Qwen-Max é um modelo textual de grande escala da família Qwen para tarefas que combinam compreensão da linguagem, raciocínio lógico e um resultado escrito substancial. O fabricante destaca programação em chinês e inglês, trabalho multilingue, escrita criativa e conversação baseada em papéis. O modelo foi concebido para produzir respostas mais claras e detalhadas, respeitando o estilo de resposta pedido.
O nome não datado do modelo acompanha as atualizações da linha. O fabricante descreve atualmente qwen-max como funcionalmente equivalente ao instantâneo qwen-max-2025-01-25. O nome atualizado continuamente e o instantâneo datado têm objetivos diferentes: um acompanha a evolução da linha, enquanto o outro identifica uma edição específica. Preserve essa distinção ao comparar tarefas repetidas ou manter uma configuração consistente do assistente.
Capacidades do modelo
Qwen-Max aceita texto e produz texto. Pode trabalhar com uma conversa, passagens de origem, um requisito de software ou um fragmento de código existente. Use-o quando o resultado deve ser uma explicação, um documento reescrito, uma implementação ou um conjunto de campos extraídos. Uma página digitalizada ou uma captura de ecrã precisa de um passo separado que disponibilize a informação necessária como texto; a entrada documentada deste modelo não é uma imagem.
O fabricante destaca especialmente o respeito pela formatação JSON. Uma tarefa prática de extração pode especificar campos como um tema, as condições explicitamente mencionadas na fonte e uma pergunta por resolver. Forneça a passagem de origem e os nomes pretendidos para os campos e indique como representar informação em falta. Isto transforma uma resposta conversacional em dados que uma aplicação pode inspecionar e processar. Um pedido de JSON e um pedido de explicação em prosa são requisitos de saída diferentes e devem ser indicados separadamente.
As interfaces documentadas também incluem chamadas de funções, saída estruturada, continuação da resposta a partir de um prefixo, cache de contexto e inferência em lote. Chamadas de funções e pesquisa na web não estão expostas de forma idêntica em todas as configurações do produtor. Trate-as como opções da interface envolvente: a aplicação fornece as ferramentas, executa as ações selecionadas e devolve os resultados. Cache e processamento em lote dizem respeito à forma como o trabalho é submetido e reutilizado, não a uma nova modalidade de conteúdo.
Limites de contexto
A especificação publicada indica uma janela de contexto de 32 768 tokens, uma entrada máxima de 30 720 tokens e uma saída máxima de 8 192 tokens. Mantenha as fontes, a conversa e a resposta pedida dentro dos limites aplicáveis. O limite de saída é útil para escolher entre uma resposta compacta e um documento longo; não deve ser interpretado como garantia de que cada resposta atingirá essa extensão.
Para uma tarefa documental, coloque as secções de origem essenciais antes dos exemplos opcionais e indique o que deve conter o artefacto final. Por exemplo, forneça uma descrição do produto e as perguntas de um cliente, depois peça uma resposta que mantenha as condições fornecidas, use a língua do cliente e separe perguntas sem resposta de informação confirmada. O resultado pode ser uma resposta destinada ao cliente e um pequeno registo JSON para o passo seguinte da aplicação.
Para programação, forneça o objetivo da função, a entrada aceite, a saída esperada e o fragmento existente que deve continuar compatível. Peça a implementação, uma explicação das decisões e exemplos que cubram uma entrada normal e um caso limite. Isto usa o foco documentado do modelo em programação e raciocínio sem presumir acesso a um repositório, compilador ou aplicação em execução.
Para escrita criativa ou diálogo baseado em papéis, defina o público, o tom e os factos que devem sobreviver à revisão. Um papel pode organizar a conversa, enquanto as fontes determinam o que o modelo deve dizer. Peça introduções ou explicações alternativas para leitores diferentes, em vez de uma reescrita não especificada; cada variante tem assim um objetivo observável.
Limites relevantes
Qwen-Max é uma linha de texto para texto, não uma edição visual ou de geração de fala. O fabricante não enumera o ajuste fino como capacidade de interface suportada nesta ficha. O comportamento com ferramentas depende da interface ligada e o nome atualizado continuamente não fixa um instantâneo permanente. Estas distinções ajudam a selecionar a edição certa e preparar uma entrada correspondente ao resultado realmente necessário.
", "aboutText": "Qwen-Max é um modelo textual de grande escala da família Qwen para tarefas que combinam compreensão da linguagem, raciocínio lógico e um resultado escrito substancial. O fabricante destaca programação em chinês e inglês, trabalho multilingue, escrita criativa e conversação baseada em papéis. O modelo foi concebido para produzir respostas mais claras e detalhadas, respeitando o estilo de resposta pedido.\n\nO nome não datado do modelo acompanha as atualizações da linha. O fabricante descreve atualmente qwen-max como funcionalmente equivalente ao instantâneo qwen-max-2025-01-25. O nome atualizado continuamente e o instantâneo datado têm objetivos diferentes: um acompanha a evolução da linha, enquanto o outro identifica uma edição específica. Preserve essa distinção ao comparar tarefas repetidas ou manter uma configuração consistente do assistente.\n\nCapacidades do modelo\n\nQwen-Max aceita texto e produz texto. Pode trabalhar com uma conversa, passagens de origem, um requisito de software ou um fragmento de código existente. Use-o quando o resultado deve ser uma explicação, um documento reescrito, uma implementação ou um conjunto de campos extraídos. Uma página digitalizada ou uma captura de ecrã precisa de um passo separado que disponibilize a informação necessária como texto; a entrada documentada deste modelo não é uma imagem.\n\nO fabricante destaca especialmente o respeito pela formatação JSON. Uma tarefa prática de extração pode especificar campos como um tema, as condições explicitamente mencionadas na fonte e uma pergunta por resolver. Forneça a passagem de origem e os nomes pretendidos para os campos e indique como representar informação em falta. Isto transforma uma resposta conversacional em dados que uma aplicação pode inspecionar e processar. Um pedido de JSON e um pedido de explicação em prosa são requisitos de saída diferentes e devem ser indicados separadamente.\n\nAs interfaces documentadas também incluem chamadas de funções, saída estruturada, continuação da resposta a partir de um prefixo, cache de contexto e inferência em lote. Chamadas de funções e pesquisa na web não estão expostas de forma idêntica em todas as configurações do produtor. Trate-as como opções da interface envolvente: a aplicação fornece as ferramentas, executa as ações selecionadas e devolve os resultados. Cache e processamento em lote dizem respeito à forma como o trabalho é submetido e reutilizado, não a uma nova modalidade de conteúdo.\n\nLimites de contexto\n\nA especificação publicada indica uma janela de contexto de 32 768 tokens, uma entrada máxima de 30 720 tokens e uma saída máxima de 8 192 tokens. Mantenha as fontes, a conversa e a resposta pedida dentro dos limites aplicáveis. O limite de saída é útil para escolher entre uma resposta compacta e um documento longo; não deve ser interpretado como garantia de que cada resposta atingirá essa extensão.\n\nPara uma tarefa documental, coloque as secções de origem essenciais antes dos exemplos opcionais e indique o que deve conter o artefacto final. Por exemplo, forneça uma descrição do produto e as perguntas de um cliente, depois peça uma resposta que mantenha as condições fornecidas, use a língua do cliente e separe perguntas sem resposta de informação confirmada. O resultado pode ser uma resposta destinada ao cliente e um pequeno registo JSON para o passo seguinte da aplicação.\n\nPara programação, forneça o objetivo da função, a entrada aceite, a saída esperada e o fragmento existente que deve continuar compatível. Peça a implementação, uma explicação das decisões e exemplos que cubram uma entrada normal e um caso limite. Isto usa o foco documentado do modelo em programação e raciocínio sem presumir acesso a um repositório, compilador ou aplicação em execução.\n\nPara escrita criativa ou diálogo baseado em papéis, defina o público, o tom e os factos que devem sobreviver à revisão. Um papel pode organizar a conversa, enquanto as fontes determinam o que o modelo deve dizer. Peça introduções ou explicações alternativas para leitores diferentes, em vez de uma reescrita não especificada; cada variante tem assim um objetivo observável.\n\nLimites relevantes\n\nQwen-Max é uma linha de texto para texto, não uma edição visual ou de geração de fala. O fabricante não enumera o ajuste fino como capacidade de interface suportada nesta ficha. O comportamento com ferramentas depende da interface ligada e o nome atualizado continuamente não fixa um instantâneo permanente. Estas distinções ajudam a selecionar a edição certa e preparar uma entrada correspondente ao resultado realmente necessário.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "fe3e962ba8e8fd06e8852dc7f2280a5afc5586c11c696e55bd0ca6c84278f463", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "qwen-max-latestQwen-Max é um modelo textual para conversação multilingue, raciocínio lógico, programação e criação de conteúdos. Combina seguimento detalhado de instruções com saída orientada a JSON e controlo do estilo de resposta.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen-Max é um modelo textual de grande escala da família Qwen para tarefas que combinam compreensão da linguagem, raciocínio lógico e um resultado escrito substancial. O fabricante destaca programação em chinês e inglês, trabalho multilingue, escrita criativa e conversação baseada em papéis. O modelo foi concebido para produzir respostas mais claras e detalhadas, respeitando o estilo de resposta pedido.
O nome não datado do modelo acompanha as atualizações da linha. O fabricante descreve atualmente qwen-max como funcionalmente equivalente ao instantâneo qwen-max-2025-01-25. O nome atualizado continuamente e o instantâneo datado têm objetivos diferentes: um acompanha a evolução da linha, enquanto o outro identifica uma edição específica. Preserve essa distinção ao comparar tarefas repetidas ou manter uma configuração consistente do assistente.
Capacidades do modelo
Qwen-Max aceita texto e produz texto. Pode trabalhar com uma conversa, passagens de origem, um requisito de software ou um fragmento de código existente. Use-o quando o resultado deve ser uma explicação, um documento reescrito, uma implementação ou um conjunto de campos extraídos. Uma página digitalizada ou uma captura de ecrã precisa de um passo separado que disponibilize a informação necessária como texto; a entrada documentada deste modelo não é uma imagem.
O fabricante destaca especialmente o respeito pela formatação JSON. Uma tarefa prática de extração pode especificar campos como um tema, as condições explicitamente mencionadas na fonte e uma pergunta por resolver. Forneça a passagem de origem e os nomes pretendidos para os campos e indique como representar informação em falta. Isto transforma uma resposta conversacional em dados que uma aplicação pode inspecionar e processar. Um pedido de JSON e um pedido de explicação em prosa são requisitos de saída diferentes e devem ser indicados separadamente.
As interfaces documentadas também incluem chamadas de funções, saída estruturada, continuação da resposta a partir de um prefixo, cache de contexto e inferência em lote. Chamadas de funções e pesquisa na web não estão expostas de forma idêntica em todas as configurações do produtor. Trate-as como opções da interface envolvente: a aplicação fornece as ferramentas, executa as ações selecionadas e devolve os resultados. Cache e processamento em lote dizem respeito à forma como o trabalho é submetido e reutilizado, não a uma nova modalidade de conteúdo.
Limites de contexto
A especificação publicada indica uma janela de contexto de 32 768 tokens, uma entrada máxima de 30 720 tokens e uma saída máxima de 8 192 tokens. Mantenha as fontes, a conversa e a resposta pedida dentro dos limites aplicáveis. O limite de saída é útil para escolher entre uma resposta compacta e um documento longo; não deve ser interpretado como garantia de que cada resposta atingirá essa extensão.
Para uma tarefa documental, coloque as secções de origem essenciais antes dos exemplos opcionais e indique o que deve conter o artefacto final. Por exemplo, forneça uma descrição do produto e as perguntas de um cliente, depois peça uma resposta que mantenha as condições fornecidas, use a língua do cliente e separe perguntas sem resposta de informação confirmada. O resultado pode ser uma resposta destinada ao cliente e um pequeno registo JSON para o passo seguinte da aplicação.
Para programação, forneça o objetivo da função, a entrada aceite, a saída esperada e o fragmento existente que deve continuar compatível. Peça a implementação, uma explicação das decisões e exemplos que cubram uma entrada normal e um caso limite. Isto usa o foco documentado do modelo em programação e raciocínio sem presumir acesso a um repositório, compilador ou aplicação em execução.
Para escrita criativa ou diálogo baseado em papéis, defina o público, o tom e os factos que devem sobreviver à revisão. Um papel pode organizar a conversa, enquanto as fontes determinam o que o modelo deve dizer. Peça introduções ou explicações alternativas para leitores diferentes, em vez de uma reescrita não especificada; cada variante tem assim um objetivo observável.
Limites relevantes
Qwen-Max é uma linha de texto para texto, não uma edição visual ou de geração de fala. O fabricante não enumera o ajuste fino como capacidade de interface suportada nesta ficha. O comportamento com ferramentas depende da interface ligada e o nome atualizado continuamente não fixa um instantâneo permanente. Estas distinções ajudam a selecionar a edição certa e preparar uma entrada correspondente ao resultado realmente necessário.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen-max-latest | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.000686 / 1K tokens Saída · Tokens de saída $0.002744 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra qwen-max-latest
/chat/completions
qwen-max-latestQwen-Max é um modelo textual para conversação multilingue, raciocínio lógico, programação e criação de conteúdos. Combina seguimento detalhado de instruções com saída orientada a JSON e controlo do estilo de resposta.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen-Max é um modelo textual de grande escala da família Qwen para tarefas que combinam compreensão da linguagem, raciocínio lógico e um resultado escrito substancial. O fabricante destaca programação em chinês e inglês, trabalho multilingue, escrita criativa e conversação baseada em papéis. O modelo foi concebido para produzir respostas mais claras e detalhadas, respeitando o estilo de resposta pedido.
O nome não datado do modelo acompanha as atualizações da linha. O fabricante descreve atualmente qwen-max como funcionalmente equivalente ao instantâneo qwen-max-2025-01-25. O nome atualizado continuamente e o instantâneo datado têm objetivos diferentes: um acompanha a evolução da linha, enquanto o outro identifica uma edição específica. Preserve essa distinção ao comparar tarefas repetidas ou manter uma configuração consistente do assistente.
Capacidades do modelo
Qwen-Max aceita texto e produz texto. Pode trabalhar com uma conversa, passagens de origem, um requisito de software ou um fragmento de código existente. Use-o quando o resultado deve ser uma explicação, um documento reescrito, uma implementação ou um conjunto de campos extraídos. Uma página digitalizada ou uma captura de ecrã precisa de um passo separado que disponibilize a informação necessária como texto; a entrada documentada deste modelo não é uma imagem.
O fabricante destaca especialmente o respeito pela formatação JSON. Uma tarefa prática de extração pode especificar campos como um tema, as condições explicitamente mencionadas na fonte e uma pergunta por resolver. Forneça a passagem de origem e os nomes pretendidos para os campos e indique como representar informação em falta. Isto transforma uma resposta conversacional em dados que uma aplicação pode inspecionar e processar. Um pedido de JSON e um pedido de explicação em prosa são requisitos de saída diferentes e devem ser indicados separadamente.
As interfaces documentadas também incluem chamadas de funções, saída estruturada, continuação da resposta a partir de um prefixo, cache de contexto e inferência em lote. Chamadas de funções e pesquisa na web não estão expostas de forma idêntica em todas as configurações do produtor. Trate-as como opções da interface envolvente: a aplicação fornece as ferramentas, executa as ações selecionadas e devolve os resultados. Cache e processamento em lote dizem respeito à forma como o trabalho é submetido e reutilizado, não a uma nova modalidade de conteúdo.
Limites de contexto
A especificação publicada indica uma janela de contexto de 32 768 tokens, uma entrada máxima de 30 720 tokens e uma saída máxima de 8 192 tokens. Mantenha as fontes, a conversa e a resposta pedida dentro dos limites aplicáveis. O limite de saída é útil para escolher entre uma resposta compacta e um documento longo; não deve ser interpretado como garantia de que cada resposta atingirá essa extensão.
Para uma tarefa documental, coloque as secções de origem essenciais antes dos exemplos opcionais e indique o que deve conter o artefacto final. Por exemplo, forneça uma descrição do produto e as perguntas de um cliente, depois peça uma resposta que mantenha as condições fornecidas, use a língua do cliente e separe perguntas sem resposta de informação confirmada. O resultado pode ser uma resposta destinada ao cliente e um pequeno registo JSON para o passo seguinte da aplicação.
Para programação, forneça o objetivo da função, a entrada aceite, a saída esperada e o fragmento existente que deve continuar compatível. Peça a implementação, uma explicação das decisões e exemplos que cubram uma entrada normal e um caso limite. Isto usa o foco documentado do modelo em programação e raciocínio sem presumir acesso a um repositório, compilador ou aplicação em execução.
Para escrita criativa ou diálogo baseado em papéis, defina o público, o tom e os factos que devem sobreviver à revisão. Um papel pode organizar a conversa, enquanto as fontes determinam o que o modelo deve dizer. Peça introduções ou explicações alternativas para leitores diferentes, em vez de uma reescrita não especificada; cada variante tem assim um objetivo observável.
Limites relevantes
Qwen-Max é uma linha de texto para texto, não uma edição visual ou de geração de fala. O fabricante não enumera o ajuste fino como capacidade de interface suportada nesta ficha. O comportamento com ferramentas depende da interface ligada e o nome atualizado continuamente não fixa um instantâneo permanente. Estas distinções ajudam a selecionar a edição certa e preparar uma entrada correspondente ao resultado realmente necessário.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen-max-latest | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.000686 / 1K tokens Saída · Tokens de saída $0.002744 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qwen-max-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra qwen-max-latest
/chat/completions