Source: https://ailoot.ai/models/ru/tongyi-zhiwen-qwenlong-l1-32b/ Canonical: https://ailoot.ai/models/ru/tongyi-zhiwen-qwenlong-l1-32b/ Language: ru # QwenLong L1 32B [Markdown](https://ailoot.ai/models/ru/tongyi-zhiwen-qwenlong-l1-32b/index.md) · [JSON](https://ailoot.ai/models/ru/tongyi-zhiwen-qwenlong-l1-32b/facts.json) ## [QwenLong L1 32B](https://ailoot.ai/models/ru/tongyi-zhiwen-qwenlong-l1-32b/) QwenLong-L1-32B — текстовая модель рассуждений Tongyi Lab для вопросов с опорой на длинные документы. Она сочетает основу DeepSeek-R1-Distill-Qwen-32B с обучением с подкреплением на документах для числовых, логических и междокументных рассуждений. - [**Ailoot Ultra · Чат OpenAI** `POST /v1/chat/completions` `Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/ru/tongyi-zhiwen-qwenlong-l1-32b/#method-0) - [**Ailoot Ultra · Сообщения Anthropic** `POST /v1/messages` `Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/ru/tongyi-zhiwen-qwenlong-l1-32b/#method-1) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Введение: рассуждения по длинным документам QwenLong-L1-32B — текстовая модель рассуждений Tongyi Lab с длинным контекстом. Она предназначена для ответов на вопросы, доказательства для которых распределены по документу или нескольким документам, а не для простого повторения ближайшего фрагмента. Модель создана на основе DeepSeek-R1-Distill-Qwen-32B и дополнительно обучена рассуждать с опорой на документы. Передайте текст и вопрос; модель сгенерирует текстовую последовательность рассуждений и ответ. Сканированные страницы, аудио и видео требуют подходящего отдельного преобразования перед этим текстовым процессом. Как устроено обучение длинному контексту Фреймворк QwenLong-L1 сначала подготавливает стратегию рассуждений с помощью дообучения с учителем, затем увеличивает длину контекста по программе обучения с подкреплением. Ретроспективная выборка с учётом сложности меняет набор повторно рассматриваемых примеров по мере обучения. Разработчик объединяет бинарные награды за результат на основе правил и моделей, применяя групповую относительную оптимизацию стратегии, чтобы поощрять ответы, сохраняющие опору на длинные доказательные материалы. Это описание обучения чекпойнта; оно не означает автоматическую проверку каждого ответа внешним оценщиком. Выпущенная редакция Это первоначальный выпуск QwenLong-L1-32B. Отдельно названная QwenLong-L1-32B-AWQ — квантованная редакция INT4, для которой нужно сохранять собственное обозначение. В опубликованной конфигурации этой модели используется архитектура каузальной языковой модели Qwen2 с 64 слоями и весами bfloat16. При выборе специализация на документах значимее, чем трактовка обозначения 32B как доказательства улучшения любой универсальной задачи. Подготовка вопроса по документу Пример разработчика отделяет документ от вопроса явными текстовыми разделителями и запрашивает узнаваемую фразу окончательного ответа после рассуждений. Следуйте этой структуре: предоставьте нужный текст документа, сохраните читаемость заголовков и таблиц и задайте один конкретный вопрос. Для расчёта по отчёту сохраните единицы измерения, отчётные периоды и обозначения таблиц, затем запросите формулу, использованные значения и итог. Для сравнения правил обозначьте документы A и B и попросите таблицу совпадающих правил, различий и подтверждающего раздела для каждой строки. Это авторские примеры применения документированных числовых и междокументных возможностей. Пример разбирает текст рассуждений и окончательного ответа отдельно. В нём используются бюджет генерации в 10 000 токенов, temperature 0.7 и top\_p 0.95; это настройки примера, а не заявленная максимальная длина вывода. В карточке также показано необязательное системное сообщение, задающее идентичность. Сохраняйте собственные рекомендации этой модели по промптам, вместо того чтобы переносить советы другого чекпойнта только из-за его присутствия в происхождении модели. Обработка длинных документов Tongyi Lab проверяет длину контекста до 131 072 токенов с помощью YaRN и рекомендует масштабирование, когда суммарный ввод и вывод существенно превышают 32 768 токенов. В примерах описан коэффициент четыре или меньший, например два для задачи на 65 536 токенов. Статическое масштабирование может снизить качество на коротких текстах, поэтому карточка советует не включать его, когда обычные запросы остаются в пределах 32 768 токенов. Опубликованная конфигурация содержит 131 072 позиции, но не содержит включённого поля rope\_scaling; поэтому конфигурацию и условную процедуру работы с длинным контекстом от разработчика следует проверять вместе. Длинный ввод всё равно требует места для рассуждений и ответа. Начните с фрагментов, необходимых для вопроса, удалите повторяющиеся колонтитулы и навигационный текст, сохранив идентификаторы страниц или разделов. Попросите ссылки на доказательства в результате, чтобы проверяющий мог проследить заключение до переданного материала. Большой допустимый контекст помогает поместить больше доказательных данных в один запрос; он не подтверждает идеальное запоминание каждой детали. Что охватывает обучение на документах DocQA-RL-1.6K содержит 1600 обучающих задач по трём направлениям рассуждений: 600 числовых вопросов по длинным специализированным документам, таким как финансовые отчёты; 600 логических вопросов с выбором ответа по юридическим, финансовым, страховым и производственным документам; 400 многошаговых примеров, связывающих доказательства из разных источников. Поэтому модель представляет интерес для арифметики по отчётам, толкования правил и вопросов, требующих нескольких подтверждающих фрагментов. Области обучения описывают опыт в этих задачах, а не профессиональную сертификацию или гарантированные заключения. Практический результат и ограничения Выбирайте ответ, который можно проверить: вычисленное значение с единицами измерения, сравнение правил со ссылками на разделы или краткое заключение с цепочкой подтверждающих фактов. Если в документе отсутствуют необходимые дата или определение, попросите модель указать недостающие доказательства вместо их выдумывания. Материалы выпуска сосредоточены на ответах на вопросы по документам и не устанавливают специального контракта вызова инструментов или отдельного жёсткого потолка вывода. Рассматривайте ответы как черновики с опорой на источники и проверяйте расчёты, ссылки и интерпретации по переданным документам. Практическая задача ### Практическая задача Технический пример на английском ``` Connect evidence across report sections Document section 1 says 240 units were shipped. Section 4 says 30 shipped units were returned before month end. Appendix A says net shipped units equal shipped minus returned units. Calculate net shipped units for the month, cite every section needed and state whether revenue can be calculated from these facts. End with a clearly labelled final answer. ``` #### Ожидаемый результат ``` A source-linked formula and calculation, a revenue-information limit and a labelled final result. ``` #### Проверка результата ``` Check that all three source sections support the calculation and that a price or revenue value is not invented. ``` **Ailoot Ultra · Чат OpenAI** `POST /v1/chat/completions` `Tongyi-Zhiwen/QwenLong-L1-32B` [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/ru/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=chat) Прочее /`Tongyi-Zhiwen/QwenLong-L1-32B` ### Начало QwenLong-L1-32B — текстовая модель рассуждений Tongyi Lab для вопросов с опорой на длинные документы. Она сочетает основу DeepSeek-R1-Distill-Qwen-32B с обучением с подкреплением на документах для числовых, логических и междокументных рассуждений. Допустимые входные данные Текст Результаты Текст ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Чат OpenAI** `POST /v1/chat/completions` Входные данные `text` Результат `text` Выходной формат json или SSE | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения Tongyi-Zhiwen/QwenLong-L1-32B | По умолчанию— | | Поле`messages` | Тип`message[]` | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— | | Поле`messages[].role` | Тип`string` | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— | | Поле`messages[].content` | Тип`string\|content_part[]\|null` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`messages[].tool_calls` | Тип`tool_call[]` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`messages[].tool_call_id` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— | | Поле`messages[].name` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`messages[].reasoning_content` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— | | Поле`messages[].reasoning_details` | Тип`object\|array` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`max_tokens` | Тип`integer` | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— | | Поле`max_completion_tokens` | Тип`integer` | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— | | Поле`stream` | Тип`boolean` | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse | | Поле`stream_options.include_usage` | Тип`boolean` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`temperature` | Тип`number` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`top_p` | Тип`number` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`stop` | Тип`string\|string[]` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`tools` | Тип`function_tool[]` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`tools[].type` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— | | Поле`tools[].function.name` | Тип`string` | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— | | Поле`tools[].function.description` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`tools[].function.parameters` | Тип`JSON_schema` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`tool_choice` | Тип`string\|object` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`parallel_tool_calls` | Тип`boolean` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`response_format` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`reasoning_effort` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`reasoning` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`service_tier` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`instructions` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— | | Поле`functions` | Тип`function[]` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`function_call` | Тип`string\|object` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`prompt_cache_options` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— | | Поле`modalities` | Тип`string[]` | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— | | Поле`cache_control.ttl` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— | Сочетания входных материалов **Текст** · Текст UTF8 `messages[].content` Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, messages | | Параметр`material_types` | Контрактtext | | Параметр`messages` | Контрактмассив сообщений со структурой role/content | | Параметр`file_material` | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него | | Параметр`optional_controls` | Контрактstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Параметр`control_scope` | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса | | Параметр`output_modalities` | Контрактtext | | Параметр`hosted_operations` | Контрактfalse | | Параметр`multimodal_input_binding` | Контрактnull | Жизненный цикл: `synchronous_or_streamed` Отправляйте точный ID модели вместе с messages. Длина контекста не является пределом выхода. Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки. ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Не указано При выборе быстрого режима Режим flex Не указано При выборе режима flex Максимальная интенсивность рассуждений Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Ставки Ailoot #### Цены по конфигурациям | Конфигурация | Шкала ставок | Плата | | --- | --- | --- | | КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены **$0.00028** / 1K токенов Выход · Выходные токены **$0.0012** / 1K токенов Вход · Чтение кэша **$0** / 1K токенов Вход · Запись в кэш **$0** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Чат OpenAI curlPython SDKПоток Python ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "Tongyi-Zhiwen/QwenLong-L1-32B", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='Tongyi-Zhiwen/QwenLong-L1-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='Tongyi-Zhiwen/QwenLong-L1-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Получить и сохранить результаты #### Ailoot Ultra · Чат OpenAI json или SSE ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования. ##### Если нужно проверить исходный ответ Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен. Поля ответа | Поле | Тип | | --- | --- | | Поле`choices[].index` | Типinteger | | Поле`choices[].message.content` | Типstring\|null | | Поле`choices[].message.tool_calls` | Типtool\_call\[\] | | Поле`choices[].message.reasoning_content` | Типstring | | Поле`choices[].message.reasoning_details` | Типobject\|array | | Поле`choices[].finish_reason` | Типstring\|null | | Поле`usage` | Типobject | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/ru/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=chat) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/ru/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=chat) **Ailoot Ultra · Сообщения Anthropic** `POST /v1/messages` `Tongyi-Zhiwen/QwenLong-L1-32B` [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/ru/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=messages) Прочее /`Tongyi-Zhiwen/QwenLong-L1-32B` ### Начало QwenLong-L1-32B — текстовая модель рассуждений Tongyi Lab для вопросов с опорой на длинные документы. Она сочетает основу DeepSeek-R1-Distill-Qwen-32B с обучением с подкреплением на документах для числовых, логических и междокументных рассуждений. Допустимые входные данные Текст Результаты json · sse ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Сообщения Anthropic** `POST /v1/messages` Входные данные `text` Результат `json`, `sse` Выходной формат JSON или SSE | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения Tongyi-Zhiwen/QwenLong-L1-32B | По умолчанию— | | Поле`messages` | Тип`message[]` | ТребованиеОбязательно | Значения и ограничения | По умолчанию— | | Поле`messages[].role` | Тип`string` | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— | | Поле`messages[].content` | Тип`string` | ТребованиеОбязательно | Значения и ограничения | По умолчанию— | | Поле`max_tokens` | Тип`integer` | ТребованиеОбязательно | Значения и ограничения | По умолчанию— | | Поле`stream` | Тип`boolean` | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse | Сочетания входных материалов **Текст** · Текст UTF-8 `строка messages[].content` Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, messages, max\_tokens | | Параметр`optional_controls` | Контрактstream | | Параметр`material_types` | Контрактtext | | Параметр`text_file_material` | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. | Жизненный цикл: `synchronous_or_streamed` ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Не указано При выборе быстрого режима Режим flex Не указано При выборе режима flex Максимальная интенсивность рассуждений Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Ставки Ailoot #### Цены по конфигурациям | Конфигурация | Шкала ставок | Плата | | --- | --- | --- | | КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены **$0.00028** / 1K токенов Выход · Выходные токены **$0.0012** / 1K токенов Вход · Чтение кэша **$0** / 1K токенов Вход · Запись в кэш **$0** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Сообщения Anthropic Полное минимальное тело запроса в формате JSONcurl · используйте свой документ UTF-8Python · сохраните полный результат ```json { "model": "Tongyi-Zhiwen/QwenLong-L1-32B", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'Tongyi-Zhiwen/QwenLong-L1-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'Tongyi-Zhiwen/QwenLong-L1-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Получить и сохранить результаты #### Ailoot Ultra · Сообщения Anthropic JSON или SSE ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом. ##### Если нужно проверить исходный ответ Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен. Поля ответа | Поле | Тип | | --- | --- | | Поле`id` | Типstring | | Поле`model` | Типstring | | Поле`content[]` | Типtext\|thinking\|tool\_use\|other content block | | Поле`stop_reason` | Типstring\|null | | Поле`usage` | Типobject | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/ru/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=messages) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`Tongyi-Zhiwen/QwenLong-L1-32B`](https://ailoot.ai/models/ru/#m=Tongyi-Zhiwen%2FQwenLong-L1-32B&route=Ultra&caller=Tongyi-Zhiwen%2FQwenLong-L1-32B&fmt=messages) FAQ · Tongyi-Zhiwen/QwenLong-L1-32B Какие входные данные и результаты доступны? `POST /v1/chat/completions` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `text` → `text` `POST /v1/messages` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `text` → `json`, `sse` Какие поля использует запрос? `POST /v1/chat/completions` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `model`, `messages`, `max_tokens`, `stream` Какие ограничения действуют? `POST /v1/chat/completions` · `Tongyi-Zhiwen/QwenLong-L1-32B`: `messages.min_items`: `1` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.