Qwen-Max (2025-01-25) är den daterade textversionen från den 25 januari som tillverkaren beskriver som funktionellt likvärdig med sin Qwen-Max-profil. Qwen-Max tillhör Alibabas Qwen-familj och hanterar flera inmatningsspråk, bland annat kinesiska och engelska. Det beskrivna språkarbetet omfattar kodgenerering, logiskt resonemang, kreativt skrivande, JSON-formatering och rollbaserade samtal.
Ge modellen de villkor, belägg och beslutskriterier som uppgiften kräver. En kravgranskning kan efterfråga överensstämmelser, konflikter och frågor som fortfarande är öppna. En jämförelse kan ange vilka kriterier som är viktiga och be om en förklaring av hur varje alternativ uppfyller dem. Håll källans påståenden åtskilda från antaganden så att svaret kan kontrolleras mot det tillhandahållna materialet.
För en kodningsuppgift anger du språket, den relevanta källkoden och det förväntade beteendet. Be om en föreslagen implementation och en förklaring av den berörda logiken. Spara och kör den resulterande koden i utvecklingsmiljön för att verifiera ändringen. För en skrivuppgift anger du målgrupp, syfte och de fakta som måste finnas med, och ber sedan om ett färdigt textavsnitt och en kort ändringsnotering.
För ett svar i JSON-format definierar du fältnamn, typer och hur saknade värden ska hanteras. Kontrollera både den returnerade strukturen och innehållet innan svaret används i en applikation. I ett rollbaserat samtal anger du en beskrivning av karaktären eller rollen och den information som svaret ska bevara.
Tillverkarens regionala konfigurationer för driftsättning skiljer sig åt när det gäller stöd för funktionsanrop och webbsökning. Strukturerade utdata och prefixkomplettering anges för båda konfigurationerna som visas på modellsidan. En applikation som kan använda funktionsanrop definierar åtgärden, utför det valda anropet och returnerar resultatet; dessa steg hör till den omgivande integrationen.
Tillverkarens likvärdiga Qwen-Max-profil anger 32 768 kontexttoken, upp till 30 720 indatatoken och 8 192 utdatatoken. Den separat publicerade profilen för den driftade modellen med detta daterade identifierarnamn anger 131 072 kontexttoken. Det är olika profilspecifikationer, så förbered begäran utifrån de gränser som gränssnittet du använder erbjuder. Spara den exakta daterade identifieraren tillsammans med prompten och resultatet när du jämför svar.
", "aboutText": "Qwen-Max (2025-01-25) är den daterade textversionen från den 25 januari som tillverkaren beskriver som funktionellt likvärdig med sin Qwen-Max-profil. Qwen-Max tillhör Alibabas Qwen-familj och hanterar flera inmatningsspråk, bland annat kinesiska och engelska. Det beskrivna språkarbetet omfattar kodgenerering, logiskt resonemang, kreativt skrivande, JSON-formatering och rollbaserade samtal.\n\n### Analysera en avgränsad fråga\n\nGe modellen de villkor, belägg och beslutskriterier som uppgiften kräver. En kravgranskning kan efterfråga överensstämmelser, konflikter och frågor som fortfarande är öppna. En jämförelse kan ange vilka kriterier som är viktiga och be om en förklaring av hur varje alternativ uppfyller dem. Håll källans påståenden åtskilda från antaganden så att svaret kan kontrolleras mot det tillhandahållna materialet.\n\n### Förbered kod eller skrivet material\n\nFör en kodningsuppgift anger du språket, den relevanta källkoden och det förväntade beteendet. Be om en föreslagen implementation och en förklaring av den berörda logiken. Spara och kör den resulterande koden i utvecklingsmiljön för att verifiera ändringen. För en skrivuppgift anger du målgrupp, syfte och de fakta som måste finnas med, och ber sedan om ett färdigt textavsnitt och en kort ändringsnotering.\n\nFör ett svar i JSON-format definierar du fältnamn, typer och hur saknade värden ska hanteras. Kontrollera både den returnerade strukturen och innehållet innan svaret används i en applikation. I ett rollbaserat samtal anger du en beskrivning av karaktären eller rollen och den information som svaret ska bevara.\n\n### Använd de kontroller som integrationen erbjuder\n\nTillverkarens regionala konfigurationer för driftsättning skiljer sig åt när det gäller stöd för funktionsanrop och webbsökning. Strukturerade utdata och prefixkomplettering anges för båda konfigurationerna som visas på modellsidan. En applikation som kan använda funktionsanrop definierar åtgärden, utför det valda anropet och returnerar resultatet; dessa steg hör till den omgivande integrationen.\n\n### Anpassa kontexten till den valda profilen\n\nTillverkarens likvärdiga Qwen-Max-profil anger 32 768 kontexttoken, upp till 30 720 indatatoken och 8 192 utdatatoken. Den separat publicerade profilen för den driftade modellen med detta daterade identifierarnamn anger 131 072 kontexttoken. Det är olika profilspecifikationer, så förbered begäran utifrån de gränser som gränssnittet du använder erbjuder. Spara den exakta daterade identifieraren tillsammans med prompten och resultatet när du jämför svar.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.qwen-max-2025-01-25Qwen-Max (2025-01-25) är en daterad version av Qwens textmodell för språk-, resonemangs-, kodnings- och skrivuppgifter. Tillverkaren beskriver den som funktionellt likvärdig med profilen Qwen-Max; kontext och valfria kontroller beror på konfigurationen för driftsättningen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen-Max (2025-01-25) är den daterade textversionen från den 25 januari som tillverkaren beskriver som funktionellt likvärdig med sin Qwen-Max-profil. Qwen-Max tillhör Alibabas Qwen-familj och hanterar flera inmatningsspråk, bland annat kinesiska och engelska. Det beskrivna språkarbetet omfattar kodgenerering, logiskt resonemang, kreativt skrivande, JSON-formatering och rollbaserade samtal.
Ge modellen de villkor, belägg och beslutskriterier som uppgiften kräver. En kravgranskning kan efterfråga överensstämmelser, konflikter och frågor som fortfarande är öppna. En jämförelse kan ange vilka kriterier som är viktiga och be om en förklaring av hur varje alternativ uppfyller dem. Håll källans påståenden åtskilda från antaganden så att svaret kan kontrolleras mot det tillhandahållna materialet.
För en kodningsuppgift anger du språket, den relevanta källkoden och det förväntade beteendet. Be om en föreslagen implementation och en förklaring av den berörda logiken. Spara och kör den resulterande koden i utvecklingsmiljön för att verifiera ändringen. För en skrivuppgift anger du målgrupp, syfte och de fakta som måste finnas med, och ber sedan om ett färdigt textavsnitt och en kort ändringsnotering.
För ett svar i JSON-format definierar du fältnamn, typer och hur saknade värden ska hanteras. Kontrollera både den returnerade strukturen och innehållet innan svaret används i en applikation. I ett rollbaserat samtal anger du en beskrivning av karaktären eller rollen och den information som svaret ska bevara.
Tillverkarens regionala konfigurationer för driftsättning skiljer sig åt när det gäller stöd för funktionsanrop och webbsökning. Strukturerade utdata och prefixkomplettering anges för båda konfigurationerna som visas på modellsidan. En applikation som kan använda funktionsanrop definierar åtgärden, utför det valda anropet och returnerar resultatet; dessa steg hör till den omgivande integrationen.
Tillverkarens likvärdiga Qwen-Max-profil anger 32 768 kontexttoken, upp till 30 720 indatatoken och 8 192 utdatatoken. Den separat publicerade profilen för den driftade modellen med detta daterade identifierarnamn anger 131 072 kontexttoken. Det är olika profilspecifikationer, så förbered begäran utifrån de gränser som gränssnittet du använder erbjuder. Spara den exakta daterade identifieraren tillsammans med prompten och resultatet när du jämför svar.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen-max-2025-01-25 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.000686 / 1K token Utdata · Utdatatoken $0.002744 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-max-2025-01-25", "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-max-2025-01-25',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-max-2025-01-25',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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra qwen-max-2025-01-25
Använd metodsökvägarna som visas ovan.
qwen-max-2025-01-25Qwen-Max (2025-01-25) är en daterad version av Qwens textmodell för språk-, resonemangs-, kodnings- och skrivuppgifter. Tillverkaren beskriver den som funktionellt likvärdig med profilen Qwen-Max; kontext och valfria kontroller beror på konfigurationen för driftsättningen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen-Max (2025-01-25) är den daterade textversionen från den 25 januari som tillverkaren beskriver som funktionellt likvärdig med sin Qwen-Max-profil. Qwen-Max tillhör Alibabas Qwen-familj och hanterar flera inmatningsspråk, bland annat kinesiska och engelska. Det beskrivna språkarbetet omfattar kodgenerering, logiskt resonemang, kreativt skrivande, JSON-formatering och rollbaserade samtal.
Ge modellen de villkor, belägg och beslutskriterier som uppgiften kräver. En kravgranskning kan efterfråga överensstämmelser, konflikter och frågor som fortfarande är öppna. En jämförelse kan ange vilka kriterier som är viktiga och be om en förklaring av hur varje alternativ uppfyller dem. Håll källans påståenden åtskilda från antaganden så att svaret kan kontrolleras mot det tillhandahållna materialet.
För en kodningsuppgift anger du språket, den relevanta källkoden och det förväntade beteendet. Be om en föreslagen implementation och en förklaring av den berörda logiken. Spara och kör den resulterande koden i utvecklingsmiljön för att verifiera ändringen. För en skrivuppgift anger du målgrupp, syfte och de fakta som måste finnas med, och ber sedan om ett färdigt textavsnitt och en kort ändringsnotering.
För ett svar i JSON-format definierar du fältnamn, typer och hur saknade värden ska hanteras. Kontrollera både den returnerade strukturen och innehållet innan svaret används i en applikation. I ett rollbaserat samtal anger du en beskrivning av karaktären eller rollen och den information som svaret ska bevara.
Tillverkarens regionala konfigurationer för driftsättning skiljer sig åt när det gäller stöd för funktionsanrop och webbsökning. Strukturerade utdata och prefixkomplettering anges för båda konfigurationerna som visas på modellsidan. En applikation som kan använda funktionsanrop definierar åtgärden, utför det valda anropet och returnerar resultatet; dessa steg hör till den omgivande integrationen.
Tillverkarens likvärdiga Qwen-Max-profil anger 32 768 kontexttoken, upp till 30 720 indatatoken och 8 192 utdatatoken. Den separat publicerade profilen för den driftade modellen med detta daterade identifierarnamn anger 131 072 kontexttoken. Det är olika profilspecifikationer, så förbered begäran utifrån de gränser som gränssnittet du använder erbjuder. Spara den exakta daterade identifieraren tillsammans med prompten och resultatet när du jämför svar.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen-max-2025-01-25 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.000686 / 1K token Utdata · Utdatatoken $0.002744 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen-max-2025-01-25",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-max-2025-01-25', '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-max-2025-01-25', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra qwen-max-2025-01-25
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.