Qwen3.7-Max 2026-06-08 é a versão identificada de 8 de junho da Alibaba do modelo Max da família Qwen3.7. A alteração que define esta edição é a compreensão de modalidades visuais acrescentada à versão de 20 de maio, suportando interação fundamentada em cenas do mundo real. Aceita texto, imagens e vídeo e gera texto. A finalidade da família, centrada em agentes, abrange programação, trabalho de escritório e produtividade e tarefas prolongadas que combinam instruções com resultados de ferramentas.
A edição é relevante para tarefas visuais. O nome sem data Qwen3.7-Max está documentado como equivalente à versão de 20 de maio, apenas textual, enquanto a tabela exata do modelo de junho inclui entrada de imagem e vídeo. Neste modelo, uma captura de ecrã pode acompanhar uma tarefa de código, ou um vídeo pode fornecer a cena que uma instrução escrita pede ao agente para analisar. A saída é uma explicação, código, um registo estruturado ou uma instrução de chamada de ferramenta, em vez de imagens, vídeo ou fala gerados.
O guia de pensamento da Alibaba apresenta explicitamente esta versão de junho como híbrida: o pensamento está ativado por predefinição no fluxo do produtor e pode ser desativado para uma resposta direta. O modo de pensamento produz raciocínio antes da resposta e exige tempo adicional de raciocínio. O guia separa o conteúdo de raciocínio da resposta final e suporta a preservação do raciocínio histórico fornecido entre interações para este modelo exato. O raciocínio retido passa a fazer parte da entrada seguinte, pelo que uma tarefa continuada tem de lhe reservar espaço juntamente com a conversa e o material de origem.
Function Calling suporta uma tarefa em que a aplicação fornece uma pergunta e definições das ferramentas disponíveis. O modelo devolve uma função selecionada e os seus argumentos; a aplicação executa essa função, acrescenta o resultado da ferramenta à conversa e pede ao modelo que prossiga. Para um assistente de programação, defina com precisão a ferramenta de leitura de repositório ou de validação e peça a alteração concluída, juntamente com o resultado que a sustenta. Descrever uma ferramenta é diferente de a executar: a aplicação envolvente fornece o acesso e realiza a operação.
A versão de junho também apresenta Structured Outputs, Web Search, Prefix Completion e Context Caching. Estas funcionalidades suportam registos de saída definidos, trabalho assistido por pesquisa, continuação a partir de um início fornecido e reutilização de um prefixo de entrada comum no fluxo do fabricante. Para uma análise recorrente, mantenha o documento estável ou as instruções da tarefa no início e coloque a pergunta variável depois. A reutilização da cache depende das condições desse fluxo; o facto de o modelo suportar cache não estabelece um acerto de cache para um pedido específico. A inferência em lote e a afinação são assinaladas como não suportadas nesta edição.
A tabela exata de junho indica uma janela de contexto de 1,000,000 tokens. A entrada máxima é de 991,808 tokens no perfil normal e de 983,616 tokens no modo de pensamento; a saída máxima é de 131,072 tokens em ambos os perfis. Estes são limites distintos de contexto, entrada e saída. O material de origem volumoso, o histórico da conversa e o conteúdo visual têm, ainda assim, de caber no limite de entrada aplicável, e o teto de saída não exige que uma resposta use todo esse espaço.
Para uma tarefa prática de interface, forneça a captura de ecrã, os fragmentos de origem relevantes, o comportamento pretendido e um resultado explícito. Um pedido ilustrativo é: «Use este ecrã e o texto do componente anexado para explicar por que razão as etiquetas do formulário não correspondem ao fluxo de trabalho. Proponha uma alteração dirigida de código e enumere os elementos visíveis que a motivaram.» Para uma tarefa documental ou de produtividade, forneça as secções de origem, o registo final pretendido e os critérios para decidir o que incluir. Numere as imagens separadas e descreva a relação entre elas, para que o resultado textual possa remeter para as provas.
Para análise de vídeo, identifique o acontecimento ou a sequência de que precisa, peça uma descrição concisa e preserve as marcas temporais na entrada preparada quando o resultado tiver de identificar um momento específico. No fluxo de ficheiros da Alibaba, uma imagem por URL pode ter até 20 MB; um vídeo por URL pode ter até 2 GB e uma duração de 2 segundos a 2 horas. O vídeo Base64 tem de ter menos de 10 MB após codificação. Mantenha os limites dos ficheiros separados do orçamento de tokens. Se o áudio for essencial, forneça uma transcrição em texto; a tabela de entrada desta versão não apresenta áudio. Numa tarefa de agente mais longa, especifique o resultado final, as ferramentas permitidas e o resultado que deve contar como conclusão. Essa preparação orienta o modelo para uma entrega textual passível de revisão, em vez de uma sequência indefinida de sugestões intermédias.
", "aboutText": "Qwen3.7-Max 2026-06-08 é a versão identificada de 8 de junho da Alibaba do modelo Max da família Qwen3.7. A alteração que define esta edição é a compreensão de modalidades visuais acrescentada à versão de 20 de maio, suportando interação fundamentada em cenas do mundo real. Aceita texto, imagens e vídeo e gera texto. A finalidade da família, centrada em agentes, abrange programação, trabalho de escritório e produtividade e tarefas prolongadas que combinam instruções com resultados de ferramentas.\n\nA edição é relevante para tarefas visuais. O nome sem data Qwen3.7-Max está documentado como equivalente à versão de 20 de maio, apenas textual, enquanto a tabela exata do modelo de junho inclui entrada de imagem e vídeo. Neste modelo, uma captura de ecrã pode acompanhar uma tarefa de código, ou um vídeo pode fornecer a cena que uma instrução escrita pede ao agente para analisar. A saída é uma explicação, código, um registo estruturado ou uma instrução de chamada de ferramenta, em vez de imagens, vídeo ou fala gerados.\n\nO guia de pensamento da Alibaba apresenta explicitamente esta versão de junho como híbrida: o pensamento está ativado por predefinição no fluxo do produtor e pode ser desativado para uma resposta direta. O modo de pensamento produz raciocínio antes da resposta e exige tempo adicional de raciocínio. O guia separa o conteúdo de raciocínio da resposta final e suporta a preservação do raciocínio histórico fornecido entre interações para este modelo exato. O raciocínio retido passa a fazer parte da entrada seguinte, pelo que uma tarefa continuada tem de lhe reservar espaço juntamente com a conversa e o material de origem.\n\nFunction Calling suporta uma tarefa em que a aplicação fornece uma pergunta e definições das ferramentas disponíveis. O modelo devolve uma função selecionada e os seus argumentos; a aplicação executa essa função, acrescenta o resultado da ferramenta à conversa e pede ao modelo que prossiga. Para um assistente de programação, defina com precisão a ferramenta de leitura de repositório ou de validação e peça a alteração concluída, juntamente com o resultado que a sustenta. Descrever uma ferramenta é diferente de a executar: a aplicação envolvente fornece o acesso e realiza a operação.\n\nA versão de junho também apresenta Structured Outputs, Web Search, Prefix Completion e Context Caching. Estas funcionalidades suportam registos de saída definidos, trabalho assistido por pesquisa, continuação a partir de um início fornecido e reutilização de um prefixo de entrada comum no fluxo do fabricante. Para uma análise recorrente, mantenha o documento estável ou as instruções da tarefa no início e coloque a pergunta variável depois. A reutilização da cache depende das condições desse fluxo; o facto de o modelo suportar cache não estabelece um acerto de cache para um pedido específico. A inferência em lote e a afinação são assinaladas como não suportadas nesta edição.\n\nA tabela exata de junho indica uma janela de contexto de 1,000,000 tokens. A entrada máxima é de 991,808 tokens no perfil normal e de 983,616 tokens no modo de pensamento; a saída máxima é de 131,072 tokens em ambos os perfis. Estes são limites distintos de contexto, entrada e saída. O material de origem volumoso, o histórico da conversa e o conteúdo visual têm, ainda assim, de caber no limite de entrada aplicável, e o teto de saída não exige que uma resposta use todo esse espaço.\n\nPara uma tarefa prática de interface, forneça a captura de ecrã, os fragmentos de origem relevantes, o comportamento pretendido e um resultado explícito. Um pedido ilustrativo é: «Use este ecrã e o texto do componente anexado para explicar por que razão as etiquetas do formulário não correspondem ao fluxo de trabalho. Proponha uma alteração dirigida de código e enumere os elementos visíveis que a motivaram.» Para uma tarefa documental ou de produtividade, forneça as secções de origem, o registo final pretendido e os critérios para decidir o que incluir. Numere as imagens separadas e descreva a relação entre elas, para que o resultado textual possa remeter para as provas.\n\nPara análise de vídeo, identifique o acontecimento ou a sequência de que precisa, peça uma descrição concisa e preserve as marcas temporais na entrada preparada quando o resultado tiver de identificar um momento específico. No fluxo de ficheiros da Alibaba, uma imagem por URL pode ter até 20 MB; um vídeo por URL pode ter até 2 GB e uma duração de 2 segundos a 2 horas. O vídeo Base64 tem de ter menos de 10 MB após codificação. Mantenha os limites dos ficheiros separados do orçamento de tokens. Se o áudio for essencial, forneça uma transcrição em texto; a tabela de entrada desta versão não apresenta áudio. Numa tarefa de agente mais longa, especifique o resultado final, as ferramentas permitidas e o resultado que deve contar como conclusão. Essa preparação orienta o modelo para uma entrega textual passível de revisão, em vez de uma sequência indefinida de sugestões intermédias.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 combina compreensão de texto, imagem e vídeo com um fluxo textual centrado em agentes. Esta versão identificada acrescenta visão à edição de maio, suporta pensamento híbrido e ferramentas e tem um contexto de um milhão de tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen3.7-Max 2026-06-08 é a versão identificada de 8 de junho da Alibaba do modelo Max da família Qwen3.7. A alteração que define esta edição é a compreensão de modalidades visuais acrescentada à versão de 20 de maio, suportando interação fundamentada em cenas do mundo real. Aceita texto, imagens e vídeo e gera texto. A finalidade da família, centrada em agentes, abrange programação, trabalho de escritório e produtividade e tarefas prolongadas que combinam instruções com resultados de ferramentas.
A edição é relevante para tarefas visuais. O nome sem data Qwen3.7-Max está documentado como equivalente à versão de 20 de maio, apenas textual, enquanto a tabela exata do modelo de junho inclui entrada de imagem e vídeo. Neste modelo, uma captura de ecrã pode acompanhar uma tarefa de código, ou um vídeo pode fornecer a cena que uma instrução escrita pede ao agente para analisar. A saída é uma explicação, código, um registo estruturado ou uma instrução de chamada de ferramenta, em vez de imagens, vídeo ou fala gerados.
O guia de pensamento da Alibaba apresenta explicitamente esta versão de junho como híbrida: o pensamento está ativado por predefinição no fluxo do produtor e pode ser desativado para uma resposta direta. O modo de pensamento produz raciocínio antes da resposta e exige tempo adicional de raciocínio. O guia separa o conteúdo de raciocínio da resposta final e suporta a preservação do raciocínio histórico fornecido entre interações para este modelo exato. O raciocínio retido passa a fazer parte da entrada seguinte, pelo que uma tarefa continuada tem de lhe reservar espaço juntamente com a conversa e o material de origem.
Function Calling suporta uma tarefa em que a aplicação fornece uma pergunta e definições das ferramentas disponíveis. O modelo devolve uma função selecionada e os seus argumentos; a aplicação executa essa função, acrescenta o resultado da ferramenta à conversa e pede ao modelo que prossiga. Para um assistente de programação, defina com precisão a ferramenta de leitura de repositório ou de validação e peça a alteração concluída, juntamente com o resultado que a sustenta. Descrever uma ferramenta é diferente de a executar: a aplicação envolvente fornece o acesso e realiza a operação.
A versão de junho também apresenta Structured Outputs, Web Search, Prefix Completion e Context Caching. Estas funcionalidades suportam registos de saída definidos, trabalho assistido por pesquisa, continuação a partir de um início fornecido e reutilização de um prefixo de entrada comum no fluxo do fabricante. Para uma análise recorrente, mantenha o documento estável ou as instruções da tarefa no início e coloque a pergunta variável depois. A reutilização da cache depende das condições desse fluxo; o facto de o modelo suportar cache não estabelece um acerto de cache para um pedido específico. A inferência em lote e a afinação são assinaladas como não suportadas nesta edição.
A tabela exata de junho indica uma janela de contexto de 1,000,000 tokens. A entrada máxima é de 991,808 tokens no perfil normal e de 983,616 tokens no modo de pensamento; a saída máxima é de 131,072 tokens em ambos os perfis. Estes são limites distintos de contexto, entrada e saída. O material de origem volumoso, o histórico da conversa e o conteúdo visual têm, ainda assim, de caber no limite de entrada aplicável, e o teto de saída não exige que uma resposta use todo esse espaço.
Para uma tarefa prática de interface, forneça a captura de ecrã, os fragmentos de origem relevantes, o comportamento pretendido e um resultado explícito. Um pedido ilustrativo é: «Use este ecrã e o texto do componente anexado para explicar por que razão as etiquetas do formulário não correspondem ao fluxo de trabalho. Proponha uma alteração dirigida de código e enumere os elementos visíveis que a motivaram.» Para uma tarefa documental ou de produtividade, forneça as secções de origem, o registo final pretendido e os critérios para decidir o que incluir. Numere as imagens separadas e descreva a relação entre elas, para que o resultado textual possa remeter para as provas.
Para análise de vídeo, identifique o acontecimento ou a sequência de que precisa, peça uma descrição concisa e preserve as marcas temporais na entrada preparada quando o resultado tiver de identificar um momento específico. No fluxo de ficheiros da Alibaba, uma imagem por URL pode ter até 20 MB; um vídeo por URL pode ter até 2 GB e uma duração de 2 segundos a 2 horas. O vídeo Base64 tem de ter menos de 10 MB após codificação. Mantenha os limites dos ficheiros separados do orçamento de tokens. Se o áudio for essencial, forneça uma transcrição em texto; a tabela de entrada desta versão não apresenta áudio. Numa tarefa de agente mais longa, especifique o resultado final, as ferramentas permitidas e o resultado que deve contar como conclusão. Essa preparação orienta o modelo para uma entrega textual passível de revisão, em vez de uma sequência indefinida de sugestões intermédias.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K tokens Saída · Tokens de saída $0.0106 / 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": "qwen3.7-max-2026-06-08", "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='qwen3.7-max-2026-06-08',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='qwen3.7-max-2026-06-08',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 qwen3.7-max-2026-06-08
Use os caminhos dos métodos indicados acima.
qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 combina compreensão de texto, imagem e vídeo com um fluxo textual centrado em agentes. Esta versão identificada acrescenta visão à edição de maio, suporta pensamento híbrido e ferramentas e tem um contexto de um milhão de tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen3.7-Max 2026-06-08 é a versão identificada de 8 de junho da Alibaba do modelo Max da família Qwen3.7. A alteração que define esta edição é a compreensão de modalidades visuais acrescentada à versão de 20 de maio, suportando interação fundamentada em cenas do mundo real. Aceita texto, imagens e vídeo e gera texto. A finalidade da família, centrada em agentes, abrange programação, trabalho de escritório e produtividade e tarefas prolongadas que combinam instruções com resultados de ferramentas.
A edição é relevante para tarefas visuais. O nome sem data Qwen3.7-Max está documentado como equivalente à versão de 20 de maio, apenas textual, enquanto a tabela exata do modelo de junho inclui entrada de imagem e vídeo. Neste modelo, uma captura de ecrã pode acompanhar uma tarefa de código, ou um vídeo pode fornecer a cena que uma instrução escrita pede ao agente para analisar. A saída é uma explicação, código, um registo estruturado ou uma instrução de chamada de ferramenta, em vez de imagens, vídeo ou fala gerados.
O guia de pensamento da Alibaba apresenta explicitamente esta versão de junho como híbrida: o pensamento está ativado por predefinição no fluxo do produtor e pode ser desativado para uma resposta direta. O modo de pensamento produz raciocínio antes da resposta e exige tempo adicional de raciocínio. O guia separa o conteúdo de raciocínio da resposta final e suporta a preservação do raciocínio histórico fornecido entre interações para este modelo exato. O raciocínio retido passa a fazer parte da entrada seguinte, pelo que uma tarefa continuada tem de lhe reservar espaço juntamente com a conversa e o material de origem.
Function Calling suporta uma tarefa em que a aplicação fornece uma pergunta e definições das ferramentas disponíveis. O modelo devolve uma função selecionada e os seus argumentos; a aplicação executa essa função, acrescenta o resultado da ferramenta à conversa e pede ao modelo que prossiga. Para um assistente de programação, defina com precisão a ferramenta de leitura de repositório ou de validação e peça a alteração concluída, juntamente com o resultado que a sustenta. Descrever uma ferramenta é diferente de a executar: a aplicação envolvente fornece o acesso e realiza a operação.
A versão de junho também apresenta Structured Outputs, Web Search, Prefix Completion e Context Caching. Estas funcionalidades suportam registos de saída definidos, trabalho assistido por pesquisa, continuação a partir de um início fornecido e reutilização de um prefixo de entrada comum no fluxo do fabricante. Para uma análise recorrente, mantenha o documento estável ou as instruções da tarefa no início e coloque a pergunta variável depois. A reutilização da cache depende das condições desse fluxo; o facto de o modelo suportar cache não estabelece um acerto de cache para um pedido específico. A inferência em lote e a afinação são assinaladas como não suportadas nesta edição.
A tabela exata de junho indica uma janela de contexto de 1,000,000 tokens. A entrada máxima é de 991,808 tokens no perfil normal e de 983,616 tokens no modo de pensamento; a saída máxima é de 131,072 tokens em ambos os perfis. Estes são limites distintos de contexto, entrada e saída. O material de origem volumoso, o histórico da conversa e o conteúdo visual têm, ainda assim, de caber no limite de entrada aplicável, e o teto de saída não exige que uma resposta use todo esse espaço.
Para uma tarefa prática de interface, forneça a captura de ecrã, os fragmentos de origem relevantes, o comportamento pretendido e um resultado explícito. Um pedido ilustrativo é: «Use este ecrã e o texto do componente anexado para explicar por que razão as etiquetas do formulário não correspondem ao fluxo de trabalho. Proponha uma alteração dirigida de código e enumere os elementos visíveis que a motivaram.» Para uma tarefa documental ou de produtividade, forneça as secções de origem, o registo final pretendido e os critérios para decidir o que incluir. Numere as imagens separadas e descreva a relação entre elas, para que o resultado textual possa remeter para as provas.
Para análise de vídeo, identifique o acontecimento ou a sequência de que precisa, peça uma descrição concisa e preserve as marcas temporais na entrada preparada quando o resultado tiver de identificar um momento específico. No fluxo de ficheiros da Alibaba, uma imagem por URL pode ter até 20 MB; um vídeo por URL pode ter até 2 GB e uma duração de 2 segundos a 2 horas. O vídeo Base64 tem de ter menos de 10 MB após codificação. Mantenha os limites dos ficheiros separados do orçamento de tokens. Se o áudio for essencial, forneça uma transcrição em texto; a tabela de entrada desta versão não apresenta áudio. Numa tarefa de agente mais longa, especifique o resultado final, as ferramentas permitidas e o resultado que deve contar como conclusão. Essa preparação orienta o modelo para uma entrega textual passível de revisão, em vez de uma sequência indefinida de sugestões intermédias.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K tokens Saída · Tokens de saída $0.0106 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qwen3.7-max-2026-06-08",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.7-max-2026-06-08', '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': 'qwen3.7-max-2026-06-08', '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 qwen3.7-max-2026-06-08
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.