A versão Qwen3.7 Flash
Qwen3.7 Flash é uma família nativa de modelos de visão e linguagem para compreensão de texto, imagem e vídeo com respostas textuais. A publicação do fabricante descreve perceção multimodal e execução de agentes melhoradas face ao Qwen3.6 Flash. O âmbito prático inclui reconhecer objetos, compreender uma cena visual, raciocinar sobre relações espaciais e preparar código ou explicações a partir de material visual.
A publicação oficial identifica qwen3.7-flash e a versão datada qwen3.7-flash-2026-07-15. Conserve o nome exato ao registar um resultado: o nome Flash sem data não identifica um instantâneo fixo do fabricante. A descrição da versão aqui utilizada não estabelece contagem de parâmetros nem representação numérica de um checkpoint aberto.
Reconhecimento de objetos, perceção do mundo real e espaço
Forneça uma imagem de cena com uma pergunta concreta: que objeto importa, que relação deve ser examinada e que pormenores visíveis devem sustentar a resposta. Num diagrama, preserve os rótulos e forneça as definições necessárias para os interpretar. Uma saída útil separa observações de relações inferidas, facilitando a comparação da explicação com a fonte.
Para várias imagens, identifique cada entrada e peça uma comparação organizada por esses rótulos. Para vídeo, identifique o evento relevante e preserve a sequência ou informação temporal. Confira contagens exatas, medidas espaciais e observações ao nível do fotograma com o material fornecido.
Agentes multimodais
A versão destaca cenários Search Agent e de agentes com interpretador de código, com execução de várias etapas mais estável. Nesse fluxo, a aplicação disponibiliza as ferramentas permitidas, executa as ações e devolve as observações. O modelo pode utilizar esses resultados para atualizar o plano. Descreva o objetivo e a condição de conclusão e peça um artefacto final com quaisquer provas por resolver. O produtor indica chamadas de funções, saídas estruturadas, completamento de prefixos e cache de contexto. A pesquisa na Web é suportada em Pequim e Singapura e não é suportada nos outros âmbitos regionais listados. A inferência em lote é suportada para o alias de Pequim e não é suportada noutros locais; o ajuste fino não é suportado.
A especialização em agentes do modelo não deve ser confundida com acesso integrado a fontes atuais ou a um ambiente de execução em todas as interfaces. Quando uma tarefa exigir recuperação ou execução de código, distinga o resultado devolvido por uma ferramenta real de uma ação proposta no texto do modelo. Esta descrição não estabelece as ferramentas expostas por outra aplicação.
Programação visual
A Qwen descreve melhor programação informada por material visual. Um pedido útil pode combinar uma captura de ecrã ou disposição com requisitos funcionais e pedir código editável. Especifique o sistema de desenvolvimento ou formato de saída, os estados de interação e as restrições na tarefa fornecida. Peça o artefacto gerado separadamente da explicação para que possa ser revisto ou renderizado pelo fluxo de desenvolvimento.
Numa interface existente, identifique a alteração pretendida e o contexto relevante do código-fonte, em vez de pedir uma reformulação visual sem relação. O modelo pode relacionar um requisito visual com uma proposta de código; essa proposta não prova que a interface foi renderizada ou se comporta corretamente. Estes exemplos aplicam o âmbito de programação visual do fabricante sem acrescentar uma garantia de execução.
Raciocínio e respostas diretas
O guia de modelos suportados do fabricante indica Qwen3.7 Flash como família de raciocínio híbrido, com raciocínio ativo por predefinição. O fluxo híbrido documentado pode desativar o raciocínio para uma resposta direta. Mantenha a saída de raciocínio distinta da resposta final quando uma interface fornecer ambas. Os controlos de um modelo Qwen-Omni identificado separadamente ou de um modelo denso aberto não devem ser importados apenas por partilharem o nome Qwen.
Utilize análise mais profunda numa pergunta visual que relacione várias observações; peça um resultado direto para uma descrição simples. Especifique uma estrutura final verificável, como uma tabela de observações, uma conclusão concisa ou ficheiros de código, em vez de confiar no comprimento da resposta como sinal de qualidade.
Limites e preparação da entrada
A página dedicada Qwen3.7-Flash da Alibaba indica contexto de 1,000,000 tokens, entrada máxima de 991,808 tokens para respostas diretas ou 983,616 para raciocínio e saída máxima de 131,072 em ambos os modos. Indica separadamente um comprimento máximo de cadeia de pensamento de 262,144 tokens. Mantenha o pormenor visual relevante legível, remova material sem relação e reserve espaço para o resultado exigido. Confira rótulos de objetos, inferências espaciais, texto extraído e propostas de código com as provas fornecidas. A descrição útil é o âmbito específico de perceção, agentes e programação visual do fabricante, preservando o modo híbrido de resposta.
", "aboutText": "A versão Qwen3.7 Flash\n\nQwen3.7 Flash é uma família nativa de modelos de visão e linguagem para compreensão de texto, imagem e vídeo com respostas textuais. A publicação do fabricante descreve perceção multimodal e execução de agentes melhoradas face ao Qwen3.6 Flash. O âmbito prático inclui reconhecer objetos, compreender uma cena visual, raciocinar sobre relações espaciais e preparar código ou explicações a partir de material visual.\n\nA publicação oficial identifica qwen3.7-flash e a versão datada qwen3.7-flash-2026-07-15. Conserve o nome exato ao registar um resultado: o nome Flash sem data não identifica um instantâneo fixo do fabricante. A descrição da versão aqui utilizada não estabelece contagem de parâmetros nem representação numérica de um checkpoint aberto.\n\nReconhecimento de objetos, perceção do mundo real e espaço\n\nForneça uma imagem de cena com uma pergunta concreta: que objeto importa, que relação deve ser examinada e que pormenores visíveis devem sustentar a resposta. Num diagrama, preserve os rótulos e forneça as definições necessárias para os interpretar. Uma saída útil separa observações de relações inferidas, facilitando a comparação da explicação com a fonte.\n\nPara várias imagens, identifique cada entrada e peça uma comparação organizada por esses rótulos. Para vídeo, identifique o evento relevante e preserve a sequência ou informação temporal. Confira contagens exatas, medidas espaciais e observações ao nível do fotograma com o material fornecido.\n\nAgentes multimodais\n\nA versão destaca cenários Search Agent e de agentes com interpretador de código, com execução de várias etapas mais estável. Nesse fluxo, a aplicação disponibiliza as ferramentas permitidas, executa as ações e devolve as observações. O modelo pode utilizar esses resultados para atualizar o plano. Descreva o objetivo e a condição de conclusão e peça um artefacto final com quaisquer provas por resolver. O produtor indica chamadas de funções, saídas estruturadas, completamento de prefixos e cache de contexto. A pesquisa na Web é suportada em Pequim e Singapura e não é suportada nos outros âmbitos regionais listados. A inferência em lote é suportada para o alias de Pequim e não é suportada noutros locais; o ajuste fino não é suportado.\n\nA especialização em agentes do modelo não deve ser confundida com acesso integrado a fontes atuais ou a um ambiente de execução em todas as interfaces. Quando uma tarefa exigir recuperação ou execução de código, distinga o resultado devolvido por uma ferramenta real de uma ação proposta no texto do modelo. Esta descrição não estabelece as ferramentas expostas por outra aplicação.\n\nProgramação visual\n\nA Qwen descreve melhor programação informada por material visual. Um pedido útil pode combinar uma captura de ecrã ou disposição com requisitos funcionais e pedir código editável. Especifique o sistema de desenvolvimento ou formato de saída, os estados de interação e as restrições na tarefa fornecida. Peça o artefacto gerado separadamente da explicação para que possa ser revisto ou renderizado pelo fluxo de desenvolvimento.\n\nNuma interface existente, identifique a alteração pretendida e o contexto relevante do código-fonte, em vez de pedir uma reformulação visual sem relação. O modelo pode relacionar um requisito visual com uma proposta de código; essa proposta não prova que a interface foi renderizada ou se comporta corretamente. Estes exemplos aplicam o âmbito de programação visual do fabricante sem acrescentar uma garantia de execução.\n\nRaciocínio e respostas diretas\n\nO guia de modelos suportados do fabricante indica Qwen3.7 Flash como família de raciocínio híbrido, com raciocínio ativo por predefinição. O fluxo híbrido documentado pode desativar o raciocínio para uma resposta direta. Mantenha a saída de raciocínio distinta da resposta final quando uma interface fornecer ambas. Os controlos de um modelo Qwen-Omni identificado separadamente ou de um modelo denso aberto não devem ser importados apenas por partilharem o nome Qwen.\n\nUtilize análise mais profunda numa pergunta visual que relacione várias observações; peça um resultado direto para uma descrição simples. Especifique uma estrutura final verificável, como uma tabela de observações, uma conclusão concisa ou ficheiros de código, em vez de confiar no comprimento da resposta como sinal de qualidade.\n\nLimites e preparação da entrada\n\nA página dedicada Qwen3.7-Flash da Alibaba indica contexto de 1,000,000 tokens, entrada máxima de 991,808 tokens para respostas diretas ou 983,616 para raciocínio e saída máxima de 131,072 em ambos os modos. Indica separadamente um comprimento máximo de cadeia de pensamento de 262,144 tokens. Mantenha o pormenor visual relevante legível, remova material sem relação e reserve espaço para o resultado exigido. Confira rótulos de objetos, inferências espaciais, texto extraído e propostas de código com as provas fornecidas. A descrição útil é o âmbito específico de perceção, agentes e programação visual do fabricante, preservando o modo híbrido de resposta.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.qwen/qwen3.7-flashQwen3.7 Flash é a família de modelos de visão e linguagem da Qwen para texto, imagens e vídeo, com saída textual. O fabricante destaca melhor reconhecimento de objetos, compreensão espacial, trabalho de agentes multimodais e programação visual, com raciocínio ativo por predefinição e um modo opcional de resposta direta.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
A versão Qwen3.7 Flash
Qwen3.7 Flash é uma família nativa de modelos de visão e linguagem para compreensão de texto, imagem e vídeo com respostas textuais. A publicação do fabricante descreve perceção multimodal e execução de agentes melhoradas face ao Qwen3.6 Flash. O âmbito prático inclui reconhecer objetos, compreender uma cena visual, raciocinar sobre relações espaciais e preparar código ou explicações a partir de material visual.
A publicação oficial identifica qwen3.7-flash e a versão datada qwen3.7-flash-2026-07-15. Conserve o nome exato ao registar um resultado: o nome Flash sem data não identifica um instantâneo fixo do fabricante. A descrição da versão aqui utilizada não estabelece contagem de parâmetros nem representação numérica de um checkpoint aberto.
Reconhecimento de objetos, perceção do mundo real e espaço
Forneça uma imagem de cena com uma pergunta concreta: que objeto importa, que relação deve ser examinada e que pormenores visíveis devem sustentar a resposta. Num diagrama, preserve os rótulos e forneça as definições necessárias para os interpretar. Uma saída útil separa observações de relações inferidas, facilitando a comparação da explicação com a fonte.
Para várias imagens, identifique cada entrada e peça uma comparação organizada por esses rótulos. Para vídeo, identifique o evento relevante e preserve a sequência ou informação temporal. Confira contagens exatas, medidas espaciais e observações ao nível do fotograma com o material fornecido.
Agentes multimodais
A versão destaca cenários Search Agent e de agentes com interpretador de código, com execução de várias etapas mais estável. Nesse fluxo, a aplicação disponibiliza as ferramentas permitidas, executa as ações e devolve as observações. O modelo pode utilizar esses resultados para atualizar o plano. Descreva o objetivo e a condição de conclusão e peça um artefacto final com quaisquer provas por resolver. O produtor indica chamadas de funções, saídas estruturadas, completamento de prefixos e cache de contexto. A pesquisa na Web é suportada em Pequim e Singapura e não é suportada nos outros âmbitos regionais listados. A inferência em lote é suportada para o alias de Pequim e não é suportada noutros locais; o ajuste fino não é suportado.
A especialização em agentes do modelo não deve ser confundida com acesso integrado a fontes atuais ou a um ambiente de execução em todas as interfaces. Quando uma tarefa exigir recuperação ou execução de código, distinga o resultado devolvido por uma ferramenta real de uma ação proposta no texto do modelo. Esta descrição não estabelece as ferramentas expostas por outra aplicação.
Programação visual
A Qwen descreve melhor programação informada por material visual. Um pedido útil pode combinar uma captura de ecrã ou disposição com requisitos funcionais e pedir código editável. Especifique o sistema de desenvolvimento ou formato de saída, os estados de interação e as restrições na tarefa fornecida. Peça o artefacto gerado separadamente da explicação para que possa ser revisto ou renderizado pelo fluxo de desenvolvimento.
Numa interface existente, identifique a alteração pretendida e o contexto relevante do código-fonte, em vez de pedir uma reformulação visual sem relação. O modelo pode relacionar um requisito visual com uma proposta de código; essa proposta não prova que a interface foi renderizada ou se comporta corretamente. Estes exemplos aplicam o âmbito de programação visual do fabricante sem acrescentar uma garantia de execução.
Raciocínio e respostas diretas
O guia de modelos suportados do fabricante indica Qwen3.7 Flash como família de raciocínio híbrido, com raciocínio ativo por predefinição. O fluxo híbrido documentado pode desativar o raciocínio para uma resposta direta. Mantenha a saída de raciocínio distinta da resposta final quando uma interface fornecer ambas. Os controlos de um modelo Qwen-Omni identificado separadamente ou de um modelo denso aberto não devem ser importados apenas por partilharem o nome Qwen.
Utilize análise mais profunda numa pergunta visual que relacione várias observações; peça um resultado direto para uma descrição simples. Especifique uma estrutura final verificável, como uma tabela de observações, uma conclusão concisa ou ficheiros de código, em vez de confiar no comprimento da resposta como sinal de qualidade.
Limites e preparação da entrada
A página dedicada Qwen3.7-Flash da Alibaba indica contexto de 1,000,000 tokens, entrada máxima de 991,808 tokens para respostas diretas ou 983,616 para raciocínio e saída máxima de 131,072 em ambos os modos. Indica separadamente um comprimento máximo de cadeia de pensamento de 262,144 tokens. Mantenha o pormenor visual relevante legível, remova material sem relação e reserve espaço para o resultado exigido. Confira rótulos de objetos, inferências espaciais, texto extraído e propostas de código com as provas fornecidas. A descrição útil é o âmbito específico de perceção, agentes e programação visual do fabricante, preservando o modo híbrido de resposta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen/qwen3.7-flash | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
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.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.00026 / 1K tokens Entrada · Leitura da cache $0.000012 / 1K tokens Entrada · Escrita na cache $0.000076 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive32 000 | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.00026 / 1K tokens Entrada · Leitura da cache $0.000012 / 1K tokens Entrada · Escrita na cache $0.000076 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de32 000 | Tokens de contexto, até ao limite inclusive256 000 | Custo Entrada · Tokens de entrada $0.0002 / 1K tokens Saída · Tokens de saída $0.0008 / 1K tokens Entrada · Leitura da cache $0.00004 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 3 de comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de256 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0004 / 1K tokens Saída · Tokens de saída $0.0016 / 1K tokens Entrada · Leitura da cache $0.00008 / 1K tokens Entrada · Escrita na cache $0.0005 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.7-flash", "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/qwen3.7-flash',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/qwen3.7-flash',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 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/qwen3.7-flash
Use os caminhos dos métodos indicados acima.
qwen/qwen3.7-flashQwen3.7 Flash é a família de modelos de visão e linguagem da Qwen para texto, imagens e vídeo, com saída textual. O fabricante destaca melhor reconhecimento de objetos, compreensão espacial, trabalho de agentes multimodais e programação visual, com raciocínio ativo por predefinição e um modo opcional de resposta direta.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
A versão Qwen3.7 Flash
Qwen3.7 Flash é uma família nativa de modelos de visão e linguagem para compreensão de texto, imagem e vídeo com respostas textuais. A publicação do fabricante descreve perceção multimodal e execução de agentes melhoradas face ao Qwen3.6 Flash. O âmbito prático inclui reconhecer objetos, compreender uma cena visual, raciocinar sobre relações espaciais e preparar código ou explicações a partir de material visual.
A publicação oficial identifica qwen3.7-flash e a versão datada qwen3.7-flash-2026-07-15. Conserve o nome exato ao registar um resultado: o nome Flash sem data não identifica um instantâneo fixo do fabricante. A descrição da versão aqui utilizada não estabelece contagem de parâmetros nem representação numérica de um checkpoint aberto.
Reconhecimento de objetos, perceção do mundo real e espaço
Forneça uma imagem de cena com uma pergunta concreta: que objeto importa, que relação deve ser examinada e que pormenores visíveis devem sustentar a resposta. Num diagrama, preserve os rótulos e forneça as definições necessárias para os interpretar. Uma saída útil separa observações de relações inferidas, facilitando a comparação da explicação com a fonte.
Para várias imagens, identifique cada entrada e peça uma comparação organizada por esses rótulos. Para vídeo, identifique o evento relevante e preserve a sequência ou informação temporal. Confira contagens exatas, medidas espaciais e observações ao nível do fotograma com o material fornecido.
Agentes multimodais
A versão destaca cenários Search Agent e de agentes com interpretador de código, com execução de várias etapas mais estável. Nesse fluxo, a aplicação disponibiliza as ferramentas permitidas, executa as ações e devolve as observações. O modelo pode utilizar esses resultados para atualizar o plano. Descreva o objetivo e a condição de conclusão e peça um artefacto final com quaisquer provas por resolver. O produtor indica chamadas de funções, saídas estruturadas, completamento de prefixos e cache de contexto. A pesquisa na Web é suportada em Pequim e Singapura e não é suportada nos outros âmbitos regionais listados. A inferência em lote é suportada para o alias de Pequim e não é suportada noutros locais; o ajuste fino não é suportado.
A especialização em agentes do modelo não deve ser confundida com acesso integrado a fontes atuais ou a um ambiente de execução em todas as interfaces. Quando uma tarefa exigir recuperação ou execução de código, distinga o resultado devolvido por uma ferramenta real de uma ação proposta no texto do modelo. Esta descrição não estabelece as ferramentas expostas por outra aplicação.
Programação visual
A Qwen descreve melhor programação informada por material visual. Um pedido útil pode combinar uma captura de ecrã ou disposição com requisitos funcionais e pedir código editável. Especifique o sistema de desenvolvimento ou formato de saída, os estados de interação e as restrições na tarefa fornecida. Peça o artefacto gerado separadamente da explicação para que possa ser revisto ou renderizado pelo fluxo de desenvolvimento.
Numa interface existente, identifique a alteração pretendida e o contexto relevante do código-fonte, em vez de pedir uma reformulação visual sem relação. O modelo pode relacionar um requisito visual com uma proposta de código; essa proposta não prova que a interface foi renderizada ou se comporta corretamente. Estes exemplos aplicam o âmbito de programação visual do fabricante sem acrescentar uma garantia de execução.
Raciocínio e respostas diretas
O guia de modelos suportados do fabricante indica Qwen3.7 Flash como família de raciocínio híbrido, com raciocínio ativo por predefinição. O fluxo híbrido documentado pode desativar o raciocínio para uma resposta direta. Mantenha a saída de raciocínio distinta da resposta final quando uma interface fornecer ambas. Os controlos de um modelo Qwen-Omni identificado separadamente ou de um modelo denso aberto não devem ser importados apenas por partilharem o nome Qwen.
Utilize análise mais profunda numa pergunta visual que relacione várias observações; peça um resultado direto para uma descrição simples. Especifique uma estrutura final verificável, como uma tabela de observações, uma conclusão concisa ou ficheiros de código, em vez de confiar no comprimento da resposta como sinal de qualidade.
Limites e preparação da entrada
A página dedicada Qwen3.7-Flash da Alibaba indica contexto de 1,000,000 tokens, entrada máxima de 991,808 tokens para respostas diretas ou 983,616 para raciocínio e saída máxima de 131,072 em ambos os modos. Indica separadamente um comprimento máximo de cadeia de pensamento de 262,144 tokens. Mantenha o pormenor visual relevante legível, remova material sem relação e reserve espaço para o resultado exigido. Confira rótulos de objetos, inferências espaciais, texto extraído e propostas de código com as provas fornecidas. A descrição útil é o âmbito específico de perceção, agentes e programação visual do fabricante, preservando o modo híbrido de resposta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen/qwen3.7-flash | 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.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.00026 / 1K tokens Entrada · Leitura da cache $0.000012 / 1K tokens Entrada · Escrita na cache $0.000076 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive32 000 | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.00026 / 1K tokens Entrada · Leitura da cache $0.000012 / 1K tokens Entrada · Escrita na cache $0.000076 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de32 000 | Tokens de contexto, até ao limite inclusive256 000 | Custo Entrada · Tokens de entrada $0.0002 / 1K tokens Saída · Tokens de saída $0.0008 / 1K tokens Entrada · Leitura da cache $0.00004 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 3 de comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de256 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0004 / 1K tokens Saída · Tokens de saída $0.0016 / 1K tokens Entrada · Leitura da cache $0.00008 / 1K tokens Entrada · Escrita na cache $0.0005 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qwen/qwen3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.7-flash', '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/qwen3.7-flash', '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/qwen3.7-flash
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.