Utgåvan Qwen3.7 Flash
Qwen3.7 Flash är en modellfamilj med inbyggd bild- och språkförståelse som tolkar text, bilder och video och ger textsvar. Tillverkarens utgåva beskriver bättre multimodal perception och agentkörning jämfört med Qwen3.6 Flash. Dess praktiska uppgiftsområde omfattar objektigenkänning, förståelse av visuella scener, resonemang om spatiala relationer och framtagning av kod eller förklaringar utifrån visuellt material.
Den officiella utgåvan namnger både qwen3.7-flash och den daterade qwen3.7-flash-2026-07-15. Behåll det exakta modellnamnet när ett resultat registreras: Flash-namnet utan datum identifierar inte en fast tillverkarversion. Beskrivningen som används här fastställer inget parameterantal eller någon numerisk representation för en öppen kontrollpunkt.
Objektigenkänning, verklighetsuppfattning och rum
Ge en scenbild med en konkret fråga: vilket objekt som är viktigt, vilken relation som ska undersökas och vilka synliga detaljer som ska stödja svaret. För ett diagram ska etiketter bevaras och definitioner som behövs för att tolka dem ges. Användbara utdata skiljer observationer från härledda relationer, vilket gör förklaringen lättare att jämföra med källan.
När flera bilder används ska varje bild märkas och en jämförelse organiserad efter etiketterna begäras. För video ska relevant händelse identifieras och sekvens- eller tidsinformation bevaras. Granska exakta antal, spatiala mått och observationer på bildrutenivå mot det tillhandahållna materialet.
Multimodala agenter
Utgåvan framhäver scenarier med Search Agent och kodtolksagenter, med stabilare körning i flera steg. I ett sådant flöde tillhandahåller applikationen tillåtna verktyg, utför deras åtgärder och returnerar observationerna. Modellen kan använda resultaten för att uppdatera planen. Beskriv målet och slutförandevillkoret och begär en slutartefakt plus eventuella olösta belägg. Producenten anger funktionsanrop, strukturerade utdata, prefixkomplettering och kontextcache. Webbsökning stöds i Peking och Singapore och stöds inte i övriga listade regioner. Batchinferens stöds för Peking-aliaset och stöds inte på andra platser; finjustering stöds inte.
En modells agentspecialisering ska inte förväxlas med inbyggd tillgång till aktuella källor eller en körmiljö i varje gränssnitt. När en uppgift kräver hämtning eller kodkörning ska resultatet från ett faktiskt verktyg skiljas från en föreslagen åtgärd i modellens text. Beskrivningen fastställer inte vilka verktyg en annan applikation exponerar.
Visuell kodning
Qwen beskriver förbättrad kodning med stöd av visuellt material. En användbar begäran kan kombinera en skärmbild eller layout med funktionskrav och be om redigerbar kod. Ange ramverk eller utdataform, interaktionstillstånd och begränsningar i uppgiften. Begär den genererade artefakten separat från förklaringen så att den kan granskas eller renderas i utvecklingsflödet.
För ett befintligt gränssnitt ska den avsedda ändringen och relevant källkontext identifieras i stället för att be om en orelaterad omdesign. Modellen kan koppla ett visuellt krav till ett kodförslag; förslaget bevisar inte att gränssnittet har renderats eller fungerar korrekt. Dessa uppgiftsexempel tillämpar tillverkarens område för visuell kodning utan att lägga till en körgaranti.
Resonemang och direkta svar
Tillverkarens guide över stödda modeller anger Qwen3.7 Flash som en familj med hybridresonemang där resonemang är aktiverat som standard. Det dokumenterade hybridflödet kan stänga av resonemang för ett direkt svar. Håll resonemangsutdata åtskilda från slutsvaret när ett gränssnitt tillhandahåller båda. Kontroller för en separat namngiven Qwen-Omni-modell eller en öppen tät modell ska inte importeras enbart för att de delar Qwen-namnet.
Använd djupare analys för en visuell fråga som kopplar flera observationer; begär ett direkt resultat för en enkel beskrivning. Ange en kontrollerbar slutstruktur, exempelvis en observationstabell, en kortfattad slutsats eller kodfiler, i stället för att förlita sig på svarslängd som kvalitetssignal.
Begränsningar och indataberedning
Alibabas särskilda sida för Qwen3.7-Flash anger en kontext på 1,000,000 token, högst 991,808 token indata för direkta svar eller 983,616 för resonemang och högst 131,072 utdata i båda lägena. Den anger separat en maximal resonemangskedja på 262,144 token. Håll relevanta visuella detaljer läsliga, trimma orelaterat material och reservera plats för det nödvändiga resultatet. Kontrollera objektetiketter, spatiala slutsatser, extraherad text och kodförslag mot tillhandahållna belägg. Den användbara beskrivningen är tillverkarens specifika område för perception, agenter och visuell kodning, med det hybrida svarsläget bevarat.
", "aboutText": "Utgåvan Qwen3.7 Flash\n\nQwen3.7 Flash är en modellfamilj med inbyggd bild- och språkförståelse som tolkar text, bilder och video och ger textsvar. Tillverkarens utgåva beskriver bättre multimodal perception och agentkörning jämfört med Qwen3.6 Flash. Dess praktiska uppgiftsområde omfattar objektigenkänning, förståelse av visuella scener, resonemang om spatiala relationer och framtagning av kod eller förklaringar utifrån visuellt material.\n\nDen officiella utgåvan namnger både qwen3.7-flash och den daterade qwen3.7-flash-2026-07-15. Behåll det exakta modellnamnet när ett resultat registreras: Flash-namnet utan datum identifierar inte en fast tillverkarversion. Beskrivningen som används här fastställer inget parameterantal eller någon numerisk representation för en öppen kontrollpunkt.\n\nObjektigenkänning, verklighetsuppfattning och rum\n\nGe en scenbild med en konkret fråga: vilket objekt som är viktigt, vilken relation som ska undersökas och vilka synliga detaljer som ska stödja svaret. För ett diagram ska etiketter bevaras och definitioner som behövs för att tolka dem ges. Användbara utdata skiljer observationer från härledda relationer, vilket gör förklaringen lättare att jämföra med källan.\n\nNär flera bilder används ska varje bild märkas och en jämförelse organiserad efter etiketterna begäras. För video ska relevant händelse identifieras och sekvens- eller tidsinformation bevaras. Granska exakta antal, spatiala mått och observationer på bildrutenivå mot det tillhandahållna materialet.\n\nMultimodala agenter\n\nUtgåvan framhäver scenarier med Search Agent och kodtolksagenter, med stabilare körning i flera steg. I ett sådant flöde tillhandahåller applikationen tillåtna verktyg, utför deras åtgärder och returnerar observationerna. Modellen kan använda resultaten för att uppdatera planen. Beskriv målet och slutförandevillkoret och begär en slutartefakt plus eventuella olösta belägg. Producenten anger funktionsanrop, strukturerade utdata, prefixkomplettering och kontextcache. Webbsökning stöds i Peking och Singapore och stöds inte i övriga listade regioner. Batchinferens stöds för Peking-aliaset och stöds inte på andra platser; finjustering stöds inte.\n\nEn modells agentspecialisering ska inte förväxlas med inbyggd tillgång till aktuella källor eller en körmiljö i varje gränssnitt. När en uppgift kräver hämtning eller kodkörning ska resultatet från ett faktiskt verktyg skiljas från en föreslagen åtgärd i modellens text. Beskrivningen fastställer inte vilka verktyg en annan applikation exponerar.\n\nVisuell kodning\n\nQwen beskriver förbättrad kodning med stöd av visuellt material. En användbar begäran kan kombinera en skärmbild eller layout med funktionskrav och be om redigerbar kod. Ange ramverk eller utdataform, interaktionstillstånd och begränsningar i uppgiften. Begär den genererade artefakten separat från förklaringen så att den kan granskas eller renderas i utvecklingsflödet.\n\nFör ett befintligt gränssnitt ska den avsedda ändringen och relevant källkontext identifieras i stället för att be om en orelaterad omdesign. Modellen kan koppla ett visuellt krav till ett kodförslag; förslaget bevisar inte att gränssnittet har renderats eller fungerar korrekt. Dessa uppgiftsexempel tillämpar tillverkarens område för visuell kodning utan att lägga till en körgaranti.\n\nResonemang och direkta svar\n\nTillverkarens guide över stödda modeller anger Qwen3.7 Flash som en familj med hybridresonemang där resonemang är aktiverat som standard. Det dokumenterade hybridflödet kan stänga av resonemang för ett direkt svar. Håll resonemangsutdata åtskilda från slutsvaret när ett gränssnitt tillhandahåller båda. Kontroller för en separat namngiven Qwen-Omni-modell eller en öppen tät modell ska inte importeras enbart för att de delar Qwen-namnet.\n\nAnvänd djupare analys för en visuell fråga som kopplar flera observationer; begär ett direkt resultat för en enkel beskrivning. Ange en kontrollerbar slutstruktur, exempelvis en observationstabell, en kortfattad slutsats eller kodfiler, i stället för att förlita sig på svarslängd som kvalitetssignal.\n\nBegränsningar och indataberedning\n\nAlibabas särskilda sida för Qwen3.7-Flash anger en kontext på 1,000,000 token, högst 991,808 token indata för direkta svar eller 983,616 för resonemang och högst 131,072 utdata i båda lägena. Den anger separat en maximal resonemangskedja på 262,144 token. Håll relevanta visuella detaljer läsliga, trimma orelaterat material och reservera plats för det nödvändiga resultatet. Kontrollera objektetiketter, spatiala slutsatser, extraherad text och kodförslag mot tillhandahållna belägg. Den användbara beskrivningen är tillverkarens specifika område för perception, agenter och visuell kodning, med det hybrida svarsläget bevarat.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.qwen/qwen3.7-flashQwen3.7 Flash är Qwens modellfamilj för bild och språk, med text, bilder och video som indata och text som utdata. Tillverkaren framhäver förbättrad objektigenkänning, spatial förståelse, multimodalt agentarbete och visuell kodning, med resonemang aktiverat som standard och ett valfritt direktläge.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Utgåvan Qwen3.7 Flash
Qwen3.7 Flash är en modellfamilj med inbyggd bild- och språkförståelse som tolkar text, bilder och video och ger textsvar. Tillverkarens utgåva beskriver bättre multimodal perception och agentkörning jämfört med Qwen3.6 Flash. Dess praktiska uppgiftsområde omfattar objektigenkänning, förståelse av visuella scener, resonemang om spatiala relationer och framtagning av kod eller förklaringar utifrån visuellt material.
Den officiella utgåvan namnger både qwen3.7-flash och den daterade qwen3.7-flash-2026-07-15. Behåll det exakta modellnamnet när ett resultat registreras: Flash-namnet utan datum identifierar inte en fast tillverkarversion. Beskrivningen som används här fastställer inget parameterantal eller någon numerisk representation för en öppen kontrollpunkt.
Objektigenkänning, verklighetsuppfattning och rum
Ge en scenbild med en konkret fråga: vilket objekt som är viktigt, vilken relation som ska undersökas och vilka synliga detaljer som ska stödja svaret. För ett diagram ska etiketter bevaras och definitioner som behövs för att tolka dem ges. Användbara utdata skiljer observationer från härledda relationer, vilket gör förklaringen lättare att jämföra med källan.
När flera bilder används ska varje bild märkas och en jämförelse organiserad efter etiketterna begäras. För video ska relevant händelse identifieras och sekvens- eller tidsinformation bevaras. Granska exakta antal, spatiala mått och observationer på bildrutenivå mot det tillhandahållna materialet.
Multimodala agenter
Utgåvan framhäver scenarier med Search Agent och kodtolksagenter, med stabilare körning i flera steg. I ett sådant flöde tillhandahåller applikationen tillåtna verktyg, utför deras åtgärder och returnerar observationerna. Modellen kan använda resultaten för att uppdatera planen. Beskriv målet och slutförandevillkoret och begär en slutartefakt plus eventuella olösta belägg. Producenten anger funktionsanrop, strukturerade utdata, prefixkomplettering och kontextcache. Webbsökning stöds i Peking och Singapore och stöds inte i övriga listade regioner. Batchinferens stöds för Peking-aliaset och stöds inte på andra platser; finjustering stöds inte.
En modells agentspecialisering ska inte förväxlas med inbyggd tillgång till aktuella källor eller en körmiljö i varje gränssnitt. När en uppgift kräver hämtning eller kodkörning ska resultatet från ett faktiskt verktyg skiljas från en föreslagen åtgärd i modellens text. Beskrivningen fastställer inte vilka verktyg en annan applikation exponerar.
Visuell kodning
Qwen beskriver förbättrad kodning med stöd av visuellt material. En användbar begäran kan kombinera en skärmbild eller layout med funktionskrav och be om redigerbar kod. Ange ramverk eller utdataform, interaktionstillstånd och begränsningar i uppgiften. Begär den genererade artefakten separat från förklaringen så att den kan granskas eller renderas i utvecklingsflödet.
För ett befintligt gränssnitt ska den avsedda ändringen och relevant källkontext identifieras i stället för att be om en orelaterad omdesign. Modellen kan koppla ett visuellt krav till ett kodförslag; förslaget bevisar inte att gränssnittet har renderats eller fungerar korrekt. Dessa uppgiftsexempel tillämpar tillverkarens område för visuell kodning utan att lägga till en körgaranti.
Resonemang och direkta svar
Tillverkarens guide över stödda modeller anger Qwen3.7 Flash som en familj med hybridresonemang där resonemang är aktiverat som standard. Det dokumenterade hybridflödet kan stänga av resonemang för ett direkt svar. Håll resonemangsutdata åtskilda från slutsvaret när ett gränssnitt tillhandahåller båda. Kontroller för en separat namngiven Qwen-Omni-modell eller en öppen tät modell ska inte importeras enbart för att de delar Qwen-namnet.
Använd djupare analys för en visuell fråga som kopplar flera observationer; begär ett direkt resultat för en enkel beskrivning. Ange en kontrollerbar slutstruktur, exempelvis en observationstabell, en kortfattad slutsats eller kodfiler, i stället för att förlita sig på svarslängd som kvalitetssignal.
Begränsningar och indataberedning
Alibabas särskilda sida för Qwen3.7-Flash anger en kontext på 1,000,000 token, högst 991,808 token indata för direkta svar eller 983,616 för resonemang och högst 131,072 utdata i båda lägena. Den anger separat en maximal resonemangskedja på 262,144 token. Håll relevanta visuella detaljer läsliga, trimma orelaterat material och reservera plats för det nödvändiga resultatet. Kontrollera objektetiketter, spatiala slutsatser, extraherad text och kodförslag mot tillhandahållna belägg. Den användbara beskrivningen är tillverkarens specifika område för perception, agenter och visuell kodning, med det hybrida svarsläget bevarat.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3.7-flash | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00006 / 1K token Utdata · Utdatatoken $0.00026 / 1K token Indata · Cacheläsning $0.000012 / 1K token Indata · Skrivning till cache $0.000076 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med32 000 | Avgift Indata · Indatatoken $0.00006 / 1K token Utdata · Utdatatoken $0.00026 / 1K token Indata · Cacheläsning $0.000012 / 1K token Indata · Skrivning till cache $0.000076 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än32 000 | Kontexttoken, upp till och med256 000 | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.00025 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 3 för begärans längd | Prislista— | Kontexttoken, fler än256 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0016 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.7-flash", "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/qwen3.7-flash',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/qwen3.7-flash',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/qwen3.7-flash
Använd metodsökvägarna som visas ovan.
qwen/qwen3.7-flashQwen3.7 Flash är Qwens modellfamilj för bild och språk, med text, bilder och video som indata och text som utdata. Tillverkaren framhäver förbättrad objektigenkänning, spatial förståelse, multimodalt agentarbete och visuell kodning, med resonemang aktiverat som standard och ett valfritt direktläge.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Utgåvan Qwen3.7 Flash
Qwen3.7 Flash är en modellfamilj med inbyggd bild- och språkförståelse som tolkar text, bilder och video och ger textsvar. Tillverkarens utgåva beskriver bättre multimodal perception och agentkörning jämfört med Qwen3.6 Flash. Dess praktiska uppgiftsområde omfattar objektigenkänning, förståelse av visuella scener, resonemang om spatiala relationer och framtagning av kod eller förklaringar utifrån visuellt material.
Den officiella utgåvan namnger både qwen3.7-flash och den daterade qwen3.7-flash-2026-07-15. Behåll det exakta modellnamnet när ett resultat registreras: Flash-namnet utan datum identifierar inte en fast tillverkarversion. Beskrivningen som används här fastställer inget parameterantal eller någon numerisk representation för en öppen kontrollpunkt.
Objektigenkänning, verklighetsuppfattning och rum
Ge en scenbild med en konkret fråga: vilket objekt som är viktigt, vilken relation som ska undersökas och vilka synliga detaljer som ska stödja svaret. För ett diagram ska etiketter bevaras och definitioner som behövs för att tolka dem ges. Användbara utdata skiljer observationer från härledda relationer, vilket gör förklaringen lättare att jämföra med källan.
När flera bilder används ska varje bild märkas och en jämförelse organiserad efter etiketterna begäras. För video ska relevant händelse identifieras och sekvens- eller tidsinformation bevaras. Granska exakta antal, spatiala mått och observationer på bildrutenivå mot det tillhandahållna materialet.
Multimodala agenter
Utgåvan framhäver scenarier med Search Agent och kodtolksagenter, med stabilare körning i flera steg. I ett sådant flöde tillhandahåller applikationen tillåtna verktyg, utför deras åtgärder och returnerar observationerna. Modellen kan använda resultaten för att uppdatera planen. Beskriv målet och slutförandevillkoret och begär en slutartefakt plus eventuella olösta belägg. Producenten anger funktionsanrop, strukturerade utdata, prefixkomplettering och kontextcache. Webbsökning stöds i Peking och Singapore och stöds inte i övriga listade regioner. Batchinferens stöds för Peking-aliaset och stöds inte på andra platser; finjustering stöds inte.
En modells agentspecialisering ska inte förväxlas med inbyggd tillgång till aktuella källor eller en körmiljö i varje gränssnitt. När en uppgift kräver hämtning eller kodkörning ska resultatet från ett faktiskt verktyg skiljas från en föreslagen åtgärd i modellens text. Beskrivningen fastställer inte vilka verktyg en annan applikation exponerar.
Visuell kodning
Qwen beskriver förbättrad kodning med stöd av visuellt material. En användbar begäran kan kombinera en skärmbild eller layout med funktionskrav och be om redigerbar kod. Ange ramverk eller utdataform, interaktionstillstånd och begränsningar i uppgiften. Begär den genererade artefakten separat från förklaringen så att den kan granskas eller renderas i utvecklingsflödet.
För ett befintligt gränssnitt ska den avsedda ändringen och relevant källkontext identifieras i stället för att be om en orelaterad omdesign. Modellen kan koppla ett visuellt krav till ett kodförslag; förslaget bevisar inte att gränssnittet har renderats eller fungerar korrekt. Dessa uppgiftsexempel tillämpar tillverkarens område för visuell kodning utan att lägga till en körgaranti.
Resonemang och direkta svar
Tillverkarens guide över stödda modeller anger Qwen3.7 Flash som en familj med hybridresonemang där resonemang är aktiverat som standard. Det dokumenterade hybridflödet kan stänga av resonemang för ett direkt svar. Håll resonemangsutdata åtskilda från slutsvaret när ett gränssnitt tillhandahåller båda. Kontroller för en separat namngiven Qwen-Omni-modell eller en öppen tät modell ska inte importeras enbart för att de delar Qwen-namnet.
Använd djupare analys för en visuell fråga som kopplar flera observationer; begär ett direkt resultat för en enkel beskrivning. Ange en kontrollerbar slutstruktur, exempelvis en observationstabell, en kortfattad slutsats eller kodfiler, i stället för att förlita sig på svarslängd som kvalitetssignal.
Begränsningar och indataberedning
Alibabas särskilda sida för Qwen3.7-Flash anger en kontext på 1,000,000 token, högst 991,808 token indata för direkta svar eller 983,616 för resonemang och högst 131,072 utdata i båda lägena. Den anger separat en maximal resonemangskedja på 262,144 token. Håll relevanta visuella detaljer läsliga, trimma orelaterat material och reservera plats för det nödvändiga resultatet. Kontrollera objektetiketter, spatiala slutsatser, extraherad text och kodförslag mot tillhandahållna belägg. Den användbara beskrivningen är tillverkarens specifika område för perception, agenter och visuell kodning, med det hybrida svarsläget bevarat.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3.7-flash | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00006 / 1K token Utdata · Utdatatoken $0.00026 / 1K token Indata · Cacheläsning $0.000012 / 1K token Indata · Skrivning till cache $0.000076 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med32 000 | Avgift Indata · Indatatoken $0.00006 / 1K token Utdata · Utdatatoken $0.00026 / 1K token Indata · Cacheläsning $0.000012 / 1K token Indata · Skrivning till cache $0.000076 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än32 000 | Kontexttoken, upp till och med256 000 | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.00025 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 3 för begärans längd | Prislista— | Kontexttoken, fler än256 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0016 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen/qwen3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.7-flash', '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/qwen3.7-flash', '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/qwen3.7-flash
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.