Qwen-Max är en storskalig textmodell i Qwen-familjen för uppgifter som kombinerar språkförståelse, logiskt resonemang och ett omfattande skriftligt resultat. Tillverkaren framhåller kodning på kinesiska och engelska, flerspråkigt arbete, kreativt skrivande och rollbaserade samtal. Modellen är utformad för tydligare och mer detaljerade svar som följer den begärda svarsstilen.
Modellens funktioner
Qwen-Max tar emot text och producerar text. Den kan arbeta med ett samtal, källavsnitt, ett programvarukrav eller ett befintligt kodfragment. Använd den när resultatet ska vara en förklaring, ett omskrivet dokument, en implementation eller en uppsättning extraherade fält. En skannad sida eller en skärmbild kräver ett separat steg som gör den nödvändiga informationen tillgänglig som text; modellens dokumenterade indata är inte en bild.
Tillverkaren betonar särskilt att modellen följer JSON-formatet. En praktisk extraktionsuppgift kan ange fält som ett ämne, de villkor som uttryckligen nämns i källan och en obesvarad fråga. Ange källavsnittet och de önskade fältnamnen samt hur saknad information ska representeras. Då blir ett samtalssvar till data som en applikation kan granska och bearbeta. En begäran om JSON och en begäran om en förklaring i löptext ställer olika krav på utdata och ska anges separat.
Tillverkarens dokumenterade gränssnitt omfattar också funktionsanrop, strukturerade utdata, fortsättning från ett svarsprefix, kontextcache och batchinferens. Funktionsanrop och webbsökning exponeras inte på samma sätt i varje leverantörskonfiguration. Använd endast de kontroller som dokumenterats för det valda gränssnittet. I en applikation med verktygsstöd tillhandahåller applikationen verktygen, utför valda åtgärder och returnerar deras resultat. Cache och batchbearbetning gäller hur arbete skickas in och återanvänds, inte en ny innehållsmodalitet.
Förbered förfrågan
Håll källmaterialet, konversationen och det begärda svaret inom det valda gränssnittets tillåtna utrymme. Reservera plats för svaret och välj mellan ett kompakt svar och ett långt dokument.
För en dokumentuppgift placerar du de väsentliga källavsnitten före valfria exempel och anger vad slutresultatet måste innehålla. Exempelvis kan du ge en produktbeskrivning och en kunds frågor och sedan begära ett svar som bevarar de angivna villkoren, använder kundens språk och skiljer obesvarade frågor från bekräftad information. Resultatet kan vara ett kundinriktat svar tillsammans med en liten JSON-post för applikationens nästa steg.
För kodning anger du funktionens syfte, tillåtna indata, förväntade utdata och det befintliga fragment som lösningen måste vara kompatibel med. Begär implementationen, en förklaring av besluten och exempel som täcker både vanliga indata och ett gränsfall. Detta använder modellens dokumenterade fokus på kodning och resonemang utan att förutsätta åtkomst till ett kodarkiv, en kompilator eller en applikation som körs.
För kreativt skrivande eller rollbaserad dialog definierar du målgrupp, ton och de fakta som måste bevaras vid omarbetning. En roll kan strukturera samtalet, medan källmaterialet bestämmer vad modellen ska säga. Begär alternativa inledningar eller förklaringar för olika läsare i stället för en ospecificerad omskrivning; då får varje variant ett observerbart syfte.
Viktiga begränsningar
Qwen-Max är en text-till-text-serie, inte en utgåva för visuell generering eller talgenerering. På detta modellkort anger tillverkaren inte finjustering som en gränssnittsfunktion som stöds. Beteende med verktygsstöd beror på det anslutna gränssnittet. Dessa skillnader hjälper dig att välja rätt utgåva och förbereda indata som motsvarar det resultat du faktiskt behöver.
", "aboutText": "Qwen-Max är en storskalig textmodell i Qwen-familjen för uppgifter som kombinerar språkförståelse, logiskt resonemang och ett omfattande skriftligt resultat. Tillverkaren framhåller kodning på kinesiska och engelska, flerspråkigt arbete, kreativt skrivande och rollbaserade samtal. Modellen är utformad för tydligare och mer detaljerade svar som följer den begärda svarsstilen.\n\nModellens funktioner\n\nQwen-Max tar emot text och producerar text. Den kan arbeta med ett samtal, källavsnitt, ett programvarukrav eller ett befintligt kodfragment. Använd den när resultatet ska vara en förklaring, ett omskrivet dokument, en implementation eller en uppsättning extraherade fält. En skannad sida eller en skärmbild kräver ett separat steg som gör den nödvändiga informationen tillgänglig som text; modellens dokumenterade indata är inte en bild.\n\nTillverkaren betonar särskilt att modellen följer JSON-formatet. En praktisk extraktionsuppgift kan ange fält som ett ämne, de villkor som uttryckligen nämns i källan och en obesvarad fråga. Ange källavsnittet och de önskade fältnamnen samt hur saknad information ska representeras. Då blir ett samtalssvar till data som en applikation kan granska och bearbeta. En begäran om JSON och en begäran om en förklaring i löptext ställer olika krav på utdata och ska anges separat.\n\nTillverkarens dokumenterade gränssnitt omfattar också funktionsanrop, strukturerade utdata, fortsättning från ett svarsprefix, kontextcache och batchinferens. Funktionsanrop och webbsökning exponeras inte på samma sätt i varje leverantörskonfiguration. Använd endast de kontroller som dokumenterats för det valda gränssnittet. I en applikation med verktygsstöd tillhandahåller applikationen verktygen, utför valda åtgärder och returnerar deras resultat. Cache och batchbearbetning gäller hur arbete skickas in och återanvänds, inte en ny innehållsmodalitet.\n\nFörbered förfrågan\n\nHåll källmaterialet, konversationen och det begärda svaret inom det valda gränssnittets tillåtna utrymme. Reservera plats för svaret och välj mellan ett kompakt svar och ett långt dokument.\n\nFör en dokumentuppgift placerar du de väsentliga källavsnitten före valfria exempel och anger vad slutresultatet måste innehålla. Exempelvis kan du ge en produktbeskrivning och en kunds frågor och sedan begära ett svar som bevarar de angivna villkoren, använder kundens språk och skiljer obesvarade frågor från bekräftad information. Resultatet kan vara ett kundinriktat svar tillsammans med en liten JSON-post för applikationens nästa steg.\n\nFör kodning anger du funktionens syfte, tillåtna indata, förväntade utdata och det befintliga fragment som lösningen måste vara kompatibel med. Begär implementationen, en förklaring av besluten och exempel som täcker både vanliga indata och ett gränsfall. Detta använder modellens dokumenterade fokus på kodning och resonemang utan att förutsätta åtkomst till ett kodarkiv, en kompilator eller en applikation som körs.\n\nFör kreativt skrivande eller rollbaserad dialog definierar du målgrupp, ton och de fakta som måste bevaras vid omarbetning. En roll kan strukturera samtalet, medan källmaterialet bestämmer vad modellen ska säga. Begär alternativa inledningar eller förklaringar för olika läsare i stället för en ospecificerad omskrivning; då får varje variant ett observerbart syfte.\n\nViktiga begränsningar\n\nQwen-Max är en text-till-text-serie, inte en utgåva för visuell generering eller talgenerering. På detta modellkort anger tillverkaren inte finjustering som en gränssnittsfunktion som stöds. Beteende med verktygsstöd beror på det anslutna gränssnittet. Dessa skillnader hjälper dig att välja rätt utgåva och förbereda indata som motsvarar det resultat du faktiskt behöver.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Write two explanations for different readers\n\nUse these facts to write two versions of a product note: the desk lamp has three brightness settings, uses a replaceable cable and turns off automatically after 30 minutes when its timer is enabled. Version A is for a shop assistant; Version B is for a first-time buyer. Keep each under 55 words and preserve the timer condition.Two labelled audience-specific notes with the same product facts and distinct practical emphasis.Neither version claims that automatic shutoff occurs when the timer is disabled or omits the 30-minute condition.qwen-maxQwen-Max är en textmodell för flerspråkiga samtal, logiskt resonemang, kodning och innehållsskapande. Den kombinerar noggrann instruktionsföljning med JSON-inriktad utdata och kontroll över svarsstilen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen-Max är en storskalig textmodell i Qwen-familjen för uppgifter som kombinerar språkförståelse, logiskt resonemang och ett omfattande skriftligt resultat. Tillverkaren framhåller kodning på kinesiska och engelska, flerspråkigt arbete, kreativt skrivande och rollbaserade samtal. Modellen är utformad för tydligare och mer detaljerade svar som följer den begärda svarsstilen.
Modellens funktioner
Qwen-Max tar emot text och producerar text. Den kan arbeta med ett samtal, källavsnitt, ett programvarukrav eller ett befintligt kodfragment. Använd den när resultatet ska vara en förklaring, ett omskrivet dokument, en implementation eller en uppsättning extraherade fält. En skannad sida eller en skärmbild kräver ett separat steg som gör den nödvändiga informationen tillgänglig som text; modellens dokumenterade indata är inte en bild.
Tillverkaren betonar särskilt att modellen följer JSON-formatet. En praktisk extraktionsuppgift kan ange fält som ett ämne, de villkor som uttryckligen nämns i källan och en obesvarad fråga. Ange källavsnittet och de önskade fältnamnen samt hur saknad information ska representeras. Då blir ett samtalssvar till data som en applikation kan granska och bearbeta. En begäran om JSON och en begäran om en förklaring i löptext ställer olika krav på utdata och ska anges separat.
Tillverkarens dokumenterade gränssnitt omfattar också funktionsanrop, strukturerade utdata, fortsättning från ett svarsprefix, kontextcache och batchinferens. Funktionsanrop och webbsökning exponeras inte på samma sätt i varje leverantörskonfiguration. Använd endast de kontroller som dokumenterats för det valda gränssnittet. I en applikation med verktygsstöd tillhandahåller applikationen verktygen, utför valda åtgärder och returnerar deras resultat. Cache och batchbearbetning gäller hur arbete skickas in och återanvänds, inte en ny innehållsmodalitet.
Förbered förfrågan
Håll källmaterialet, konversationen och det begärda svaret inom det valda gränssnittets tillåtna utrymme. Reservera plats för svaret och välj mellan ett kompakt svar och ett långt dokument.
För en dokumentuppgift placerar du de väsentliga källavsnitten före valfria exempel och anger vad slutresultatet måste innehålla. Exempelvis kan du ge en produktbeskrivning och en kunds frågor och sedan begära ett svar som bevarar de angivna villkoren, använder kundens språk och skiljer obesvarade frågor från bekräftad information. Resultatet kan vara ett kundinriktat svar tillsammans med en liten JSON-post för applikationens nästa steg.
För kodning anger du funktionens syfte, tillåtna indata, förväntade utdata och det befintliga fragment som lösningen måste vara kompatibel med. Begär implementationen, en förklaring av besluten och exempel som täcker både vanliga indata och ett gränsfall. Detta använder modellens dokumenterade fokus på kodning och resonemang utan att förutsätta åtkomst till ett kodarkiv, en kompilator eller en applikation som körs.
För kreativt skrivande eller rollbaserad dialog definierar du målgrupp, ton och de fakta som måste bevaras vid omarbetning. En roll kan strukturera samtalet, medan källmaterialet bestämmer vad modellen ska säga. Begär alternativa inledningar eller förklaringar för olika läsare i stället för en ospecificerad omskrivning; då får varje variant ett observerbart syfte.
Viktiga begränsningar
Qwen-Max är en text-till-text-serie, inte en utgåva för visuell generering eller talgenerering. På detta modellkort anger tillverkaren inte finjustering som en gränssnittsfunktion som stöds. Beteende med verktygsstöd beror på det anslutna gränssnittet. Dessa skillnader hjälper dig att välja rätt utgåva och förbereda indata som motsvarar det resultat du faktiskt behöver.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen-max | 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", "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',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',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
Använd metodsökvägarna som visas ovan.
qwen-maxQwen-Max är en textmodell för flerspråkiga samtal, logiskt resonemang, kodning och innehållsskapande. Den kombinerar noggrann instruktionsföljning med JSON-inriktad utdata och kontroll över svarsstilen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen-Max är en storskalig textmodell i Qwen-familjen för uppgifter som kombinerar språkförståelse, logiskt resonemang och ett omfattande skriftligt resultat. Tillverkaren framhåller kodning på kinesiska och engelska, flerspråkigt arbete, kreativt skrivande och rollbaserade samtal. Modellen är utformad för tydligare och mer detaljerade svar som följer den begärda svarsstilen.
Modellens funktioner
Qwen-Max tar emot text och producerar text. Den kan arbeta med ett samtal, källavsnitt, ett programvarukrav eller ett befintligt kodfragment. Använd den när resultatet ska vara en förklaring, ett omskrivet dokument, en implementation eller en uppsättning extraherade fält. En skannad sida eller en skärmbild kräver ett separat steg som gör den nödvändiga informationen tillgänglig som text; modellens dokumenterade indata är inte en bild.
Tillverkaren betonar särskilt att modellen följer JSON-formatet. En praktisk extraktionsuppgift kan ange fält som ett ämne, de villkor som uttryckligen nämns i källan och en obesvarad fråga. Ange källavsnittet och de önskade fältnamnen samt hur saknad information ska representeras. Då blir ett samtalssvar till data som en applikation kan granska och bearbeta. En begäran om JSON och en begäran om en förklaring i löptext ställer olika krav på utdata och ska anges separat.
Tillverkarens dokumenterade gränssnitt omfattar också funktionsanrop, strukturerade utdata, fortsättning från ett svarsprefix, kontextcache och batchinferens. Funktionsanrop och webbsökning exponeras inte på samma sätt i varje leverantörskonfiguration. Använd endast de kontroller som dokumenterats för det valda gränssnittet. I en applikation med verktygsstöd tillhandahåller applikationen verktygen, utför valda åtgärder och returnerar deras resultat. Cache och batchbearbetning gäller hur arbete skickas in och återanvänds, inte en ny innehållsmodalitet.
Förbered förfrågan
Håll källmaterialet, konversationen och det begärda svaret inom det valda gränssnittets tillåtna utrymme. Reservera plats för svaret och välj mellan ett kompakt svar och ett långt dokument.
För en dokumentuppgift placerar du de väsentliga källavsnitten före valfria exempel och anger vad slutresultatet måste innehålla. Exempelvis kan du ge en produktbeskrivning och en kunds frågor och sedan begära ett svar som bevarar de angivna villkoren, använder kundens språk och skiljer obesvarade frågor från bekräftad information. Resultatet kan vara ett kundinriktat svar tillsammans med en liten JSON-post för applikationens nästa steg.
För kodning anger du funktionens syfte, tillåtna indata, förväntade utdata och det befintliga fragment som lösningen måste vara kompatibel med. Begär implementationen, en förklaring av besluten och exempel som täcker både vanliga indata och ett gränsfall. Detta använder modellens dokumenterade fokus på kodning och resonemang utan att förutsätta åtkomst till ett kodarkiv, en kompilator eller en applikation som körs.
För kreativt skrivande eller rollbaserad dialog definierar du målgrupp, ton och de fakta som måste bevaras vid omarbetning. En roll kan strukturera samtalet, medan källmaterialet bestämmer vad modellen ska säga. Begär alternativa inledningar eller förklaringar för olika läsare i stället för en ospecificerad omskrivning; då får varje variant ett observerbart syfte.
Viktiga begränsningar
Qwen-Max är en text-till-text-serie, inte en utgåva för visuell generering eller talgenerering. På detta modellkort anger tillverkaren inte finjustering som en gränssnittsfunktion som stöds. Beteende med verktygsstöd beror på det anslutna gränssnittet. Dessa skillnader hjälper dig att välja rätt utgåva och förbereda indata som motsvarar det resultat du faktiskt behöver.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen-max | 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 $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Write two explanations for different readers\n\nUse these facts to write two versions of a product note: the desk lamp has three brightness settings, uses a replaceable cable and turns off automatically after 30 minutes when its timer is enabled. Version A is for a shop assistant; Version B is for a first-time buyer. Keep each under 55 words and preserve the timer condition.Two labelled audience-specific notes with the same product facts and distinct practical emphasis.Neither version claims that automatic shutoff occurs when the timer is disabled or omits the 30-minute condition.