Qwen3.7-Max 2026-06-08 är Alibabas namngivna ögonblicksversion från 8 juni av Max-modellen i Qwen3.7-familjen. Den utmärkande utgåveändringen är förståelse av visuella modaliteter som lagts till jämfört med ögonblicksversionen från 20 maj och stöder interaktion grundad i verkliga scener. Den tar emot text, bilder och video och genererar text. Familjens agentinriktade syfte omfattar programmering, kontors- och produktivitetsarbete samt långvariga uppgifter som kombinerar instruktioner med verktygsresultat.
Utgåvan spelar roll för visuella uppdrag. Det odaterade namnet Qwen3.7-Max dokumenteras som likvärdigt med den textbaserade ögonblicksversionen från 20 maj, medan juniversionens exakta modelltabell omfattar bild- och videoindata. För denna modell kan en skärmbild följa med en koduppgift eller en video tillhandahålla scenen som en skriftlig instruktion ber agenten analysera. Utdata är en förklaring, kod, en strukturerad post eller en instruktion för verktygsanrop snarare än genererade bilder, video eller tal.
Alibabas tankeguide anger uttryckligen denna juniversion som hybrid: tänkande är aktiverat som standard i producentens arbetsflöde och kan stängas av för ett direkt svar. Tankeläget producerar resonemang före svaret och kräver ytterligare resonemangstid. Guiden skiljer resonemangsinnehåll från slutsvaret och stöder bevarande av tillfört historiskt resonemang mellan turer för just denna modell. Bevarat resonemang blir en del av nästa indata, så en fortsatt uppgift måste budgetera det tillsammans med konversationen och källmaterialet.
Function Calling stöder en uppgift där applikationen tillhandahåller en fråga och definitioner av tillgängliga verktyg. Modellen returnerar en vald funktion och dess argument; applikationen kör funktionen, lägger verktygsresultatet till konversationen och ber modellen fortsätta. För en kodassistent definierar du verktyget för att läsa kodarkivet eller validera exakt och ber om den färdiga ändringen med dess stödjande resultat. Att beskriva ett verktyg skiljer sig från att köra det: den omgivande applikationen tillhandahåller åtkomsten och utför operationen.
Juniversionen anger också Structured Outputs, Web Search, Prefix Completion och Context Caching. Dessa stöder definierade utdataposter, sökassisterat arbete, fortsättning från en tillförd början och återanvändning av ett gemensamt indataprefix i tillverkarens arbetsflöde. För återkommande analys håller du det stabila dokumentet eller uppgiftsinstruktionerna i början och placerar den föränderliga frågan efter dem. Återanvändning av cache beror på arbetsflödets villkor; att modellen stöder cachelagring fastställer inte en träff för en viss begäran. Batchinferens och finjustering markeras som ej stödda för denna utgåva.
Den exakta junitabellen anger ett kontextfönster på 1 000 000 token. Maximala indata är 991 808 token i den vanliga profilen och 983 616 token i tankeläget; maximala utdata är 131 072 token i båda profilerna. Detta är separata gränser för kontext, indata och utdata. Omfattande källmaterial, konversationshistorik och visuellt innehåll måste fortfarande rymmas inom den tillämpliga indatagränsen, och utdatataket kräver inte att svaret använder så mycket utrymme.
För en praktisk gränssnittsuppgift lämnar du skärmbilden, relevanta källfragment, önskat beteende och en uttrycklig leverans. Ett illustrativt uppdrag är: ”Använd denna skärm och den bifogade komponenttexten för att förklara varför formulärets etiketter inte stämmer med arbetsflödet. Föreslå en fokuserad kodändring och lista de synliga element som motiverade den.” För en dokument- eller produktivitetsuppgift lämnar du källavsnitten, önskad slutpost och kriterier för vad som ska tas med. Numrera separata bilder och beskriv sambandet mellan dem så att textresultatet kan hänvisa tillbaka till beläggen.
För videoanalys identifierar du händelsen eller sekvensen som behövs, begär en kortfattad beskrivning och behåller tidsstämplarna i förberedda indata när resultatet måste identifiera ett visst ögonblick. I Alibabas filarbetsflöde får en URL-bild vara upp till 20 MB; URL-video får vara upp till 2 GB och från 2 sekunder till 2 timmar. Base64-video måste vara mindre än 10 MB efter kodning. Håll filgränserna åtskilda från tokenbudgeten. Om ljud är nödvändigt lämnar du en transkription som text; denna ögonblicksversions indatatabell anger inte ljud. I en längre agentuppgift specificerar du slutleveransen, de tillåtna verktygen och vilket resultat som ska räknas som slutförande. Den förberedelsen styr modellen mot en granskningsbar textleverans i stället för en obestämd sekvens av mellanliggande förslag.
", "aboutText": "Qwen3.7-Max 2026-06-08 är Alibabas namngivna ögonblicksversion från 8 juni av Max-modellen i Qwen3.7-familjen. Den utmärkande utgåveändringen är förståelse av visuella modaliteter som lagts till jämfört med ögonblicksversionen från 20 maj och stöder interaktion grundad i verkliga scener. Den tar emot text, bilder och video och genererar text. Familjens agentinriktade syfte omfattar programmering, kontors- och produktivitetsarbete samt långvariga uppgifter som kombinerar instruktioner med verktygsresultat.\n\nUtgåvan spelar roll för visuella uppdrag. Det odaterade namnet Qwen3.7-Max dokumenteras som likvärdigt med den textbaserade ögonblicksversionen från 20 maj, medan juniversionens exakta modelltabell omfattar bild- och videoindata. För denna modell kan en skärmbild följa med en koduppgift eller en video tillhandahålla scenen som en skriftlig instruktion ber agenten analysera. Utdata är en förklaring, kod, en strukturerad post eller en instruktion för verktygsanrop snarare än genererade bilder, video eller tal.\n\nAlibabas tankeguide anger uttryckligen denna juniversion som hybrid: tänkande är aktiverat som standard i producentens arbetsflöde och kan stängas av för ett direkt svar. Tankeläget producerar resonemang före svaret och kräver ytterligare resonemangstid. Guiden skiljer resonemangsinnehåll från slutsvaret och stöder bevarande av tillfört historiskt resonemang mellan turer för just denna modell. Bevarat resonemang blir en del av nästa indata, så en fortsatt uppgift måste budgetera det tillsammans med konversationen och källmaterialet.\n\nFunction Calling stöder en uppgift där applikationen tillhandahåller en fråga och definitioner av tillgängliga verktyg. Modellen returnerar en vald funktion och dess argument; applikationen kör funktionen, lägger verktygsresultatet till konversationen och ber modellen fortsätta. För en kodassistent definierar du verktyget för att läsa kodarkivet eller validera exakt och ber om den färdiga ändringen med dess stödjande resultat. Att beskriva ett verktyg skiljer sig från att köra det: den omgivande applikationen tillhandahåller åtkomsten och utför operationen.\n\nJuniversionen anger också Structured Outputs, Web Search, Prefix Completion och Context Caching. Dessa stöder definierade utdataposter, sökassisterat arbete, fortsättning från en tillförd början och återanvändning av ett gemensamt indataprefix i tillverkarens arbetsflöde. För återkommande analys håller du det stabila dokumentet eller uppgiftsinstruktionerna i början och placerar den föränderliga frågan efter dem. Återanvändning av cache beror på arbetsflödets villkor; att modellen stöder cachelagring fastställer inte en träff för en viss begäran. Batchinferens och finjustering markeras som ej stödda för denna utgåva.\n\nDen exakta junitabellen anger ett kontextfönster på 1 000 000 token. Maximala indata är 991 808 token i den vanliga profilen och 983 616 token i tankeläget; maximala utdata är 131 072 token i båda profilerna. Detta är separata gränser för kontext, indata och utdata. Omfattande källmaterial, konversationshistorik och visuellt innehåll måste fortfarande rymmas inom den tillämpliga indatagränsen, och utdatataket kräver inte att svaret använder så mycket utrymme.\n\nFör en praktisk gränssnittsuppgift lämnar du skärmbilden, relevanta källfragment, önskat beteende och en uttrycklig leverans. Ett illustrativt uppdrag är: ”Använd denna skärm och den bifogade komponenttexten för att förklara varför formulärets etiketter inte stämmer med arbetsflödet. Föreslå en fokuserad kodändring och lista de synliga element som motiverade den.” För en dokument- eller produktivitetsuppgift lämnar du källavsnitten, önskad slutpost och kriterier för vad som ska tas med. Numrera separata bilder och beskriv sambandet mellan dem så att textresultatet kan hänvisa tillbaka till beläggen.\n\nFör videoanalys identifierar du händelsen eller sekvensen som behövs, begär en kortfattad beskrivning och behåller tidsstämplarna i förberedda indata när resultatet måste identifiera ett visst ögonblick. I Alibabas filarbetsflöde får en URL-bild vara upp till 20 MB; URL-video får vara upp till 2 GB och från 2 sekunder till 2 timmar. Base64-video måste vara mindre än 10 MB efter kodning. Håll filgränserna åtskilda från tokenbudgeten. Om ljud är nödvändigt lämnar du en transkription som text; denna ögonblicksversions indatatabell anger inte ljud. I en längre agentuppgift specificerar du slutleveransen, de tillåtna verktygen och vilket resultat som ska räknas som slutförande. Den förberedelsen styr modellen mot en granskningsbar textleverans i stället för en obestämd sekvens av mellanliggande förslag.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 kombinerar förståelse av text, bilder och video med ett agentinriktat textarbetsflöde. Denna namngivna ögonblicksversion tillför synförmåga till majutgåvan, stöder hybridtänkande och verktyg och har en kontext på en miljon token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3.7-Max 2026-06-08 är Alibabas namngivna ögonblicksversion från 8 juni av Max-modellen i Qwen3.7-familjen. Den utmärkande utgåveändringen är förståelse av visuella modaliteter som lagts till jämfört med ögonblicksversionen från 20 maj och stöder interaktion grundad i verkliga scener. Den tar emot text, bilder och video och genererar text. Familjens agentinriktade syfte omfattar programmering, kontors- och produktivitetsarbete samt långvariga uppgifter som kombinerar instruktioner med verktygsresultat.
Utgåvan spelar roll för visuella uppdrag. Det odaterade namnet Qwen3.7-Max dokumenteras som likvärdigt med den textbaserade ögonblicksversionen från 20 maj, medan juniversionens exakta modelltabell omfattar bild- och videoindata. För denna modell kan en skärmbild följa med en koduppgift eller en video tillhandahålla scenen som en skriftlig instruktion ber agenten analysera. Utdata är en förklaring, kod, en strukturerad post eller en instruktion för verktygsanrop snarare än genererade bilder, video eller tal.
Alibabas tankeguide anger uttryckligen denna juniversion som hybrid: tänkande är aktiverat som standard i producentens arbetsflöde och kan stängas av för ett direkt svar. Tankeläget producerar resonemang före svaret och kräver ytterligare resonemangstid. Guiden skiljer resonemangsinnehåll från slutsvaret och stöder bevarande av tillfört historiskt resonemang mellan turer för just denna modell. Bevarat resonemang blir en del av nästa indata, så en fortsatt uppgift måste budgetera det tillsammans med konversationen och källmaterialet.
Function Calling stöder en uppgift där applikationen tillhandahåller en fråga och definitioner av tillgängliga verktyg. Modellen returnerar en vald funktion och dess argument; applikationen kör funktionen, lägger verktygsresultatet till konversationen och ber modellen fortsätta. För en kodassistent definierar du verktyget för att läsa kodarkivet eller validera exakt och ber om den färdiga ändringen med dess stödjande resultat. Att beskriva ett verktyg skiljer sig från att köra det: den omgivande applikationen tillhandahåller åtkomsten och utför operationen.
Juniversionen anger också Structured Outputs, Web Search, Prefix Completion och Context Caching. Dessa stöder definierade utdataposter, sökassisterat arbete, fortsättning från en tillförd början och återanvändning av ett gemensamt indataprefix i tillverkarens arbetsflöde. För återkommande analys håller du det stabila dokumentet eller uppgiftsinstruktionerna i början och placerar den föränderliga frågan efter dem. Återanvändning av cache beror på arbetsflödets villkor; att modellen stöder cachelagring fastställer inte en träff för en viss begäran. Batchinferens och finjustering markeras som ej stödda för denna utgåva.
Den exakta junitabellen anger ett kontextfönster på 1 000 000 token. Maximala indata är 991 808 token i den vanliga profilen och 983 616 token i tankeläget; maximala utdata är 131 072 token i båda profilerna. Detta är separata gränser för kontext, indata och utdata. Omfattande källmaterial, konversationshistorik och visuellt innehåll måste fortfarande rymmas inom den tillämpliga indatagränsen, och utdatataket kräver inte att svaret använder så mycket utrymme.
För en praktisk gränssnittsuppgift lämnar du skärmbilden, relevanta källfragment, önskat beteende och en uttrycklig leverans. Ett illustrativt uppdrag är: ”Använd denna skärm och den bifogade komponenttexten för att förklara varför formulärets etiketter inte stämmer med arbetsflödet. Föreslå en fokuserad kodändring och lista de synliga element som motiverade den.” För en dokument- eller produktivitetsuppgift lämnar du källavsnitten, önskad slutpost och kriterier för vad som ska tas med. Numrera separata bilder och beskriv sambandet mellan dem så att textresultatet kan hänvisa tillbaka till beläggen.
För videoanalys identifierar du händelsen eller sekvensen som behövs, begär en kortfattad beskrivning och behåller tidsstämplarna i förberedda indata när resultatet måste identifiera ett visst ögonblick. I Alibabas filarbetsflöde får en URL-bild vara upp till 20 MB; URL-video får vara upp till 2 GB och från 2 sekunder till 2 timmar. Base64-video måste vara mindre än 10 MB efter kodning. Håll filgränserna åtskilda från tokenbudgeten. Om ljud är nödvändigt lämnar du en transkription som text; denna ögonblicksversions indatatabell anger inte ljud. I en längre agentuppgift specificerar du slutleveransen, de tillåtna verktygen och vilket resultat som ska räknas som slutförande. Den förberedelsen styr modellen mot en granskningsbar textleverans i stället för en obestämd sekvens av mellanliggande förslag.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K token Utdata · Utdatatoken $0.0106 / 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": "qwen3.7-max-2026-06-08", "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='qwen3.7-max-2026-06-08',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='qwen3.7-max-2026-06-08',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 qwen3.7-max-2026-06-08
Använd metodsökvägarna som visas ovan.
qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 kombinerar förståelse av text, bilder och video med ett agentinriktat textarbetsflöde. Denna namngivna ögonblicksversion tillför synförmåga till majutgåvan, stöder hybridtänkande och verktyg och har en kontext på en miljon token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3.7-Max 2026-06-08 är Alibabas namngivna ögonblicksversion från 8 juni av Max-modellen i Qwen3.7-familjen. Den utmärkande utgåveändringen är förståelse av visuella modaliteter som lagts till jämfört med ögonblicksversionen från 20 maj och stöder interaktion grundad i verkliga scener. Den tar emot text, bilder och video och genererar text. Familjens agentinriktade syfte omfattar programmering, kontors- och produktivitetsarbete samt långvariga uppgifter som kombinerar instruktioner med verktygsresultat.
Utgåvan spelar roll för visuella uppdrag. Det odaterade namnet Qwen3.7-Max dokumenteras som likvärdigt med den textbaserade ögonblicksversionen från 20 maj, medan juniversionens exakta modelltabell omfattar bild- och videoindata. För denna modell kan en skärmbild följa med en koduppgift eller en video tillhandahålla scenen som en skriftlig instruktion ber agenten analysera. Utdata är en förklaring, kod, en strukturerad post eller en instruktion för verktygsanrop snarare än genererade bilder, video eller tal.
Alibabas tankeguide anger uttryckligen denna juniversion som hybrid: tänkande är aktiverat som standard i producentens arbetsflöde och kan stängas av för ett direkt svar. Tankeläget producerar resonemang före svaret och kräver ytterligare resonemangstid. Guiden skiljer resonemangsinnehåll från slutsvaret och stöder bevarande av tillfört historiskt resonemang mellan turer för just denna modell. Bevarat resonemang blir en del av nästa indata, så en fortsatt uppgift måste budgetera det tillsammans med konversationen och källmaterialet.
Function Calling stöder en uppgift där applikationen tillhandahåller en fråga och definitioner av tillgängliga verktyg. Modellen returnerar en vald funktion och dess argument; applikationen kör funktionen, lägger verktygsresultatet till konversationen och ber modellen fortsätta. För en kodassistent definierar du verktyget för att läsa kodarkivet eller validera exakt och ber om den färdiga ändringen med dess stödjande resultat. Att beskriva ett verktyg skiljer sig från att köra det: den omgivande applikationen tillhandahåller åtkomsten och utför operationen.
Juniversionen anger också Structured Outputs, Web Search, Prefix Completion och Context Caching. Dessa stöder definierade utdataposter, sökassisterat arbete, fortsättning från en tillförd början och återanvändning av ett gemensamt indataprefix i tillverkarens arbetsflöde. För återkommande analys håller du det stabila dokumentet eller uppgiftsinstruktionerna i början och placerar den föränderliga frågan efter dem. Återanvändning av cache beror på arbetsflödets villkor; att modellen stöder cachelagring fastställer inte en träff för en viss begäran. Batchinferens och finjustering markeras som ej stödda för denna utgåva.
Den exakta junitabellen anger ett kontextfönster på 1 000 000 token. Maximala indata är 991 808 token i den vanliga profilen och 983 616 token i tankeläget; maximala utdata är 131 072 token i båda profilerna. Detta är separata gränser för kontext, indata och utdata. Omfattande källmaterial, konversationshistorik och visuellt innehåll måste fortfarande rymmas inom den tillämpliga indatagränsen, och utdatataket kräver inte att svaret använder så mycket utrymme.
För en praktisk gränssnittsuppgift lämnar du skärmbilden, relevanta källfragment, önskat beteende och en uttrycklig leverans. Ett illustrativt uppdrag är: ”Använd denna skärm och den bifogade komponenttexten för att förklara varför formulärets etiketter inte stämmer med arbetsflödet. Föreslå en fokuserad kodändring och lista de synliga element som motiverade den.” För en dokument- eller produktivitetsuppgift lämnar du källavsnitten, önskad slutpost och kriterier för vad som ska tas med. Numrera separata bilder och beskriv sambandet mellan dem så att textresultatet kan hänvisa tillbaka till beläggen.
För videoanalys identifierar du händelsen eller sekvensen som behövs, begär en kortfattad beskrivning och behåller tidsstämplarna i förberedda indata när resultatet måste identifiera ett visst ögonblick. I Alibabas filarbetsflöde får en URL-bild vara upp till 20 MB; URL-video får vara upp till 2 GB och från 2 sekunder till 2 timmar. Base64-video måste vara mindre än 10 MB efter kodning. Håll filgränserna åtskilda från tokenbudgeten. Om ljud är nödvändigt lämnar du en transkription som text; denna ögonblicksversions indatatabell anger inte ljud. I en längre agentuppgift specificerar du slutleveransen, de tillåtna verktygen och vilket resultat som ska räknas som slutförande. Den förberedelsen styr modellen mot en granskningsbar textleverans i stället för en obestämd sekvens av mellanliggande förslag.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K token Utdata · Utdatatoken $0.0106 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen3.7-max-2026-06-08",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.7-max-2026-06-08', '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': 'qwen3.7-max-2026-06-08', '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 qwen3.7-max-2026-06-08
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.