekst w postaci JSON sama w sobie nie tworzy wymuszanego schematu wyjściowego. Nadaj artefaktowi postać łatwą do sprawdzenia: plików kodu, tabeli dowodów lub krótkiego wniosku powiązanego z dostarczonym materiałem.\n\nKontekst i limity właściwe dla edycji\n\nQwen opisuje domyślny kontekst liczący milion tokenów w zarządzanej wersji Flash. Odpowiadający jej otwarty checkpoint ma inny natywny kontekst i wyraźnie określoną procedurę rozszerzania, dlatego te opisy liczbowe powinny pozostać przypisane do właściwych ofert. Tekst, reprezentowane media, historia rozmowy, rozumowanie i odpowiedź muszą mieścić się w obowiązującym skonfigurowanym budżecie sekwencji.\n\nWybierz odpowiedni tekst, obrazy lub fragmenty wideo, zachowaj identyfikatory dokumentów i kodu oraz zarezerwuj miejsce w roboczej sekwencji na wynik.\n\nPraktyczne przygotowanie i ocena\n\nW iteracyjnym zadaniu programistycznym dostarcz rzeczywisty błąd lub uwagi z przeglądu wraz z kolejnym pytaniem, aby model mógł zaktualizować proponowaną zmianę. Przy analizie dokumentów poproś o fragmenty uzasadniające ustalenia i wyraźne wskazanie brakujących dowodów. Sprawdź wyodrębniony tekst, obliczenia i wygenerowany kod względem źródła. Używaj tego ustalonego wydania do analizy tekstu, obrazów lub wideo prowadzącej do konkretnego wyniku tekstowego.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Refine a patch using test feedback\n\nA first patch changes deduplicate(values) to list(set(values)). The returned test observation is: input [3,1,3,2] expected [3,1,2], but order was not preserved. Propose a replacement that retains first occurrences and works on integers. Include a regression assertion and explain the one behavior the failed patch overlooked. Do not claim to run the test.A revised Python function, a regression assertion and a short explanation tied to the supplied test observation.The duplicate 3 is removed while the order 3,1,2 survives; test execution remains a proposed check.qwen/qwen3.5-flash-02-23Wydanie Qwen3.5 Flash z 23 lutego to model wizyjno-językowy przyjmujący tekst, obrazy i wideo oraz zwracający tekst. Łączy hybrydową uwagę i rzadką architekturę ekspertów z trybami rozumowania i odpowiedzi bezpośrednich rodziny Flash, służąc do programowania, analizy wizualnej oraz zadań wspomaganych narzędziami.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Wydanie Flash z 23 lutego
Qwen3.5 Flash to rodzina natywnych modeli wizyjno-językowych. Wydanie producenta wskazuje wersję z 23 lutego 2026 i opisuje hybrydową architekturę łączącą uwagę liniową z obliczeniami w rzadkiej architekturze mieszaniny ekspertów. Dane wejściowe to tekst, obrazy i wideo, a wynikiem jest tekst. Wydanie koncentruje się na równowadze między inferencją a możliwościami wykonywania zadań tekstowych i multimodalnych; nie ustanawia stałego opóźnienia dla konkretnej aplikacji.
Karta otwartego modelu Qwen opisuje zarządzany model Qwen3.5-Flash jako odpowiednik Qwen3.5-35B-A3B z dodatkowymi funkcjami, takimi jak domyślny kontekst liczący milion tokenów i wbudowane narzędzia. Jest to opisana przez producenta relacja między ofertami, a nie powód, aby utożsamiać ich dokładne nazwy, konfigurację lub funkcje interfejsów. Wersja z 23 lutego pozostaje odrębna od zmieniającej się wersji pod nazwą Flash oraz od późniejszych generacji Qwen.
Zadania tekstowe, wizualne i programistyczne
Rodzina Qwen3.5 jest trenowana z wykorzystaniem wczesnej fuzji tekstu z obrazem, co wspiera rozumowanie, programowanie, agentów i rozumienie obrazu. W zadaniu programistycznym opartym na zrzucie ekranu dostarcz wzorzec wizualny, odpowiedni kod i wymagane zachowanie, a następnie poproś o edytowalny artefakt z objaśnieniem warunków, na które wpływa zmiana. W przypadku dokumentu lub wykresu zachowaj etykiety i jednostki oraz poproś o konkretne potrzebne pola lub wnioski.
Przydatna odpowiedź na pytanie wizualne może rozróżniać widoczne fakty i wywnioskowane zależności oraz wskazywać obszar źródła lub fragment uzasadniający każdy wniosek. W przypadku wideo zachowaj kolejność i informacje o czasie oraz określ interesujące zdarzenie. Przy analizie dokumentów i wideo porównuj zwrócone pola i twierdzenia z oryginalnymi etykietami, fragmentami i znacznikami czasu. Model tworzy analizę tekstową lub kod; wizualne dane wejściowe nie oznaczają generowania obrazów ani wideo.
Rozumowanie i odpowiedzi bezpośrednie
Przewodnik producenta po trybach określa Qwen3.5 Flash jako model z hybrydowym rozumowaniem, domyślnie włączonym. Udokumentowany przepływ hybrydowy pozwala wyłączyć rozumowanie, aby uzyskać odpowiedź bezpośrednią. Oddziel końcowy artefakt od rozumowania, gdy wybrany interfejs udostępnia oba elementy. Zwięzła odpowiedź może być odpowiednia do prostego wydobywania informacji lub przeredagowania, natomiast przy pytaniu łączącym kilka warunków przydatne jest wyjaśnienie, którego powiązanie ze źródłem można prześledzić.
Korzystaj z udokumentowanych mechanizmów sterowania edycji Flash, zamiast przenosić ustawienia próbkowania, historyczne opcje rozumowania lub znaczniki poleceń z innego checkpointu Qwen. Karta otwartego modelu Qwen3.5-35B-A3B ma własne zasady obsługi historii i instrukcję generowania; jej ustawienia nie stanowią automatycznie dokładnego kontraktu interfejsu hostowanej wersji Flash.
Narzędzia i przepływy pracy aplikacji
Producent opisuje dodatkowe narzędzia w zarządzanej ofercie Flash. Połączony przepływ pracy może zapewniać wyszukiwanie, inspekcję lub dozwolone wykonanie i przekazywać obserwacje modelowi. Zdefiniuj dostępne narzędzia, dozwolone działania i obserwowalny warunek zakończenia. W raporcie końcowym wymagaj rozróżnienia proponowanej pracy i wyników rzeczywiście zwróconych przez narzędzie.
Możliwości modelu związane z narzędziami nie ustanawiają wbudowanego dostępu do bieżących źródeł, plików lub środowiska kodu przez każdy interfejs. Również prośba o tabelę lub tekst w postaci JSON sama w sobie nie tworzy wymuszanego schematu wyjściowego. Nadaj artefaktowi postać łatwą do sprawdzenia: plików kodu, tabeli dowodów lub krótkiego wniosku powiązanego z dostarczonym materiałem.
Kontekst i limity właściwe dla edycji
Qwen opisuje domyślny kontekst liczący milion tokenów w zarządzanej wersji Flash. Odpowiadający jej otwarty checkpoint ma inny natywny kontekst i wyraźnie określoną procedurę rozszerzania, dlatego te opisy liczbowe powinny pozostać przypisane do właściwych ofert. Tekst, reprezentowane media, historia rozmowy, rozumowanie i odpowiedź muszą mieścić się w obowiązującym skonfigurowanym budżecie sekwencji.
Wybierz odpowiedni tekst, obrazy lub fragmenty wideo, zachowaj identyfikatory dokumentów i kodu oraz zarezerwuj miejsce w roboczej sekwencji na wynik.
Praktyczne przygotowanie i ocena
W iteracyjnym zadaniu programistycznym dostarcz rzeczywisty błąd lub uwagi z przeglądu wraz z kolejnym pytaniem, aby model mógł zaktualizować proponowaną zmianę. Przy analizie dokumentów poproś o fragmenty uzasadniające ustalenia i wyraźne wskazanie brakujących dowodów. Sprawdź wyodrębniony tekst, obliczenia i wygenerowany kod względem źródła. Używaj tego ustalonego wydania do analizy tekstu, obrazów lub wideo prowadzącej do konkretnego wyniku tekstowego.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen/qwen3.5-flash-02-23 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00013 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00052 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00013 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00052 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-flash-02-23", "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/qwen3.5-flash-02-23',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/qwen3.5-flash-02-23',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 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/qwen3.5-flash-02-23
Użyj ścieżek metod podanych powyżej.
qwen/qwen3.5-flash-02-23Wydanie Qwen3.5 Flash z 23 lutego to model wizyjno-językowy przyjmujący tekst, obrazy i wideo oraz zwracający tekst. Łączy hybrydową uwagę i rzadką architekturę ekspertów z trybami rozumowania i odpowiedzi bezpośrednich rodziny Flash, służąc do programowania, analizy wizualnej oraz zadań wspomaganych narzędziami.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Wydanie Flash z 23 lutego
Qwen3.5 Flash to rodzina natywnych modeli wizyjno-językowych. Wydanie producenta wskazuje wersję z 23 lutego 2026 i opisuje hybrydową architekturę łączącą uwagę liniową z obliczeniami w rzadkiej architekturze mieszaniny ekspertów. Dane wejściowe to tekst, obrazy i wideo, a wynikiem jest tekst. Wydanie koncentruje się na równowadze między inferencją a możliwościami wykonywania zadań tekstowych i multimodalnych; nie ustanawia stałego opóźnienia dla konkretnej aplikacji.
Karta otwartego modelu Qwen opisuje zarządzany model Qwen3.5-Flash jako odpowiednik Qwen3.5-35B-A3B z dodatkowymi funkcjami, takimi jak domyślny kontekst liczący milion tokenów i wbudowane narzędzia. Jest to opisana przez producenta relacja między ofertami, a nie powód, aby utożsamiać ich dokładne nazwy, konfigurację lub funkcje interfejsów. Wersja z 23 lutego pozostaje odrębna od zmieniającej się wersji pod nazwą Flash oraz od późniejszych generacji Qwen.
Zadania tekstowe, wizualne i programistyczne
Rodzina Qwen3.5 jest trenowana z wykorzystaniem wczesnej fuzji tekstu z obrazem, co wspiera rozumowanie, programowanie, agentów i rozumienie obrazu. W zadaniu programistycznym opartym na zrzucie ekranu dostarcz wzorzec wizualny, odpowiedni kod i wymagane zachowanie, a następnie poproś o edytowalny artefakt z objaśnieniem warunków, na które wpływa zmiana. W przypadku dokumentu lub wykresu zachowaj etykiety i jednostki oraz poproś o konkretne potrzebne pola lub wnioski.
Przydatna odpowiedź na pytanie wizualne może rozróżniać widoczne fakty i wywnioskowane zależności oraz wskazywać obszar źródła lub fragment uzasadniający każdy wniosek. W przypadku wideo zachowaj kolejność i informacje o czasie oraz określ interesujące zdarzenie. Przy analizie dokumentów i wideo porównuj zwrócone pola i twierdzenia z oryginalnymi etykietami, fragmentami i znacznikami czasu. Model tworzy analizę tekstową lub kod; wizualne dane wejściowe nie oznaczają generowania obrazów ani wideo.
Rozumowanie i odpowiedzi bezpośrednie
Przewodnik producenta po trybach określa Qwen3.5 Flash jako model z hybrydowym rozumowaniem, domyślnie włączonym. Udokumentowany przepływ hybrydowy pozwala wyłączyć rozumowanie, aby uzyskać odpowiedź bezpośrednią. Oddziel końcowy artefakt od rozumowania, gdy wybrany interfejs udostępnia oba elementy. Zwięzła odpowiedź może być odpowiednia do prostego wydobywania informacji lub przeredagowania, natomiast przy pytaniu łączącym kilka warunków przydatne jest wyjaśnienie, którego powiązanie ze źródłem można prześledzić.
Korzystaj z udokumentowanych mechanizmów sterowania edycji Flash, zamiast przenosić ustawienia próbkowania, historyczne opcje rozumowania lub znaczniki poleceń z innego checkpointu Qwen. Karta otwartego modelu Qwen3.5-35B-A3B ma własne zasady obsługi historii i instrukcję generowania; jej ustawienia nie stanowią automatycznie dokładnego kontraktu interfejsu hostowanej wersji Flash.
Narzędzia i przepływy pracy aplikacji
Producent opisuje dodatkowe narzędzia w zarządzanej ofercie Flash. Połączony przepływ pracy może zapewniać wyszukiwanie, inspekcję lub dozwolone wykonanie i przekazywać obserwacje modelowi. Zdefiniuj dostępne narzędzia, dozwolone działania i obserwowalny warunek zakończenia. W raporcie końcowym wymagaj rozróżnienia proponowanej pracy i wyników rzeczywiście zwróconych przez narzędzie.
Możliwości modelu związane z narzędziami nie ustanawiają wbudowanego dostępu do bieżących źródeł, plików lub środowiska kodu przez każdy interfejs. Również prośba o tabelę lub tekst w postaci JSON sama w sobie nie tworzy wymuszanego schematu wyjściowego. Nadaj artefaktowi postać łatwą do sprawdzenia: plików kodu, tabeli dowodów lub krótkiego wniosku powiązanego z dostarczonym materiałem.
Kontekst i limity właściwe dla edycji
Qwen opisuje domyślny kontekst liczący milion tokenów w zarządzanej wersji Flash. Odpowiadający jej otwarty checkpoint ma inny natywny kontekst i wyraźnie określoną procedurę rozszerzania, dlatego te opisy liczbowe powinny pozostać przypisane do właściwych ofert. Tekst, reprezentowane media, historia rozmowy, rozumowanie i odpowiedź muszą mieścić się w obowiązującym skonfigurowanym budżecie sekwencji.
Wybierz odpowiedni tekst, obrazy lub fragmenty wideo, zachowaj identyfikatory dokumentów i kodu oraz zarezerwuj miejsce w roboczej sekwencji na wynik.
Praktyczne przygotowanie i ocena
W iteracyjnym zadaniu programistycznym dostarcz rzeczywisty błąd lub uwagi z przeglądu wraz z kolejnym pytaniem, aby model mógł zaktualizować proponowaną zmianę. Przy analizie dokumentów poproś o fragmenty uzasadniające ustalenia i wyraźne wskazanie brakujących dowodów. Sprawdź wyodrębniony tekst, obliczenia i wygenerowany kod względem źródła. Używaj tego ustalonego wydania do analizy tekstu, obrazów lub wideo prowadzącej do konkretnego wyniku tekstowego.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen/qwen3.5-flash-02-23 | 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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00013 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00052 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00013 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00052 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "qwen/qwen3.5-flash-02-23",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.5-flash-02-23', '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/qwen3.5-flash-02-23', '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/qwen3.5-flash-02-23
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Refine a patch using test feedback\n\nA first patch changes deduplicate(values) to list(set(values)). The returned test observation is: input [3,1,3,2] expected [3,1,2], but order was not preserved. Propose a replacement that retains first occurrences and works on integers. Include a regression assertion and explain the one behavior the failed patch overlooked. Do not claim to run the test.A revised Python function, a regression assertion and a short explanation tied to the supplied test observation.The duplicate 3 is removed while the order 3,1,2 survives; test execution remains a proposed check.