Hlavné vlastnosti Qwen3.5: expertný model 122B-A10B
Qwen3.5-122B-A10B je vizuálno-jazykový model po dodatočnom tréningu pre spoločné textové a vizuálne úlohy. Prijíma text, obrázky a video a vracia text vrátane vysvetlení, návrhov kódu a požadovaných dokumentových artefaktov. Rodina vzniká skorou fúziou textu a obrazu a učením posilňovaním na postupne zložitejších úlohách, čím rozvíja uvažovanie, programovanie, agentov a vizuálne porozumenie. Opisuje pokrytie 201 jazykov a dialektov bez náznaku, že každý jazyk alebo oblasť má rovnakú spoľahlivosť.
Užitočná úloha môže kombinovať technickú špecifikáciu, diagramy a relevantný kód a žiadať model o vysvetlenie komponentov a návrh implementácie. Úloha analýzy dokumentov môže žiadať porovnanie s podpornými odkazmi na oddiely alebo strany.
Prehľad modelu
Riedky kontrolný bod so zmesou expertov má celkovo 122 miliárd parametrov a aktivuje desať miliárd. Má 48 vrstiev jazykového modelu so skupinami troch expertných vrstiev Gated DeltaNet nasledovaných jednou expertnou vrstvou hradlovanej pozornosti. Výrobca uvádza 256 smerovaných expertov a výber ôsmich smerovaných expertov spolu s jedným zdieľaným expertom. Súčasťou modelu je vizuálny enkodér a predikcia viacerých tokenov. Jeho celkové a aktivované počty majú odlišný význam; aktivovaný údaj nie je úplnou veľkosťou kontrolného bodu.
Ide o vydanie odlišné od hustého Qwen3.5-27B, riedkeho Qwen3.5-35B-A3B a neskorších generácií modelov. Zo samotnej veľkosti neodvodzujte všeobecné poradie výkonu alebo latencie. Natívny kontext má 262,144 tokenov a dokumentované rozšírenie s konfiguráciou dosahuje 1,010,000. Qwen pri zložitom uvažovaní odporúča podľa možností zachovať kontext aspoň 128K, pričom uznáva, že tlak na pamäť môže vyžadovať menšie okno.
Príprava spoločných textových a vizuálnych dôkazov
Zachovajte označenia diagramov, osi grafov, hlavičky tabuliek a jednotky. Uveďte, či má výsledok vysvetliť vzťah, extrahovať pomenované polia alebo navrhnúť kód. Keď je dôležitých viacero zdrojov, označte ich a žiadajte výstup usporiadaný podľa rovnakých identifikátorov. Oddeľte viditeľné fakty od predpokladov, aby posudzovateľ mohol vysledovať uvažovanie k dodanému materiálu.
Pri programovacej požiadavke určte zamýšľané správanie, relevantný zdrojový kód a vstup demonštrujúci problém. Žiadajte upraviteľnú úpravu kódu s vysvetlením dotknutých podmienok a kontrol. Pri videu zachovajte poradie udalostí a časovanie a určte otázku namiesto požadovania nerozlíšeného súhrnu. Textový výsledok modelu je návrhom artefaktu na preskúmanie; schopnosť vizuálneho vstupu neznamená generovanie obrázkov, videa alebo reči.
Uvažovanie a história
Uvažovanie je predvolene zapnuté a predchádza konečnej odpovedi. Nastavenie výrobcu enable_thinking ho môže vypnúť pre priame odpovede. Staré mäkké prepínače /think a /nothink nie sú oficiálne podporované. Qwen3.5 odporúča v historických správach asistenta uchovávať konečné odpovede bez obsahu uvažovania. To sa nemá nahrádzať možnosťami zachovania histórie neskorších generácií Qwen iba preto, že zdieľajú názov rodiny.
Konečný výsledok ponechajte ľahko dohľadateľný, napríklad definované pole odpovede, ohraničenú hodnotu alebo samostatný artefakt kódu. Priama odpoveď stále potrebuje kontrolu, zatiaľ čo dlhšie uvažovanie je užitočné iba vtedy, keď jeho kroky podopierajú overiteľný záver.
Použitie v agentoch
Qwen dokumentuje volanie nástrojov a odporúča Qwen-Agent s nakonfigurovanými nástrojmi alebo nástrojmi pripojenými cez MCP a Qwen Code pre prácu programovacieho agenta. Definujte povolené akcie, dostupné dôkazy a kritériá dokončenia. Pripojené nástroje vykonávajú operácie a vracajú výsledky; model používa túto spätnú väzbu vo svojej analýze. Navrhovaný príkaz, vyhľadávací dotaz alebo úprava kódu majú zostať odlišné od akcie skutočne dokončenej aplikáciou.
Mimoriadne dlhý kontext a video
Rozšírenie výrobcu používa YaRN s prekladanými pozičnými nastaveniami kontrolného bodu. Faktor štyri cieli na postup s približne jedným miliónom tokenov a dva sa navrhuje pre zaťaženie 524,288 tokenov. Statické škálovanie môže ovplyvniť výkon pri kratšom texte, preto sa má riadiť skutočnou potrebou väčšieho kontextu. Vstup, reprezentované vizuálne podklady, história, uvažovanie a konečná odpoveď používajú nakonfigurovaný rozpočet sekvencie.
Podporovaný príklad videa predvolene používa dve snímky za sekundu. Pri hodinovom materiáli výrobca odporúča zvýšiť rozpočet procesora približne na 224K videotokenov pre vzorkovanie s vyššou frekvenciou. Ide o postup závislý od konfigurácie, nie univerzálnu záruku dĺžky médií, úplného vybavenia si obsahu alebo presnosti časových značiek.
Odporúčania generovania a vecné limity
Odporúčané postupy navrhujú pre všeobecné uvažovanie temperature 1.0, top_p 0.95, top_k 20, min_p 0, penalizáciu prítomnosti 1.5 a penalizáciu opakovania 1.0. Presné programovanie používa temperature 0.6 a penalizáciu prítomnosti nula. Všeobecné priame odpovede používajú temperature 0.7, top_p 0.8 a penalizáciu prítomnosti 1.5; top_k je 20, min_p je 0 a penalizácia opakovania je 1.0. Uvažovanie s priamou odpoveďou má samostatnú predvoľbu: temperature 1.0, top_p 1.0, top_k 40 a penalizáciu prítomnosti 2.0. Vyššie penalizácie prítomnosti môžu miešať jazyky alebo mierne znížiť kvalitu.
Odporúčané rozsahy generovania sú 32,768 tokenov pre väčšinu otázok a 81,920 pre neobvykle zložitú matematickú alebo programovaciu prácu; nejde o samostatne stanovené pevné výstupné stropy. Definujte požadovaný formát, zachovajte identifikátory zdrojov a výpočty, extrahované hodnoty a navrhovaný kód overujte voči pôvodným dôkazom. Užitočným výsledkom je úplný textový artefakt, ktorého predpoklady a podporný materiál zostávajú viditeľné.
", "aboutText": "Hlavné vlastnosti Qwen3.5: expertný model 122B-A10B\n\nQwen3.5-122B-A10B je vizuálno-jazykový model po dodatočnom tréningu pre spoločné textové a vizuálne úlohy. Prijíma text, obrázky a video a vracia text vrátane vysvetlení, návrhov kódu a požadovaných dokumentových artefaktov. Rodina vzniká skorou fúziou textu a obrazu a učením posilňovaním na postupne zložitejších úlohách, čím rozvíja uvažovanie, programovanie, agentov a vizuálne porozumenie. Opisuje pokrytie 201 jazykov a dialektov bez náznaku, že každý jazyk alebo oblasť má rovnakú spoľahlivosť.\n\nUžitočná úloha môže kombinovať technickú špecifikáciu, diagramy a relevantný kód a žiadať model o vysvetlenie komponentov a návrh implementácie. Úloha analýzy dokumentov môže žiadať porovnanie s podpornými odkazmi na oddiely alebo strany.\n\nPrehľad modelu\n\nRiedky kontrolný bod so zmesou expertov má celkovo 122 miliárd parametrov a aktivuje desať miliárd. Má 48 vrstiev jazykového modelu so skupinami troch expertných vrstiev Gated DeltaNet nasledovaných jednou expertnou vrstvou hradlovanej pozornosti. Výrobca uvádza 256 smerovaných expertov a výber ôsmich smerovaných expertov spolu s jedným zdieľaným expertom. Súčasťou modelu je vizuálny enkodér a predikcia viacerých tokenov. Jeho celkové a aktivované počty majú odlišný význam; aktivovaný údaj nie je úplnou veľkosťou kontrolného bodu.\n\nIde o vydanie odlišné od hustého Qwen3.5-27B, riedkeho Qwen3.5-35B-A3B a neskorších generácií modelov. Zo samotnej veľkosti neodvodzujte všeobecné poradie výkonu alebo latencie. Natívny kontext má 262,144 tokenov a dokumentované rozšírenie s konfiguráciou dosahuje 1,010,000. Qwen pri zložitom uvažovaní odporúča podľa možností zachovať kontext aspoň 128K, pričom uznáva, že tlak na pamäť môže vyžadovať menšie okno.\n\nPríprava spoločných textových a vizuálnych dôkazov\n\nZachovajte označenia diagramov, osi grafov, hlavičky tabuliek a jednotky. Uveďte, či má výsledok vysvetliť vzťah, extrahovať pomenované polia alebo navrhnúť kód. Keď je dôležitých viacero zdrojov, označte ich a žiadajte výstup usporiadaný podľa rovnakých identifikátorov. Oddeľte viditeľné fakty od predpokladov, aby posudzovateľ mohol vysledovať uvažovanie k dodanému materiálu.\n\nPri programovacej požiadavke určte zamýšľané správanie, relevantný zdrojový kód a vstup demonštrujúci problém. Žiadajte upraviteľnú úpravu kódu s vysvetlením dotknutých podmienok a kontrol. Pri videu zachovajte poradie udalostí a časovanie a určte otázku namiesto požadovania nerozlíšeného súhrnu. Textový výsledok modelu je návrhom artefaktu na preskúmanie; schopnosť vizuálneho vstupu neznamená generovanie obrázkov, videa alebo reči.\n\nUvažovanie a história\n\nUvažovanie je predvolene zapnuté a predchádza konečnej odpovedi. Nastavenie výrobcu enable_thinking ho môže vypnúť pre priame odpovede. Staré mäkké prepínače /think a /nothink nie sú oficiálne podporované. Qwen3.5 odporúča v historických správach asistenta uchovávať konečné odpovede bez obsahu uvažovania. To sa nemá nahrádzať možnosťami zachovania histórie neskorších generácií Qwen iba preto, že zdieľajú názov rodiny.\n\nKonečný výsledok ponechajte ľahko dohľadateľný, napríklad definované pole odpovede, ohraničenú hodnotu alebo samostatný artefakt kódu. Priama odpoveď stále potrebuje kontrolu, zatiaľ čo dlhšie uvažovanie je užitočné iba vtedy, keď jeho kroky podopierajú overiteľný záver.\n\nPoužitie v agentoch\n\nQwen dokumentuje volanie nástrojov a odporúča Qwen-Agent s nakonfigurovanými nástrojmi alebo nástrojmi pripojenými cez MCP a Qwen Code pre prácu programovacieho agenta. Definujte povolené akcie, dostupné dôkazy a kritériá dokončenia. Pripojené nástroje vykonávajú operácie a vracajú výsledky; model používa túto spätnú väzbu vo svojej analýze. Navrhovaný príkaz, vyhľadávací dotaz alebo úprava kódu majú zostať odlišné od akcie skutočne dokončenej aplikáciou.\n\nMimoriadne dlhý kontext a video\n\nRozšírenie výrobcu používa YaRN s prekladanými pozičnými nastaveniami kontrolného bodu. Faktor štyri cieli na postup s približne jedným miliónom tokenov a dva sa navrhuje pre zaťaženie 524,288 tokenov. Statické škálovanie môže ovplyvniť výkon pri kratšom texte, preto sa má riadiť skutočnou potrebou väčšieho kontextu. Vstup, reprezentované vizuálne podklady, história, uvažovanie a konečná odpoveď používajú nakonfigurovaný rozpočet sekvencie.\n\nPodporovaný príklad videa predvolene používa dve snímky za sekundu. Pri hodinovom materiáli výrobca odporúča zvýšiť rozpočet procesora približne na 224K videotokenov pre vzorkovanie s vyššou frekvenciou. Ide o postup závislý od konfigurácie, nie univerzálnu záruku dĺžky médií, úplného vybavenia si obsahu alebo presnosti časových značiek.\n\nOdporúčania generovania a vecné limity\n\nOdporúčané postupy navrhujú pre všeobecné uvažovanie temperature 1.0, top_p 0.95, top_k 20, min_p 0, penalizáciu prítomnosti 1.5 a penalizáciu opakovania 1.0. Presné programovanie používa temperature 0.6 a penalizáciu prítomnosti nula. Všeobecné priame odpovede používajú temperature 0.7, top_p 0.8 a penalizáciu prítomnosti 1.5; top_k je 20, min_p je 0 a penalizácia opakovania je 1.0. Uvažovanie s priamou odpoveďou má samostatnú predvoľbu: temperature 1.0, top_p 1.0, top_k 40 a penalizáciu prítomnosti 2.0. Vyššie penalizácie prítomnosti môžu miešať jazyky alebo mierne znížiť kvalitu.\n\nOdporúčané rozsahy generovania sú 32,768 tokenov pre väčšinu otázok a 81,920 pre neobvykle zložitú matematickú alebo programovaciu prácu; nejde o samostatne stanovené pevné výstupné stropy. Definujte požadovaný formát, zachovajte identifikátory zdrojov a výpočty, extrahované hodnoty a navrhovaný kód overujte voči pôvodným dôkazom. Užitočným výsledkom je úplný textový artefakt, ktorého predpoklady a podporný materiál zostávajú viditeľné.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Check a process graph against its rule\n\nA process specification says validation must complete before persistence. Textual graph G1 is receive -> persist -> validate -> acknowledge. Code excerpt: save(record); validate(record); return "accepted". Propose an implementation correction and update the graph in text. Include a test showing that an invalid record never reaches save.A corrected sequence diagram in text, a focused code proposal and a test using an invalid record.Check that the graph and code agree on validate-before-save and that acknowledgment follows successful persistence.qwen/qwen3.5-122b-a10bQwen3.5-122B-A10B je vizuálno-jazykový model Qwen so zmesou expertov s celkovo 122 miliardami a 10 miliardami aktivovaných parametrov. Prijíma text, obrázky a video pre uvažovanie, programovanie a agentové úlohy a vracia text s voliteľným uvažovaním a natívnym kontextom 262,144 tokenov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Hlavné vlastnosti Qwen3.5: expertný model 122B-A10B
Qwen3.5-122B-A10B je vizuálno-jazykový model po dodatočnom tréningu pre spoločné textové a vizuálne úlohy. Prijíma text, obrázky a video a vracia text vrátane vysvetlení, návrhov kódu a požadovaných dokumentových artefaktov. Rodina vzniká skorou fúziou textu a obrazu a učením posilňovaním na postupne zložitejších úlohách, čím rozvíja uvažovanie, programovanie, agentov a vizuálne porozumenie. Opisuje pokrytie 201 jazykov a dialektov bez náznaku, že každý jazyk alebo oblasť má rovnakú spoľahlivosť.
Užitočná úloha môže kombinovať technickú špecifikáciu, diagramy a relevantný kód a žiadať model o vysvetlenie komponentov a návrh implementácie. Úloha analýzy dokumentov môže žiadať porovnanie s podpornými odkazmi na oddiely alebo strany.
Prehľad modelu
Riedky kontrolný bod so zmesou expertov má celkovo 122 miliárd parametrov a aktivuje desať miliárd. Má 48 vrstiev jazykového modelu so skupinami troch expertných vrstiev Gated DeltaNet nasledovaných jednou expertnou vrstvou hradlovanej pozornosti. Výrobca uvádza 256 smerovaných expertov a výber ôsmich smerovaných expertov spolu s jedným zdieľaným expertom. Súčasťou modelu je vizuálny enkodér a predikcia viacerých tokenov. Jeho celkové a aktivované počty majú odlišný význam; aktivovaný údaj nie je úplnou veľkosťou kontrolného bodu.
Ide o vydanie odlišné od hustého Qwen3.5-27B, riedkeho Qwen3.5-35B-A3B a neskorších generácií modelov. Zo samotnej veľkosti neodvodzujte všeobecné poradie výkonu alebo latencie. Natívny kontext má 262,144 tokenov a dokumentované rozšírenie s konfiguráciou dosahuje 1,010,000. Qwen pri zložitom uvažovaní odporúča podľa možností zachovať kontext aspoň 128K, pričom uznáva, že tlak na pamäť môže vyžadovať menšie okno.
Príprava spoločných textových a vizuálnych dôkazov
Zachovajte označenia diagramov, osi grafov, hlavičky tabuliek a jednotky. Uveďte, či má výsledok vysvetliť vzťah, extrahovať pomenované polia alebo navrhnúť kód. Keď je dôležitých viacero zdrojov, označte ich a žiadajte výstup usporiadaný podľa rovnakých identifikátorov. Oddeľte viditeľné fakty od predpokladov, aby posudzovateľ mohol vysledovať uvažovanie k dodanému materiálu.
Pri programovacej požiadavke určte zamýšľané správanie, relevantný zdrojový kód a vstup demonštrujúci problém. Žiadajte upraviteľnú úpravu kódu s vysvetlením dotknutých podmienok a kontrol. Pri videu zachovajte poradie udalostí a časovanie a určte otázku namiesto požadovania nerozlíšeného súhrnu. Textový výsledok modelu je návrhom artefaktu na preskúmanie; schopnosť vizuálneho vstupu neznamená generovanie obrázkov, videa alebo reči.
Uvažovanie a história
Uvažovanie je predvolene zapnuté a predchádza konečnej odpovedi. Nastavenie výrobcu enable_thinking ho môže vypnúť pre priame odpovede. Staré mäkké prepínače /think a /nothink nie sú oficiálne podporované. Qwen3.5 odporúča v historických správach asistenta uchovávať konečné odpovede bez obsahu uvažovania. To sa nemá nahrádzať možnosťami zachovania histórie neskorších generácií Qwen iba preto, že zdieľajú názov rodiny.
Konečný výsledok ponechajte ľahko dohľadateľný, napríklad definované pole odpovede, ohraničenú hodnotu alebo samostatný artefakt kódu. Priama odpoveď stále potrebuje kontrolu, zatiaľ čo dlhšie uvažovanie je užitočné iba vtedy, keď jeho kroky podopierajú overiteľný záver.
Použitie v agentoch
Qwen dokumentuje volanie nástrojov a odporúča Qwen-Agent s nakonfigurovanými nástrojmi alebo nástrojmi pripojenými cez MCP a Qwen Code pre prácu programovacieho agenta. Definujte povolené akcie, dostupné dôkazy a kritériá dokončenia. Pripojené nástroje vykonávajú operácie a vracajú výsledky; model používa túto spätnú väzbu vo svojej analýze. Navrhovaný príkaz, vyhľadávací dotaz alebo úprava kódu majú zostať odlišné od akcie skutočne dokončenej aplikáciou.
Mimoriadne dlhý kontext a video
Rozšírenie výrobcu používa YaRN s prekladanými pozičnými nastaveniami kontrolného bodu. Faktor štyri cieli na postup s približne jedným miliónom tokenov a dva sa navrhuje pre zaťaženie 524,288 tokenov. Statické škálovanie môže ovplyvniť výkon pri kratšom texte, preto sa má riadiť skutočnou potrebou väčšieho kontextu. Vstup, reprezentované vizuálne podklady, história, uvažovanie a konečná odpoveď používajú nakonfigurovaný rozpočet sekvencie.
Podporovaný príklad videa predvolene používa dve snímky za sekundu. Pri hodinovom materiáli výrobca odporúča zvýšiť rozpočet procesora približne na 224K videotokenov pre vzorkovanie s vyššou frekvenciou. Ide o postup závislý od konfigurácie, nie univerzálnu záruku dĺžky médií, úplného vybavenia si obsahu alebo presnosti časových značiek.
Odporúčania generovania a vecné limity
Odporúčané postupy navrhujú pre všeobecné uvažovanie temperature 1.0, top_p 0.95, top_k 20, min_p 0, penalizáciu prítomnosti 1.5 a penalizáciu opakovania 1.0. Presné programovanie používa temperature 0.6 a penalizáciu prítomnosti nula. Všeobecné priame odpovede používajú temperature 0.7, top_p 0.8 a penalizáciu prítomnosti 1.5; top_k je 20, min_p je 0 a penalizácia opakovania je 1.0. Uvažovanie s priamou odpoveďou má samostatnú predvoľbu: temperature 1.0, top_p 1.0, top_k 40 a penalizáciu prítomnosti 2.0. Vyššie penalizácie prítomnosti môžu miešať jazyky alebo mierne znížiť kvalitu.
Odporúčané rozsahy generovania sú 32,768 tokenov pre väčšinu otázok a 81,920 pre neobvykle zložitú matematickú alebo programovaciu prácu; nejde o samostatne stanovené pevné výstupné stropy. Definujte požadovaný formát, zachovajte identifikátory zdrojov a výpočty, extrahované hodnoty a navrhovaný kód overujte voči pôvodným dôkazom. Užitočným výsledkom je úplný textový artefakt, ktorého predpoklady a podporný materiál zostávajú viditeľné.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen/qwen3.5-122b-a10b | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.00058 / 1K tokenov Výstup · Výstupné tokeny $0.00458 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.00058 / 1K tokenov Výstup · Výstupné tokeny $0.00458 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-122b-a10b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.5-122b-a10b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.5-122b-a10b',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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen/qwen3.5-122b-a10b
Použite cesty metód uvedené vyššie.
qwen/qwen3.5-122b-a10bQwen3.5-122B-A10B je vizuálno-jazykový model Qwen so zmesou expertov s celkovo 122 miliardami a 10 miliardami aktivovaných parametrov. Prijíma text, obrázky a video pre uvažovanie, programovanie a agentové úlohy a vracia text s voliteľným uvažovaním a natívnym kontextom 262,144 tokenov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Hlavné vlastnosti Qwen3.5: expertný model 122B-A10B
Qwen3.5-122B-A10B je vizuálno-jazykový model po dodatočnom tréningu pre spoločné textové a vizuálne úlohy. Prijíma text, obrázky a video a vracia text vrátane vysvetlení, návrhov kódu a požadovaných dokumentových artefaktov. Rodina vzniká skorou fúziou textu a obrazu a učením posilňovaním na postupne zložitejších úlohách, čím rozvíja uvažovanie, programovanie, agentov a vizuálne porozumenie. Opisuje pokrytie 201 jazykov a dialektov bez náznaku, že každý jazyk alebo oblasť má rovnakú spoľahlivosť.
Užitočná úloha môže kombinovať technickú špecifikáciu, diagramy a relevantný kód a žiadať model o vysvetlenie komponentov a návrh implementácie. Úloha analýzy dokumentov môže žiadať porovnanie s podpornými odkazmi na oddiely alebo strany.
Prehľad modelu
Riedky kontrolný bod so zmesou expertov má celkovo 122 miliárd parametrov a aktivuje desať miliárd. Má 48 vrstiev jazykového modelu so skupinami troch expertných vrstiev Gated DeltaNet nasledovaných jednou expertnou vrstvou hradlovanej pozornosti. Výrobca uvádza 256 smerovaných expertov a výber ôsmich smerovaných expertov spolu s jedným zdieľaným expertom. Súčasťou modelu je vizuálny enkodér a predikcia viacerých tokenov. Jeho celkové a aktivované počty majú odlišný význam; aktivovaný údaj nie je úplnou veľkosťou kontrolného bodu.
Ide o vydanie odlišné od hustého Qwen3.5-27B, riedkeho Qwen3.5-35B-A3B a neskorších generácií modelov. Zo samotnej veľkosti neodvodzujte všeobecné poradie výkonu alebo latencie. Natívny kontext má 262,144 tokenov a dokumentované rozšírenie s konfiguráciou dosahuje 1,010,000. Qwen pri zložitom uvažovaní odporúča podľa možností zachovať kontext aspoň 128K, pričom uznáva, že tlak na pamäť môže vyžadovať menšie okno.
Príprava spoločných textových a vizuálnych dôkazov
Zachovajte označenia diagramov, osi grafov, hlavičky tabuliek a jednotky. Uveďte, či má výsledok vysvetliť vzťah, extrahovať pomenované polia alebo navrhnúť kód. Keď je dôležitých viacero zdrojov, označte ich a žiadajte výstup usporiadaný podľa rovnakých identifikátorov. Oddeľte viditeľné fakty od predpokladov, aby posudzovateľ mohol vysledovať uvažovanie k dodanému materiálu.
Pri programovacej požiadavke určte zamýšľané správanie, relevantný zdrojový kód a vstup demonštrujúci problém. Žiadajte upraviteľnú úpravu kódu s vysvetlením dotknutých podmienok a kontrol. Pri videu zachovajte poradie udalostí a časovanie a určte otázku namiesto požadovania nerozlíšeného súhrnu. Textový výsledok modelu je návrhom artefaktu na preskúmanie; schopnosť vizuálneho vstupu neznamená generovanie obrázkov, videa alebo reči.
Uvažovanie a história
Uvažovanie je predvolene zapnuté a predchádza konečnej odpovedi. Nastavenie výrobcu enable_thinking ho môže vypnúť pre priame odpovede. Staré mäkké prepínače /think a /nothink nie sú oficiálne podporované. Qwen3.5 odporúča v historických správach asistenta uchovávať konečné odpovede bez obsahu uvažovania. To sa nemá nahrádzať možnosťami zachovania histórie neskorších generácií Qwen iba preto, že zdieľajú názov rodiny.
Konečný výsledok ponechajte ľahko dohľadateľný, napríklad definované pole odpovede, ohraničenú hodnotu alebo samostatný artefakt kódu. Priama odpoveď stále potrebuje kontrolu, zatiaľ čo dlhšie uvažovanie je užitočné iba vtedy, keď jeho kroky podopierajú overiteľný záver.
Použitie v agentoch
Qwen dokumentuje volanie nástrojov a odporúča Qwen-Agent s nakonfigurovanými nástrojmi alebo nástrojmi pripojenými cez MCP a Qwen Code pre prácu programovacieho agenta. Definujte povolené akcie, dostupné dôkazy a kritériá dokončenia. Pripojené nástroje vykonávajú operácie a vracajú výsledky; model používa túto spätnú väzbu vo svojej analýze. Navrhovaný príkaz, vyhľadávací dotaz alebo úprava kódu majú zostať odlišné od akcie skutočne dokončenej aplikáciou.
Mimoriadne dlhý kontext a video
Rozšírenie výrobcu používa YaRN s prekladanými pozičnými nastaveniami kontrolného bodu. Faktor štyri cieli na postup s približne jedným miliónom tokenov a dva sa navrhuje pre zaťaženie 524,288 tokenov. Statické škálovanie môže ovplyvniť výkon pri kratšom texte, preto sa má riadiť skutočnou potrebou väčšieho kontextu. Vstup, reprezentované vizuálne podklady, história, uvažovanie a konečná odpoveď používajú nakonfigurovaný rozpočet sekvencie.
Podporovaný príklad videa predvolene používa dve snímky za sekundu. Pri hodinovom materiáli výrobca odporúča zvýšiť rozpočet procesora približne na 224K videotokenov pre vzorkovanie s vyššou frekvenciou. Ide o postup závislý od konfigurácie, nie univerzálnu záruku dĺžky médií, úplného vybavenia si obsahu alebo presnosti časových značiek.
Odporúčania generovania a vecné limity
Odporúčané postupy navrhujú pre všeobecné uvažovanie temperature 1.0, top_p 0.95, top_k 20, min_p 0, penalizáciu prítomnosti 1.5 a penalizáciu opakovania 1.0. Presné programovanie používa temperature 0.6 a penalizáciu prítomnosti nula. Všeobecné priame odpovede používajú temperature 0.7, top_p 0.8 a penalizáciu prítomnosti 1.5; top_k je 20, min_p je 0 a penalizácia opakovania je 1.0. Uvažovanie s priamou odpoveďou má samostatnú predvoľbu: temperature 1.0, top_p 1.0, top_k 40 a penalizáciu prítomnosti 2.0. Vyššie penalizácie prítomnosti môžu miešať jazyky alebo mierne znížiť kvalitu.
Odporúčané rozsahy generovania sú 32,768 tokenov pre väčšinu otázok a 81,920 pre neobvykle zložitú matematickú alebo programovaciu prácu; nejde o samostatne stanovené pevné výstupné stropy. Definujte požadovaný formát, zachovajte identifikátory zdrojov a výpočty, extrahované hodnoty a navrhovaný kód overujte voči pôvodným dôkazom. Užitočným výsledkom je úplný textový artefakt, ktorého predpoklady a podporný materiál zostávajú viditeľné.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen/qwen3.5-122b-a10b | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.00058 / 1K tokenov Výstup · Výstupné tokeny $0.00458 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.00058 / 1K tokenov Výstup · Výstupné tokeny $0.00458 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "qwen/qwen3.5-122b-a10b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.5-122b-a10b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.5-122b-a10b', '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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen/qwen3.5-122b-a10b
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Check a process graph against its rule\n\nA process specification says validation must complete before persistence. Textual graph G1 is receive -> persist -> validate -> acknowledge. Code excerpt: save(record); validate(record); return "accepted". Propose an implementation correction and update the graph in text. Include a test showing that an invalid record never reaches save.A corrected sequence diagram in text, a focused code proposal and a test using an invalid record.Check that the graph and code agree on validate-before-save and that acknowledgment follows successful persistence.