Qwen3.5-Flash é um modelo Qwen3.5 para compreensão textual e visual. Aceita texto, imagens e vídeo e devolve texto. As tabelas de modelos do fabricante apresentam um contexto de 1 milhão de tokens, suporte de pensamento, chamadas de função, ferramentas integradas e saída estruturada.
Para uma explicação de suporte, combine a pergunta escrita com uma captura de ecrã ou uma fonte visual relevante. Identifique as etiquetas, os objetos ou a região importantes e defina o objetivo do leitor. Peça uma resposta textual concisa ligada ao que é visível, mantendo os pormenores incertos separados das observações.
Para uma sequência gravada, isole o episódio relevante para a pergunta e preserve a sua ordem. Peça os acontecimentos visíveis e as provas que sustentam a explicação. Se a pergunta depender de fala, forneça a transcrição necessária em texto, juntamente com o material visual.
Numa integração com capacidade de funções, a aplicação define a ação disponível e os campos de entrada, executa uma chamada selecionada e devolve o resultado. As ferramentas integradas são uma funcionalidade separada do lado do fabricante. A integração determina os controlos que expõe. Para uma resposta estruturada, defina os campos obrigatórios e o tratamento dos valores em falta; depois, valide o conteúdo devolvido, bem como o seu formato.
A tabela de modelos visuais do fabricante indica um limite de saída de 64K, até 256 imagens e 64 vídeos para este modelo identificado. O seu fluxo de vídeo documentado suporta ficheiros até duas horas e 2 GB. Estes são limites do fluxo do fabricante, e todo o material fornecido continua a partilhar o orçamento de contexto. Prepare material de origem legível, preserve as suas identificações e use os limites expostos pela interface selecionada ao planear o pedido real.
Escolha o resultado a preparar: uma nota analítica, campos extraídos, uma passagem revista ou uma explicação do material visual. Peça as provas que sustentam os pormenores importantes e examine a resposta à luz das fontes. O resultado devolvido é texto; as ações e operações sobre ficheiros num fluxo ligado têm os seus próprios resultados de execução.
", "aboutText": "Qwen3.5-Flash é um modelo Qwen3.5 para compreensão textual e visual. Aceita texto, imagens e vídeo e devolve texto. As tabelas de modelos do fabricante apresentam um contexto de 1 milhão de tokens, suporte de pensamento, chamadas de função, ferramentas integradas e saída estruturada.\n\n### Prepare explicações de conteúdos multimédia mistos e respostas de suporte\n\nPara uma explicação de suporte, combine a pergunta escrita com uma captura de ecrã ou uma fonte visual relevante. Identifique as etiquetas, os objetos ou a região importantes e defina o objetivo do leitor. Peça uma resposta textual concisa ligada ao que é visível, mantendo os pormenores incertos separados das observações.\n\n### Escolha um pedido claro de saída\n\nPara uma sequência gravada, isole o episódio relevante para a pergunta e preserve a sua ordem. Peça os acontecimentos visíveis e as provas que sustentam a explicação. Se a pergunta depender de fala, forneça a transcrição necessária em texto, juntamente com o material visual.\n\n### Ligue as ferramentas a resultados reais\n\nNuma integração com capacidade de funções, a aplicação define a ação disponível e os campos de entrada, executa uma chamada selecionada e devolve o resultado. As ferramentas integradas são uma funcionalidade separada do lado do fabricante. A integração determina os controlos que expõe. Para uma resposta estruturada, defina os campos obrigatórios e o tratamento dos valores em falta; depois, valide o conteúdo devolvido, bem como o seu formato.\n\n### Planeie em conjunto a entrada visual e textual\n\nA tabela de modelos visuais do fabricante indica um limite de saída de 64K, até 256 imagens e 64 vídeos para este modelo identificado. O seu fluxo de vídeo documentado suporta ficheiros até duas horas e 2 GB. Estes são limites do fluxo do fabricante, e todo o material fornecido continua a partilhar o orçamento de contexto. Prepare material de origem legível, preserve as suas identificações e use os limites expostos pela interface selecionada ao planear o pedido real.\n\n### Reveja o resultado textual\n\nEscolha o resultado a preparar: uma nota analítica, campos extraídos, uma passagem revista ou uma explicação do material visual. Peça as provas que sustentam os pormenores importantes e examine a resposta à luz das fontes. O resultado devolvido é texto; as ações e operações sobre ficheiros num fluxo ligado têm os seus próprios resultados de execução.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Explain a recorded interface state\n\nDraft a support explanation from this text observation: "Upload panel shows file orders.csv, status Failed, message Required column sku missing. Retry button visible." Explain what the user should check in the CSV before retrying. Keep the error wording and filename, and do not claim to inspect or modify the file or interact with the interface.A concise explanation with the recorded error and a proposed file-check step before retry.Check that the advice addresses the missing sku column and does not claim a successful retry.qwen3.5-flashQwen3.5-Flash combina texto, imagens e vídeo para produzir texto destinado a explicações de conteúdos multimédia mistos e respostas de suporte. O fabricante documenta um contexto de 1 milhão de tokens, suporte de pensamento e funcionalidades opcionais de ferramentas e resposta estruturada.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen3.5-Flash é um modelo Qwen3.5 para compreensão textual e visual. Aceita texto, imagens e vídeo e devolve texto. As tabelas de modelos do fabricante apresentam um contexto de 1 milhão de tokens, suporte de pensamento, chamadas de função, ferramentas integradas e saída estruturada.
Para uma explicação de suporte, combine a pergunta escrita com uma captura de ecrã ou uma fonte visual relevante. Identifique as etiquetas, os objetos ou a região importantes e defina o objetivo do leitor. Peça uma resposta textual concisa ligada ao que é visível, mantendo os pormenores incertos separados das observações.
Para uma sequência gravada, isole o episódio relevante para a pergunta e preserve a sua ordem. Peça os acontecimentos visíveis e as provas que sustentam a explicação. Se a pergunta depender de fala, forneça a transcrição necessária em texto, juntamente com o material visual.
Numa integração com capacidade de funções, a aplicação define a ação disponível e os campos de entrada, executa uma chamada selecionada e devolve o resultado. As ferramentas integradas são uma funcionalidade separada do lado do fabricante. A integração determina os controlos que expõe. Para uma resposta estruturada, defina os campos obrigatórios e o tratamento dos valores em falta; depois, valide o conteúdo devolvido, bem como o seu formato.
A tabela de modelos visuais do fabricante indica um limite de saída de 64K, até 256 imagens e 64 vídeos para este modelo identificado. O seu fluxo de vídeo documentado suporta ficheiros até duas horas e 2 GB. Estes são limites do fluxo do fabricante, e todo o material fornecido continua a partilhar o orçamento de contexto. Prepare material de origem legível, preserve as suas identificações e use os limites expostos pela interface selecionada ao planear o pedido real.
Escolha o resultado a preparar: uma nota analítica, campos extraídos, uma passagem revista ou uma explicação do material visual. Peça as provas que sustentam os pormenores importantes e examine a resposta à luz das fontes. O resultado devolvido é texto; as ações e operações sobre ficheiros num fluxo ligado têm os seus próprios resultados de execução.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen3.5-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.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.00058 / 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": "qwen3.5-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='qwen3.5-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='qwen3.5-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 qwen3.5-flash
Use os caminhos dos métodos indicados acima.
qwen3.5-flashQwen3.5-Flash combina texto, imagens e vídeo para produzir texto destinado a explicações de conteúdos multimédia mistos e respostas de suporte. O fabricante documenta um contexto de 1 milhão de tokens, suporte de pensamento e funcionalidades opcionais de ferramentas e resposta estruturada.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen3.5-Flash é um modelo Qwen3.5 para compreensão textual e visual. Aceita texto, imagens e vídeo e devolve texto. As tabelas de modelos do fabricante apresentam um contexto de 1 milhão de tokens, suporte de pensamento, chamadas de função, ferramentas integradas e saída estruturada.
Para uma explicação de suporte, combine a pergunta escrita com uma captura de ecrã ou uma fonte visual relevante. Identifique as etiquetas, os objetos ou a região importantes e defina o objetivo do leitor. Peça uma resposta textual concisa ligada ao que é visível, mantendo os pormenores incertos separados das observações.
Para uma sequência gravada, isole o episódio relevante para a pergunta e preserve a sua ordem. Peça os acontecimentos visíveis e as provas que sustentam a explicação. Se a pergunta depender de fala, forneça a transcrição necessária em texto, juntamente com o material visual.
Numa integração com capacidade de funções, a aplicação define a ação disponível e os campos de entrada, executa uma chamada selecionada e devolve o resultado. As ferramentas integradas são uma funcionalidade separada do lado do fabricante. A integração determina os controlos que expõe. Para uma resposta estruturada, defina os campos obrigatórios e o tratamento dos valores em falta; depois, valide o conteúdo devolvido, bem como o seu formato.
A tabela de modelos visuais do fabricante indica um limite de saída de 64K, até 256 imagens e 64 vídeos para este modelo identificado. O seu fluxo de vídeo documentado suporta ficheiros até duas horas e 2 GB. Estes são limites do fluxo do fabricante, e todo o material fornecido continua a partilhar o orçamento de contexto. Prepare material de origem legível, preserve as suas identificações e use os limites expostos pela interface selecionada ao planear o pedido real.
Escolha o resultado a preparar: uma nota analítica, campos extraídos, uma passagem revista ou uma explicação do material visual. Peça as provas que sustentam os pormenores importantes e examine a resposta à luz das fontes. O resultado devolvido é texto; as ações e operações sobre ficheiros num fluxo ligado têm os seus próprios resultados de execução.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen3.5-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.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.00058 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qwen3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.5-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': 'qwen3.5-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 qwen3.5-flash
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Explain a recorded interface state\n\nDraft a support explanation from this text observation: "Upload panel shows file orders.csv, status Failed, message Required column sku missing. Retry button visible." Explain what the user should check in the CSV before retrying. Keep the error wording and filename, and do not claim to inspect or modify the file or interact with the interface.A concise explanation with the recorded error and a proposed file-check step before retry.Check that the advice addresses the missing sku column and does not claim a successful retry.