Poudarki Qwen3.5: strokovnjaški model 122B-A10B
Qwen3.5-122B-A10B je dodatno naučen vizualno-jezikovni model za skupne besedilne in vizualne naloge. Sprejema besedilo, slike in video ter vrača besedilo, vključno z razlagami, predlogi kode in zahtevanimi dokumentnimi izdelki. Družina nastaja z zgodnjim združevanjem besedila in vida ter spodbujevalnim učenjem na postopoma zahtevnejših nalogah in razvija sklepanje, programiranje, agente ter vizualno razumevanje. Opisuje pokritost 201 jezika in narečja, ne da bi to pomenilo, da je zanesljivost vsakega jezika ali področja enaka.
Uporabna naloga lahko združi tehnično specifikacijo, diagrame in ustrezno kodo ter modelu naroči razlago komponent in vrnitev predloga izvedbe. Naloga analize dokumentov lahko zahteva primerjavo s podpornimi sklici na razdelke ali strani.
Pregled modela
Redki model mešanice strokovnjakov ima skupno 122 milijard parametrov in aktivira deset milijard. Ima 48 plasti jezikovnega modela s skupinami treh plasti strokovnjakov Gated DeltaNet, ki jim sledi ena plast strokovnjakov s pozornostjo z vrati. Proizvajalec navaja 256 usmerjanih strokovnjakov, pri čemer izbere osem usmerjanih in enega skupnega. Vizualni kodirnik in napovedovanje več žetonov sta del modela. Skupno in aktivirano število imata različna pomena; aktivirana številka ni velikost celotnega modela.
To je ločena izdaja od gostega Qwen3.5-27B, redkega Qwen3.5-35B-A3B in poznejših generacij modelov. Iz same velikosti ne sklepajte o splošni razvrstitvi zmogljivosti ali zakasnitve. Izvorni kontekst obsega 262,144 žetonov, dokumentirana razširitev pa s konfiguracijo doseže 1,010,000. Qwen svetuje ohranitev konteksta vsaj 128K, kjer je mogoče, za zahtevno razmišljanje, ob upoštevanju, da lahko pritisk na pomnilnik zahteva manjše okno.
Priprava skupnih besedilnih in vizualnih dokazov
Ohranite oznake diagramov, osi grafikonov, glave tabel in enote. Navedite, ali mora rezultat razložiti povezavo, pridobiti poimenovana polja ali predlagati kodo. Kadar je pomembnih več virov, jih označite in zahtevajte izhod, urejen po istih identifikatorjih. Vidna dejstva ločite od predpostavk, da lahko pregledovalec sledi sklepanju do priloženega gradiva.
Za kodno zahtevo določite predvideno vedenje, ustrezno izvorno kodo in vhod, ki pokaže težavo. Zahtevajte popravek, ki ga je mogoče urejati, z razlago zadevnih pogojev in preverjanj. Pri videu ohranite zaporedje dogodkov in časovni potek ter določite vprašanje, namesto da zahtevate nerazčlenjen povzetek. Besedilni rezultat modela je osnutek izdelka za pregled; zmožnost vizualnega vhoda ne pomeni ustvarjanja slik, videa ali govora.
Razmišljanje in zgodovina
Razmišljanje je privzeto omogočeno, s sklepanjem pred končnim odgovorom. Proizvajalčeva nastavitev enable_thinking ga lahko izklopi za neposredne odgovore. Stari mehki stikali /think in /nothink nista uradno podprti. Qwen3.5 priporoča ohranjanje končnih odgovorov brez vsebine razmišljanja v preteklih sporočilih pomočnika. Tega ne zamenjujte z možnostmi ohranjanja preteklosti poznejših generacij Qwen zgolj zaradi skupnega družinskega imena.
Končni rezultat naj bo preprosto najti, na primer določeno polje odgovora, omejena vrednost ali ločen kodni izdelek. Neposreden odgovor še vedno potrebuje preverjanje, daljše sklepanje pa je uporabno samo, kadar njegovi koraki podpirajo preverljiv sklep.
Agentska uporaba
Qwen dokumentira klicanje orodij in priporoča Qwen-Agent s konfiguriranimi orodji ali orodji, povezanimi prek MCP, skupaj s Qwen Code za delo programerskega agenta. Določite dovoljena dejanja, razpoložljive dokaze in merila dokončanja. Povezana orodja izvajajo operacije in vračajo rezultate; model te povratne informacije uporablja v analizi. Predlagani ukaz, iskalna poizvedba ali popravek mora ostati ločen od dejanja, ki ga je aplikacija dejansko dokončala.
Izjemno dolg kontekst in video
Proizvajalčeva razširitev uporablja YaRN s prepletenimi pozicijskimi nastavitvami modela. Faktor štiri cilja na potek s približno milijonom žetonov, faktor dve pa je predlagan za obremenitve 524,288 žetonov. Statično skaliranje lahko vpliva na delovanje pri krajšem besedilu, zato mora slediti dejanski potrebi po večjem kontekstu. Vhod, predstavljeno vizualno gradivo, zgodovina, sklepanje in končni odgovor vsi uporabljajo konfigurirani proračun zaporedja.
Podprti video primer privzeto uporablja dve sličici na sekundo. Za gradivo v obsegu ur proizvajalec priporoča povečanje proračuna procesorja na približno 224K video žetonov za vzorčenje z višjo frekvenco. To je od konfiguracije odvisen recept, ne univerzalno jamstvo trajanja medijev, popolnega priklica ali natančnosti časovnih žigov.
Smernice ustvarjanja in vsebinske omejitve
Priporočene prakse za splošno razmišljanje priporočajo temperature 1.0, top_p 0.95, top_k 20, min_p 0, kazen prisotnosti 1.5 in kazen ponavljanja 1.0. Natančno programiranje uporablja temperature 0.6 in kazen prisotnosti nič. Splošni neposredni odgovori uporabljajo temperature 0.7, top_p 0.8 in kazen prisotnosti 1.5; top_k je 20, min_p je 0 in kazen ponavljanja je 1.0. Sklepanje z neposrednim odgovorom ima ločeno prednastavitev: temperature 1.0, top_p 1.0, top_k 40 in kazen prisotnosti 2.0. Višje kazni prisotnosti lahko mešajo jezike ali nekoliko zmanjšajo kakovost.
Priporočeni dovoljeni obsegi ustvarjanja so 32,768 žetonov za večino poizvedb in 81,920 za posebej zahtevno matematično ali programersko delo; to niso ločeno potrjene trde izhodne meje. Določite zahtevano obliko, ohranite izvorne identifikatorje ter izračune, pridobljene vrednosti in predlagano kodo preverite glede na izvorne dokaze. Uporaben izid je celovit besedilni izdelek, katerega predpostavke in podporno gradivo ostanejo vidni.
", "aboutText": "Poudarki Qwen3.5: strokovnjaški model 122B-A10B\n\nQwen3.5-122B-A10B je dodatno naučen vizualno-jezikovni model za skupne besedilne in vizualne naloge. Sprejema besedilo, slike in video ter vrača besedilo, vključno z razlagami, predlogi kode in zahtevanimi dokumentnimi izdelki. Družina nastaja z zgodnjim združevanjem besedila in vida ter spodbujevalnim učenjem na postopoma zahtevnejših nalogah in razvija sklepanje, programiranje, agente ter vizualno razumevanje. Opisuje pokritost 201 jezika in narečja, ne da bi to pomenilo, da je zanesljivost vsakega jezika ali področja enaka.\n\nUporabna naloga lahko združi tehnično specifikacijo, diagrame in ustrezno kodo ter modelu naroči razlago komponent in vrnitev predloga izvedbe. Naloga analize dokumentov lahko zahteva primerjavo s podpornimi sklici na razdelke ali strani.\n\nPregled modela\n\nRedki model mešanice strokovnjakov ima skupno 122 milijard parametrov in aktivira deset milijard. Ima 48 plasti jezikovnega modela s skupinami treh plasti strokovnjakov Gated DeltaNet, ki jim sledi ena plast strokovnjakov s pozornostjo z vrati. Proizvajalec navaja 256 usmerjanih strokovnjakov, pri čemer izbere osem usmerjanih in enega skupnega. Vizualni kodirnik in napovedovanje več žetonov sta del modela. Skupno in aktivirano število imata različna pomena; aktivirana številka ni velikost celotnega modela.\n\nTo je ločena izdaja od gostega Qwen3.5-27B, redkega Qwen3.5-35B-A3B in poznejših generacij modelov. Iz same velikosti ne sklepajte o splošni razvrstitvi zmogljivosti ali zakasnitve. Izvorni kontekst obsega 262,144 žetonov, dokumentirana razširitev pa s konfiguracijo doseže 1,010,000. Qwen svetuje ohranitev konteksta vsaj 128K, kjer je mogoče, za zahtevno razmišljanje, ob upoštevanju, da lahko pritisk na pomnilnik zahteva manjše okno.\n\nPriprava skupnih besedilnih in vizualnih dokazov\n\nOhranite oznake diagramov, osi grafikonov, glave tabel in enote. Navedite, ali mora rezultat razložiti povezavo, pridobiti poimenovana polja ali predlagati kodo. Kadar je pomembnih več virov, jih označite in zahtevajte izhod, urejen po istih identifikatorjih. Vidna dejstva ločite od predpostavk, da lahko pregledovalec sledi sklepanju do priloženega gradiva.\n\nZa kodno zahtevo določite predvideno vedenje, ustrezno izvorno kodo in vhod, ki pokaže težavo. Zahtevajte popravek, ki ga je mogoče urejati, z razlago zadevnih pogojev in preverjanj. Pri videu ohranite zaporedje dogodkov in časovni potek ter določite vprašanje, namesto da zahtevate nerazčlenjen povzetek. Besedilni rezultat modela je osnutek izdelka za pregled; zmožnost vizualnega vhoda ne pomeni ustvarjanja slik, videa ali govora.\n\nRazmišljanje in zgodovina\n\nRazmišljanje je privzeto omogočeno, s sklepanjem pred končnim odgovorom. Proizvajalčeva nastavitev enable_thinking ga lahko izklopi za neposredne odgovore. Stari mehki stikali /think in /nothink nista uradno podprti. Qwen3.5 priporoča ohranjanje končnih odgovorov brez vsebine razmišljanja v preteklih sporočilih pomočnika. Tega ne zamenjujte z možnostmi ohranjanja preteklosti poznejših generacij Qwen zgolj zaradi skupnega družinskega imena.\n\nKončni rezultat naj bo preprosto najti, na primer določeno polje odgovora, omejena vrednost ali ločen kodni izdelek. Neposreden odgovor še vedno potrebuje preverjanje, daljše sklepanje pa je uporabno samo, kadar njegovi koraki podpirajo preverljiv sklep.\n\nAgentska uporaba\n\nQwen dokumentira klicanje orodij in priporoča Qwen-Agent s konfiguriranimi orodji ali orodji, povezanimi prek MCP, skupaj s Qwen Code za delo programerskega agenta. Določite dovoljena dejanja, razpoložljive dokaze in merila dokončanja. Povezana orodja izvajajo operacije in vračajo rezultate; model te povratne informacije uporablja v analizi. Predlagani ukaz, iskalna poizvedba ali popravek mora ostati ločen od dejanja, ki ga je aplikacija dejansko dokončala.\n\nIzjemno dolg kontekst in video\n\nProizvajalčeva razširitev uporablja YaRN s prepletenimi pozicijskimi nastavitvami modela. Faktor štiri cilja na potek s približno milijonom žetonov, faktor dve pa je predlagan za obremenitve 524,288 žetonov. Statično skaliranje lahko vpliva na delovanje pri krajšem besedilu, zato mora slediti dejanski potrebi po večjem kontekstu. Vhod, predstavljeno vizualno gradivo, zgodovina, sklepanje in končni odgovor vsi uporabljajo konfigurirani proračun zaporedja.\n\nPodprti video primer privzeto uporablja dve sličici na sekundo. Za gradivo v obsegu ur proizvajalec priporoča povečanje proračuna procesorja na približno 224K video žetonov za vzorčenje z višjo frekvenco. To je od konfiguracije odvisen recept, ne univerzalno jamstvo trajanja medijev, popolnega priklica ali natančnosti časovnih žigov.\n\nSmernice ustvarjanja in vsebinske omejitve\n\nPriporočene prakse za splošno razmišljanje priporočajo temperature 1.0, top_p 0.95, top_k 20, min_p 0, kazen prisotnosti 1.5 in kazen ponavljanja 1.0. Natančno programiranje uporablja temperature 0.6 in kazen prisotnosti nič. Splošni neposredni odgovori uporabljajo temperature 0.7, top_p 0.8 in kazen prisotnosti 1.5; top_k je 20, min_p je 0 in kazen ponavljanja je 1.0. Sklepanje z neposrednim odgovorom ima ločeno prednastavitev: temperature 1.0, top_p 1.0, top_k 40 in kazen prisotnosti 2.0. Višje kazni prisotnosti lahko mešajo jezike ali nekoliko zmanjšajo kakovost.\n\nPriporočeni dovoljeni obsegi ustvarjanja so 32,768 žetonov za večino poizvedb in 81,920 za posebej zahtevno matematično ali programersko delo; to niso ločeno potrjene trde izhodne meje. Določite zahtevano obliko, ohranite izvorne identifikatorje ter izračune, pridobljene vrednosti in predlagano kodo preverite glede na izvorne dokaze. Uporaben izid je celovit besedilni izdelek, katerega predpostavke in podporno gradivo ostanejo vidni.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
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 Qwenov vizualno-jezikovni model mešanice strokovnjakov s skupno 122 milijardami parametrov in 10 milijardami aktiviranih. Sprejema besedilo, slike in video za sklepanje, programiranje in agentske naloge ter vrača besedilo z izbirnim razmišljanjem in izvornim kontekstom 262,144 žetonov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Poudarki Qwen3.5: strokovnjaški model 122B-A10B
Qwen3.5-122B-A10B je dodatno naučen vizualno-jezikovni model za skupne besedilne in vizualne naloge. Sprejema besedilo, slike in video ter vrača besedilo, vključno z razlagami, predlogi kode in zahtevanimi dokumentnimi izdelki. Družina nastaja z zgodnjim združevanjem besedila in vida ter spodbujevalnim učenjem na postopoma zahtevnejših nalogah in razvija sklepanje, programiranje, agente ter vizualno razumevanje. Opisuje pokritost 201 jezika in narečja, ne da bi to pomenilo, da je zanesljivost vsakega jezika ali področja enaka.
Uporabna naloga lahko združi tehnično specifikacijo, diagrame in ustrezno kodo ter modelu naroči razlago komponent in vrnitev predloga izvedbe. Naloga analize dokumentov lahko zahteva primerjavo s podpornimi sklici na razdelke ali strani.
Pregled modela
Redki model mešanice strokovnjakov ima skupno 122 milijard parametrov in aktivira deset milijard. Ima 48 plasti jezikovnega modela s skupinami treh plasti strokovnjakov Gated DeltaNet, ki jim sledi ena plast strokovnjakov s pozornostjo z vrati. Proizvajalec navaja 256 usmerjanih strokovnjakov, pri čemer izbere osem usmerjanih in enega skupnega. Vizualni kodirnik in napovedovanje več žetonov sta del modela. Skupno in aktivirano število imata različna pomena; aktivirana številka ni velikost celotnega modela.
To je ločena izdaja od gostega Qwen3.5-27B, redkega Qwen3.5-35B-A3B in poznejših generacij modelov. Iz same velikosti ne sklepajte o splošni razvrstitvi zmogljivosti ali zakasnitve. Izvorni kontekst obsega 262,144 žetonov, dokumentirana razširitev pa s konfiguracijo doseže 1,010,000. Qwen svetuje ohranitev konteksta vsaj 128K, kjer je mogoče, za zahtevno razmišljanje, ob upoštevanju, da lahko pritisk na pomnilnik zahteva manjše okno.
Priprava skupnih besedilnih in vizualnih dokazov
Ohranite oznake diagramov, osi grafikonov, glave tabel in enote. Navedite, ali mora rezultat razložiti povezavo, pridobiti poimenovana polja ali predlagati kodo. Kadar je pomembnih več virov, jih označite in zahtevajte izhod, urejen po istih identifikatorjih. Vidna dejstva ločite od predpostavk, da lahko pregledovalec sledi sklepanju do priloženega gradiva.
Za kodno zahtevo določite predvideno vedenje, ustrezno izvorno kodo in vhod, ki pokaže težavo. Zahtevajte popravek, ki ga je mogoče urejati, z razlago zadevnih pogojev in preverjanj. Pri videu ohranite zaporedje dogodkov in časovni potek ter določite vprašanje, namesto da zahtevate nerazčlenjen povzetek. Besedilni rezultat modela je osnutek izdelka za pregled; zmožnost vizualnega vhoda ne pomeni ustvarjanja slik, videa ali govora.
Razmišljanje in zgodovina
Razmišljanje je privzeto omogočeno, s sklepanjem pred končnim odgovorom. Proizvajalčeva nastavitev enable_thinking ga lahko izklopi za neposredne odgovore. Stari mehki stikali /think in /nothink nista uradno podprti. Qwen3.5 priporoča ohranjanje končnih odgovorov brez vsebine razmišljanja v preteklih sporočilih pomočnika. Tega ne zamenjujte z možnostmi ohranjanja preteklosti poznejših generacij Qwen zgolj zaradi skupnega družinskega imena.
Končni rezultat naj bo preprosto najti, na primer določeno polje odgovora, omejena vrednost ali ločen kodni izdelek. Neposreden odgovor še vedno potrebuje preverjanje, daljše sklepanje pa je uporabno samo, kadar njegovi koraki podpirajo preverljiv sklep.
Agentska uporaba
Qwen dokumentira klicanje orodij in priporoča Qwen-Agent s konfiguriranimi orodji ali orodji, povezanimi prek MCP, skupaj s Qwen Code za delo programerskega agenta. Določite dovoljena dejanja, razpoložljive dokaze in merila dokončanja. Povezana orodja izvajajo operacije in vračajo rezultate; model te povratne informacije uporablja v analizi. Predlagani ukaz, iskalna poizvedba ali popravek mora ostati ločen od dejanja, ki ga je aplikacija dejansko dokončala.
Izjemno dolg kontekst in video
Proizvajalčeva razširitev uporablja YaRN s prepletenimi pozicijskimi nastavitvami modela. Faktor štiri cilja na potek s približno milijonom žetonov, faktor dve pa je predlagan za obremenitve 524,288 žetonov. Statično skaliranje lahko vpliva na delovanje pri krajšem besedilu, zato mora slediti dejanski potrebi po večjem kontekstu. Vhod, predstavljeno vizualno gradivo, zgodovina, sklepanje in končni odgovor vsi uporabljajo konfigurirani proračun zaporedja.
Podprti video primer privzeto uporablja dve sličici na sekundo. Za gradivo v obsegu ur proizvajalec priporoča povečanje proračuna procesorja na približno 224K video žetonov za vzorčenje z višjo frekvenco. To je od konfiguracije odvisen recept, ne univerzalno jamstvo trajanja medijev, popolnega priklica ali natančnosti časovnih žigov.
Smernice ustvarjanja in vsebinske omejitve
Priporočene prakse za splošno razmišljanje priporočajo temperature 1.0, top_p 0.95, top_k 20, min_p 0, kazen prisotnosti 1.5 in kazen ponavljanja 1.0. Natančno programiranje uporablja temperature 0.6 in kazen prisotnosti nič. Splošni neposredni odgovori uporabljajo temperature 0.7, top_p 0.8 in kazen prisotnosti 1.5; top_k je 20, min_p je 0 in kazen ponavljanja je 1.0. Sklepanje z neposrednim odgovorom ima ločeno prednastavitev: temperature 1.0, top_p 1.0, top_k 40 in kazen prisotnosti 2.0. Višje kazni prisotnosti lahko mešajo jezike ali nekoliko zmanjšajo kakovost.
Priporočeni dovoljeni obsegi ustvarjanja so 32,768 žetonov za večino poizvedb in 81,920 za posebej zahtevno matematično ali programersko delo; to niso ločeno potrjene trde izhodne meje. Določite zahtevano obliko, ohranite izvorne identifikatorje ter izračune, pridobljene vrednosti in predlagano kodo preverite glede na izvorne dokaze. Uporaben izid je celovit besedilni izdelek, katerega predpostavke in podporno gradivo ostanejo vidni.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen3.5-122b-a10b | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.00058 / 1K žetonov Izhod · Izhodni žetoni $0.00458 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.00058 / 1K žetonov Izhod · Izhodni žetoni $0.00458 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen/qwen3.5-122b-a10b
Uporabite zgoraj navedene poti metod.
qwen/qwen3.5-122b-a10bQwen3.5-122B-A10B je Qwenov vizualno-jezikovni model mešanice strokovnjakov s skupno 122 milijardami parametrov in 10 milijardami aktiviranih. Sprejema besedilo, slike in video za sklepanje, programiranje in agentske naloge ter vrača besedilo z izbirnim razmišljanjem in izvornim kontekstom 262,144 žetonov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Poudarki Qwen3.5: strokovnjaški model 122B-A10B
Qwen3.5-122B-A10B je dodatno naučen vizualno-jezikovni model za skupne besedilne in vizualne naloge. Sprejema besedilo, slike in video ter vrača besedilo, vključno z razlagami, predlogi kode in zahtevanimi dokumentnimi izdelki. Družina nastaja z zgodnjim združevanjem besedila in vida ter spodbujevalnim učenjem na postopoma zahtevnejših nalogah in razvija sklepanje, programiranje, agente ter vizualno razumevanje. Opisuje pokritost 201 jezika in narečja, ne da bi to pomenilo, da je zanesljivost vsakega jezika ali področja enaka.
Uporabna naloga lahko združi tehnično specifikacijo, diagrame in ustrezno kodo ter modelu naroči razlago komponent in vrnitev predloga izvedbe. Naloga analize dokumentov lahko zahteva primerjavo s podpornimi sklici na razdelke ali strani.
Pregled modela
Redki model mešanice strokovnjakov ima skupno 122 milijard parametrov in aktivira deset milijard. Ima 48 plasti jezikovnega modela s skupinami treh plasti strokovnjakov Gated DeltaNet, ki jim sledi ena plast strokovnjakov s pozornostjo z vrati. Proizvajalec navaja 256 usmerjanih strokovnjakov, pri čemer izbere osem usmerjanih in enega skupnega. Vizualni kodirnik in napovedovanje več žetonov sta del modela. Skupno in aktivirano število imata različna pomena; aktivirana številka ni velikost celotnega modela.
To je ločena izdaja od gostega Qwen3.5-27B, redkega Qwen3.5-35B-A3B in poznejših generacij modelov. Iz same velikosti ne sklepajte o splošni razvrstitvi zmogljivosti ali zakasnitve. Izvorni kontekst obsega 262,144 žetonov, dokumentirana razširitev pa s konfiguracijo doseže 1,010,000. Qwen svetuje ohranitev konteksta vsaj 128K, kjer je mogoče, za zahtevno razmišljanje, ob upoštevanju, da lahko pritisk na pomnilnik zahteva manjše okno.
Priprava skupnih besedilnih in vizualnih dokazov
Ohranite oznake diagramov, osi grafikonov, glave tabel in enote. Navedite, ali mora rezultat razložiti povezavo, pridobiti poimenovana polja ali predlagati kodo. Kadar je pomembnih več virov, jih označite in zahtevajte izhod, urejen po istih identifikatorjih. Vidna dejstva ločite od predpostavk, da lahko pregledovalec sledi sklepanju do priloženega gradiva.
Za kodno zahtevo določite predvideno vedenje, ustrezno izvorno kodo in vhod, ki pokaže težavo. Zahtevajte popravek, ki ga je mogoče urejati, z razlago zadevnih pogojev in preverjanj. Pri videu ohranite zaporedje dogodkov in časovni potek ter določite vprašanje, namesto da zahtevate nerazčlenjen povzetek. Besedilni rezultat modela je osnutek izdelka za pregled; zmožnost vizualnega vhoda ne pomeni ustvarjanja slik, videa ali govora.
Razmišljanje in zgodovina
Razmišljanje je privzeto omogočeno, s sklepanjem pred končnim odgovorom. Proizvajalčeva nastavitev enable_thinking ga lahko izklopi za neposredne odgovore. Stari mehki stikali /think in /nothink nista uradno podprti. Qwen3.5 priporoča ohranjanje končnih odgovorov brez vsebine razmišljanja v preteklih sporočilih pomočnika. Tega ne zamenjujte z možnostmi ohranjanja preteklosti poznejših generacij Qwen zgolj zaradi skupnega družinskega imena.
Končni rezultat naj bo preprosto najti, na primer določeno polje odgovora, omejena vrednost ali ločen kodni izdelek. Neposreden odgovor še vedno potrebuje preverjanje, daljše sklepanje pa je uporabno samo, kadar njegovi koraki podpirajo preverljiv sklep.
Agentska uporaba
Qwen dokumentira klicanje orodij in priporoča Qwen-Agent s konfiguriranimi orodji ali orodji, povezanimi prek MCP, skupaj s Qwen Code za delo programerskega agenta. Določite dovoljena dejanja, razpoložljive dokaze in merila dokončanja. Povezana orodja izvajajo operacije in vračajo rezultate; model te povratne informacije uporablja v analizi. Predlagani ukaz, iskalna poizvedba ali popravek mora ostati ločen od dejanja, ki ga je aplikacija dejansko dokončala.
Izjemno dolg kontekst in video
Proizvajalčeva razširitev uporablja YaRN s prepletenimi pozicijskimi nastavitvami modela. Faktor štiri cilja na potek s približno milijonom žetonov, faktor dve pa je predlagan za obremenitve 524,288 žetonov. Statično skaliranje lahko vpliva na delovanje pri krajšem besedilu, zato mora slediti dejanski potrebi po večjem kontekstu. Vhod, predstavljeno vizualno gradivo, zgodovina, sklepanje in končni odgovor vsi uporabljajo konfigurirani proračun zaporedja.
Podprti video primer privzeto uporablja dve sličici na sekundo. Za gradivo v obsegu ur proizvajalec priporoča povečanje proračuna procesorja na približno 224K video žetonov za vzorčenje z višjo frekvenco. To je od konfiguracije odvisen recept, ne univerzalno jamstvo trajanja medijev, popolnega priklica ali natančnosti časovnih žigov.
Smernice ustvarjanja in vsebinske omejitve
Priporočene prakse za splošno razmišljanje priporočajo temperature 1.0, top_p 0.95, top_k 20, min_p 0, kazen prisotnosti 1.5 in kazen ponavljanja 1.0. Natančno programiranje uporablja temperature 0.6 in kazen prisotnosti nič. Splošni neposredni odgovori uporabljajo temperature 0.7, top_p 0.8 in kazen prisotnosti 1.5; top_k je 20, min_p je 0 in kazen ponavljanja je 1.0. Sklepanje z neposrednim odgovorom ima ločeno prednastavitev: temperature 1.0, top_p 1.0, top_k 40 in kazen prisotnosti 2.0. Višje kazni prisotnosti lahko mešajo jezike ali nekoliko zmanjšajo kakovost.
Priporočeni dovoljeni obsegi ustvarjanja so 32,768 žetonov za večino poizvedb in 81,920 za posebej zahtevno matematično ali programersko delo; to niso ločeno potrjene trde izhodne meje. Določite zahtevano obliko, ohranite izvorne identifikatorje ter izračune, pridobljene vrednosti in predlagano kodo preverite glede na izvorne dokaze. Uporaben izid je celovit besedilni izdelek, katerega predpostavke in podporno gradivo ostanejo vidni.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen3.5-122b-a10b | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.00058 / 1K žetonov Izhod · Izhodni žetoni $0.00458 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.00058 / 1K žetonov Izhod · Izhodni žetoni $0.00458 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "qwen/qwen3.5-122b-a10b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen/qwen3.5-122b-a10b
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
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.