Qwen3.5-Flash är en Qwen3.5-modell för textförståelse och visuell förståelse. Den tar emot text, bilder och video och returnerar text. Tillverkarens modelltabeller anger en kontext på 1 miljon token, tankestöd, funktionsanrop, inbyggda verktyg och strukturerade utdata.
För en supportförklaring kombinerar du den skriftliga frågan med en skärmbild eller relevant visuell källa. Identifiera etiketter, objekt eller regionen som spelar roll och definiera läsarens mål. Be om ett kortfattat textsvar kopplat till det som syns och håll osäkra detaljer åtskilda från observationerna.
För en inspelad sekvens avgränsar du det händelseförlopp som är relevant för frågan och bevarar ordningen. Begär de synliga händelserna och beläggen som stöder förklaringen. Om frågan beror på tal lämnar du den nödvändiga transkriptionen som text tillsammans med det visuella materialet.
I en integration med funktionsstöd definierar applikationen den tillgängliga åtgärden och indatafälten, kör ett valt anrop och returnerar resultatet. Inbyggda verktyg är en separat funktion på tillverkarsidan. Integrationen avgör vilka reglage den exponerar. För ett strukturerat svar definierar du obligatoriska fält och hantering av saknade värden och validerar sedan både det returnerade innehållet och formen.
Tillverkarens tabell för visuella modeller anger ett svarsutrymme på 64K, upp till 256 bilder och 64 videor för denna namngivna modell. Det dokumenterade videoarbetsflödet stöder filer på upp till två timmar och 2 GB. Detta är gränser för tillverkarens arbetsflöde, och allt tillfört material delar fortfarande kontextbudgeten. Förbered läsbart källmaterial, behåll dess beteckningar och använd gränserna som det valda gränssnittet exponerar när du planerar den faktiska begäran.
Välj resultatet som ska tas fram: en analysanteckning, extraherade fält, ett bearbetat avsnitt eller en förklaring av det visuella materialet. Be om beläggen som stöder viktiga detaljer och granska svaret mot källorna. Den returnerade leveransen är text; åtgärder och filoperationer i ett anslutet arbetsflöde har egna körresultat.
", "aboutText": "Qwen3.5-Flash är en Qwen3.5-modell för textförståelse och visuell förståelse. Den tar emot text, bilder och video och returnerar text. Tillverkarens modelltabeller anger en kontext på 1 miljon token, tankestöd, funktionsanrop, inbyggda verktyg och strukturerade utdata.\n\n### Förbered förklaringar med blandade medier och supportsvar\n\nFör en supportförklaring kombinerar du den skriftliga frågan med en skärmbild eller relevant visuell källa. Identifiera etiketter, objekt eller regionen som spelar roll och definiera läsarens mål. Be om ett kortfattat textsvar kopplat till det som syns och håll osäkra detaljer åtskilda från observationerna.\n\n### Välj en tydlig utdatabeskrivning\n\nFör en inspelad sekvens avgränsar du det händelseförlopp som är relevant för frågan och bevarar ordningen. Begär de synliga händelserna och beläggen som stöder förklaringen. Om frågan beror på tal lämnar du den nödvändiga transkriptionen som text tillsammans med det visuella materialet.\n\n### Koppla verktyg till faktiska resultat\n\nI en integration med funktionsstöd definierar applikationen den tillgängliga åtgärden och indatafälten, kör ett valt anrop och returnerar resultatet. Inbyggda verktyg är en separat funktion på tillverkarsidan. Integrationen avgör vilka reglage den exponerar. För ett strukturerat svar definierar du obligatoriska fält och hantering av saknade värden och validerar sedan både det returnerade innehållet och formen.\n\n### Planera visuella indata och textindata tillsammans\n\nTillverkarens tabell för visuella modeller anger ett svarsutrymme på 64K, upp till 256 bilder och 64 videor för denna namngivna modell. Det dokumenterade videoarbetsflödet stöder filer på upp till två timmar och 2 GB. Detta är gränser för tillverkarens arbetsflöde, och allt tillfört material delar fortfarande kontextbudgeten. Förbered läsbart källmaterial, behåll dess beteckningar och använd gränserna som det valda gränssnittet exponerar när du planerar den faktiska begäran.\n\n### Granska textleveransen\n\nVälj resultatet som ska tas fram: en analysanteckning, extraherade fält, ett bearbetat avsnitt eller en förklaring av det visuella materialet. Be om beläggen som stöder viktiga detaljer och granska svaret mot källorna. Den returnerade leveransen är text; åtgärder och filoperationer i ett anslutet arbetsflöde har egna körresultat.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Explain a recorded interface state\n\nDraft a support explanation from this text observation: "Upload panel shows file orders.csv, status Failed, message Required column sku missing. Retry button visible." Explain what the user should check in the CSV before retrying. Keep the error wording and filename, and do not claim to inspect or modify the file or interact with the interface.A concise explanation with the recorded error and a proposed file-check step before retry.Check that the advice addresses the missing sku column and does not claim a successful retry.qwen3.5-flashQwen3.5-Flash kombinerar text, bilder och video för att producera text till förklaringar med blandade medier och supportsvar. Tillverkaren dokumenterar en kontext på 1 miljon token, tankestöd samt valfria funktioner för verktyg och strukturerade svar.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3.5-Flash är en Qwen3.5-modell för textförståelse och visuell förståelse. Den tar emot text, bilder och video och returnerar text. Tillverkarens modelltabeller anger en kontext på 1 miljon token, tankestöd, funktionsanrop, inbyggda verktyg och strukturerade utdata.
För en supportförklaring kombinerar du den skriftliga frågan med en skärmbild eller relevant visuell källa. Identifiera etiketter, objekt eller regionen som spelar roll och definiera läsarens mål. Be om ett kortfattat textsvar kopplat till det som syns och håll osäkra detaljer åtskilda från observationerna.
För en inspelad sekvens avgränsar du det händelseförlopp som är relevant för frågan och bevarar ordningen. Begär de synliga händelserna och beläggen som stöder förklaringen. Om frågan beror på tal lämnar du den nödvändiga transkriptionen som text tillsammans med det visuella materialet.
I en integration med funktionsstöd definierar applikationen den tillgängliga åtgärden och indatafälten, kör ett valt anrop och returnerar resultatet. Inbyggda verktyg är en separat funktion på tillverkarsidan. Integrationen avgör vilka reglage den exponerar. För ett strukturerat svar definierar du obligatoriska fält och hantering av saknade värden och validerar sedan både det returnerade innehållet och formen.
Tillverkarens tabell för visuella modeller anger ett svarsutrymme på 64K, upp till 256 bilder och 64 videor för denna namngivna modell. Det dokumenterade videoarbetsflödet stöder filer på upp till två timmar och 2 GB. Detta är gränser för tillverkarens arbetsflöde, och allt tillfört material delar fortfarande kontextbudgeten. Förbered läsbart källmaterial, behåll dess beteckningar och använd gränserna som det valda gränssnittet exponerar när du planerar den faktiska begäran.
Välj resultatet som ska tas fram: en analysanteckning, extraherade fält, ett bearbetat avsnitt eller en förklaring av det visuella materialet. Be om beläggen som stöder viktiga detaljer och granska svaret mot källorna. Den returnerade leveransen är text; åtgärder och filoperationer i ett anslutet arbetsflöde har egna körresultat.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen3.5-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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00006 / 1K token Utdata · Utdatatoken $0.00058 / 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": "qwen3.5-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='qwen3.5-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='qwen3.5-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 qwen3.5-flash
Använd metodsökvägarna som visas ovan.
qwen3.5-flashQwen3.5-Flash kombinerar text, bilder och video för att producera text till förklaringar med blandade medier och supportsvar. Tillverkaren dokumenterar en kontext på 1 miljon token, tankestöd samt valfria funktioner för verktyg och strukturerade svar.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3.5-Flash är en Qwen3.5-modell för textförståelse och visuell förståelse. Den tar emot text, bilder och video och returnerar text. Tillverkarens modelltabeller anger en kontext på 1 miljon token, tankestöd, funktionsanrop, inbyggda verktyg och strukturerade utdata.
För en supportförklaring kombinerar du den skriftliga frågan med en skärmbild eller relevant visuell källa. Identifiera etiketter, objekt eller regionen som spelar roll och definiera läsarens mål. Be om ett kortfattat textsvar kopplat till det som syns och håll osäkra detaljer åtskilda från observationerna.
För en inspelad sekvens avgränsar du det händelseförlopp som är relevant för frågan och bevarar ordningen. Begär de synliga händelserna och beläggen som stöder förklaringen. Om frågan beror på tal lämnar du den nödvändiga transkriptionen som text tillsammans med det visuella materialet.
I en integration med funktionsstöd definierar applikationen den tillgängliga åtgärden och indatafälten, kör ett valt anrop och returnerar resultatet. Inbyggda verktyg är en separat funktion på tillverkarsidan. Integrationen avgör vilka reglage den exponerar. För ett strukturerat svar definierar du obligatoriska fält och hantering av saknade värden och validerar sedan både det returnerade innehållet och formen.
Tillverkarens tabell för visuella modeller anger ett svarsutrymme på 64K, upp till 256 bilder och 64 videor för denna namngivna modell. Det dokumenterade videoarbetsflödet stöder filer på upp till två timmar och 2 GB. Detta är gränser för tillverkarens arbetsflöde, och allt tillfört material delar fortfarande kontextbudgeten. Förbered läsbart källmaterial, behåll dess beteckningar och använd gränserna som det valda gränssnittet exponerar när du planerar den faktiska begäran.
Välj resultatet som ska tas fram: en analysanteckning, extraherade fält, ett bearbetat avsnitt eller en förklaring av det visuella materialet. Be om beläggen som stöder viktiga detaljer och granska svaret mot källorna. Den returnerade leveransen är text; åtgärder och filoperationer i ett anslutet arbetsflöde har egna körresultat.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen3.5-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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00006 / 1K token Utdata · Utdatatoken $0.00058 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.5-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': 'qwen3.5-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 qwen3.5-flash
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Explain a recorded interface state\n\nDraft a support explanation from this text observation: "Upload panel shows file orders.csv, status Failed, message Required column sku missing. Retry button visible." Explain what the user should check in the CSV before retrying. Keep the error wording and filename, and do not claim to inspect or modify the file or interact with the interface.A concise explanation with the recorded error and a proposed file-check step before retry.Check that the advice addresses the missing sku column and does not claim a successful retry.