Översikt: Qwen2.5-baserat resonemang
QwQ-Plus är den förbättrade QwQ-resonemangsmodellen byggd på Qwen2.5. Qwen beskriver förstärkningsinlärning som metoden för att stärka modellens resonemang, särskilt inom matematik och programmering, tillsammans med allmänna uppgifter för instruktionsföljning. Den tar emot text och returnerar text. Välj den när arbetet kräver en förklarad lösning, jämförelse eller ett kodförslag som kan kontrolleras mot de tillförda villkoren.
Detta är modellinjen QwQ-Plus. Namnet fastställer inte parameterantalet eller viktidentiteten för en öppen QwQ-kontrollpunkt, och ett leverantörsnamn som innehåller latest ska inte tyst bli en bestämd daterad revision. Använd den exakt begärda modellidentiteten när du jämför utdata eller bevarar repeterbar dokumentation av en uppgift.
Förbered matematiskt och logiskt arbete
Lämna hela problemformuleringen, definitioner, enheter och tillåtna antaganden. Be om slutsvaret i en tydligt avgränsad form och begär sedan ekvationerna eller de logiska steg som behövs för att stödja det. För ett planeringsproblem med begränsningar anger du genomförbara val och utvärderingskriterier separat och begär en tabell som visar vilka villkor varje val uppfyller. För en pedagogisk granskning tar du med elevens lösningsförsök och ber modellen identifiera det första steget utan stöd i stället för att skriva om hela övningen utan förklaring.
Detta är praktiska tillämpningar av modellens dokumenterade resonemangsfokus. Den användbara leveransen är ett kontrollerbart resultat: ett värde med enheter, en slutsats med premisser eller en jämförelse kopplad till de angivna kriterierna. Mer förklarande text fastställer inte i sig en korrekt slutsats, så håll antagandena synliga och jämför slutresultatet med den ursprungliga frågan.
Förbered programmeringsarbete
Lämna relevant kod, de indata som visar problemet, observerade utdata och önskat beteende. Be om en föreslagen ändring, en förklaring till varför den hanterar dessa indata och gränsfall som fortfarande behöver kontrolleras. För en algoritmfråga anger du indatabegränsningar och önskade utdata innan du ber om en metod. Skilj genererad kod från kod som faktiskt har körts i applikationens miljö.
Ett användbart svar kan skilja diagnosen, patchen och det förväntade beteendet åt. När en liten ändring behövs begär du en kompakt patch i stället för ett omskrivet projekt. Dessa exempel är författade sätt att tillämpa QwQ-Plus specialisering inom matematik och kodning; de är inget extra verktyg eller någon ytterligare körförmåga.
Gränser för kontext och svar
Den exakta modellspecifikationen anger ett kontextfönster på 131 072 token, maximala indata på 98 304 token och maximala utdata på 8 192 token. Detta är separata producentgränser. Gör inte den aritmetiska skillnaden mellan dem till ett odokumenterat garanterat resonemangsutrymme. Källtext, konversationshistorik och svaret måste rymmas inom de tillämpliga konfigurerade gränserna.
För en lång specifikation eller ett kodutdrag behåller du relevanta avsnitts- och funktionsidentifierare och ber modellen hänvisa till dem i förklaringen. Ta bort orelaterat material före inlämning och reservera tillräckligt utrymme för utdata till den nödvändiga slutsatsen. Ett stort kontextfönster är användbart för att tillföra fler villkor tillsammans; det lovar inte att varje uppgift blir ihågkommen eller varje beroende förstått.
Verktyg, formatering och modellspecifika gränser
Tillverkarens driftsättningsmatris anger funktionsanrop och webbsökning i vissa konfigurationer och markerar dem som ej stödda i en annan. De är därför villkorade förmågor, inte funktioner som kan utlovas utifrån modellnamnet ensamt. Samma matris stöder batchinferens i vissa tillverkarkonfigurationer. Ett verktygsassisterat arbetsflöde måste tillhandahålla de faktiska verktygen och återföra deras resultat till textuppgiften. Denna beskrivning fastställer inte vilka verktyg en applikation har tillgängliga.
Framtvingade strukturerade utdata markeras som ej stödda. En prompt kan fortfarande begära en tabell eller ett svar i JSON-form, men applikationen måste granska resultatet i stället för att behandla begäran som schematvång. Den exakta modellsidan beskriver en resonemangsspecialisering utan att tillhandahålla ett modellspecifikt kontrakt för växling mellan svar med och utan tänkande; reglage som dokumenteras för nyare Qwen-generationer ska inte föras in i denna utgåva.
Håll slutsvaret lätt att granska, kontrollera beräkningar mot de angivna enheterna och granska kodförslag före körning. QwQ-Plus praktiska roll är att arbeta igenom ett svårt textproblem och returnera en användbar förklaring eller leverans inom sina egna dokumenterade gränser.
", "aboutText": "Översikt: Qwen2.5-baserat resonemang\n\nQwQ-Plus är den förbättrade QwQ-resonemangsmodellen byggd på Qwen2.5. Qwen beskriver förstärkningsinlärning som metoden för att stärka modellens resonemang, särskilt inom matematik och programmering, tillsammans med allmänna uppgifter för instruktionsföljning. Den tar emot text och returnerar text. Välj den när arbetet kräver en förklarad lösning, jämförelse eller ett kodförslag som kan kontrolleras mot de tillförda villkoren.\n\nDetta är modellinjen QwQ-Plus. Namnet fastställer inte parameterantalet eller viktidentiteten för en öppen QwQ-kontrollpunkt, och ett leverantörsnamn som innehåller latest ska inte tyst bli en bestämd daterad revision. Använd den exakt begärda modellidentiteten när du jämför utdata eller bevarar repeterbar dokumentation av en uppgift.\n\nFörbered matematiskt och logiskt arbete\n\nLämna hela problemformuleringen, definitioner, enheter och tillåtna antaganden. Be om slutsvaret i en tydligt avgränsad form och begär sedan ekvationerna eller de logiska steg som behövs för att stödja det. För ett planeringsproblem med begränsningar anger du genomförbara val och utvärderingskriterier separat och begär en tabell som visar vilka villkor varje val uppfyller. För en pedagogisk granskning tar du med elevens lösningsförsök och ber modellen identifiera det första steget utan stöd i stället för att skriva om hela övningen utan förklaring.\n\nDetta är praktiska tillämpningar av modellens dokumenterade resonemangsfokus. Den användbara leveransen är ett kontrollerbart resultat: ett värde med enheter, en slutsats med premisser eller en jämförelse kopplad till de angivna kriterierna. Mer förklarande text fastställer inte i sig en korrekt slutsats, så håll antagandena synliga och jämför slutresultatet med den ursprungliga frågan.\n\nFörbered programmeringsarbete\n\nLämna relevant kod, de indata som visar problemet, observerade utdata och önskat beteende. Be om en föreslagen ändring, en förklaring till varför den hanterar dessa indata och gränsfall som fortfarande behöver kontrolleras. För en algoritmfråga anger du indatabegränsningar och önskade utdata innan du ber om en metod. Skilj genererad kod från kod som faktiskt har körts i applikationens miljö.\n\nEtt användbart svar kan skilja diagnosen, patchen och det förväntade beteendet åt. När en liten ändring behövs begär du en kompakt patch i stället för ett omskrivet projekt. Dessa exempel är författade sätt att tillämpa QwQ-Plus specialisering inom matematik och kodning; de är inget extra verktyg eller någon ytterligare körförmåga.\n\nGränser för kontext och svar\n\nDen exakta modellspecifikationen anger ett kontextfönster på 131 072 token, maximala indata på 98 304 token och maximala utdata på 8 192 token. Detta är separata producentgränser. Gör inte den aritmetiska skillnaden mellan dem till ett odokumenterat garanterat resonemangsutrymme. Källtext, konversationshistorik och svaret måste rymmas inom de tillämpliga konfigurerade gränserna.\n\nFör en lång specifikation eller ett kodutdrag behåller du relevanta avsnitts- och funktionsidentifierare och ber modellen hänvisa till dem i förklaringen. Ta bort orelaterat material före inlämning och reservera tillräckligt utrymme för utdata till den nödvändiga slutsatsen. Ett stort kontextfönster är användbart för att tillföra fler villkor tillsammans; det lovar inte att varje uppgift blir ihågkommen eller varje beroende förstått.\n\nVerktyg, formatering och modellspecifika gränser\n\nTillverkarens driftsättningsmatris anger funktionsanrop och webbsökning i vissa konfigurationer och markerar dem som ej stödda i en annan. De är därför villkorade förmågor, inte funktioner som kan utlovas utifrån modellnamnet ensamt. Samma matris stöder batchinferens i vissa tillverkarkonfigurationer. Ett verktygsassisterat arbetsflöde måste tillhandahålla de faktiska verktygen och återföra deras resultat till textuppgiften. Denna beskrivning fastställer inte vilka verktyg en applikation har tillgängliga.\n\nFramtvingade strukturerade utdata markeras som ej stödda. En prompt kan fortfarande begära en tabell eller ett svar i JSON-form, men applikationen måste granska resultatet i stället för att behandla begäran som schematvång. Den exakta modellsidan beskriver en resonemangsspecialisering utan att tillhandahålla ett modellspecifikt kontrakt för växling mellan svar med och utan tänkande; reglage som dokumenteras för nyare Qwen-generationer ska inte föras in i denna utgåva.\n\nHåll slutsvaret lätt att granska, kontrollera beräkningar mot de angivna enheterna och granska kodförslag före körning. QwQ-Plus praktiska roll är att arbeta igenom ett svårt textproblem och returnera en användbar förklaring eller leverans inom sina egna dokumenterade gränser.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.qwq-plusQwQ-Plus är Qwens Qwen2.5-baserade resonemangsmodell, förstärkt genom förstärkningsinlärning för matematiska, kodningsrelaterade och logiska textuppgifter. Dess särskilda specifikation anger en kontext på 131 072 token, maximala indata på 98 304 token och maximala utdata på 8 192 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Översikt: Qwen2.5-baserat resonemang
QwQ-Plus är den förbättrade QwQ-resonemangsmodellen byggd på Qwen2.5. Qwen beskriver förstärkningsinlärning som metoden för att stärka modellens resonemang, särskilt inom matematik och programmering, tillsammans med allmänna uppgifter för instruktionsföljning. Den tar emot text och returnerar text. Välj den när arbetet kräver en förklarad lösning, jämförelse eller ett kodförslag som kan kontrolleras mot de tillförda villkoren.
Detta är modellinjen QwQ-Plus. Namnet fastställer inte parameterantalet eller viktidentiteten för en öppen QwQ-kontrollpunkt, och ett leverantörsnamn som innehåller latest ska inte tyst bli en bestämd daterad revision. Använd den exakt begärda modellidentiteten när du jämför utdata eller bevarar repeterbar dokumentation av en uppgift.
Förbered matematiskt och logiskt arbete
Lämna hela problemformuleringen, definitioner, enheter och tillåtna antaganden. Be om slutsvaret i en tydligt avgränsad form och begär sedan ekvationerna eller de logiska steg som behövs för att stödja det. För ett planeringsproblem med begränsningar anger du genomförbara val och utvärderingskriterier separat och begär en tabell som visar vilka villkor varje val uppfyller. För en pedagogisk granskning tar du med elevens lösningsförsök och ber modellen identifiera det första steget utan stöd i stället för att skriva om hela övningen utan förklaring.
Detta är praktiska tillämpningar av modellens dokumenterade resonemangsfokus. Den användbara leveransen är ett kontrollerbart resultat: ett värde med enheter, en slutsats med premisser eller en jämförelse kopplad till de angivna kriterierna. Mer förklarande text fastställer inte i sig en korrekt slutsats, så håll antagandena synliga och jämför slutresultatet med den ursprungliga frågan.
Förbered programmeringsarbete
Lämna relevant kod, de indata som visar problemet, observerade utdata och önskat beteende. Be om en föreslagen ändring, en förklaring till varför den hanterar dessa indata och gränsfall som fortfarande behöver kontrolleras. För en algoritmfråga anger du indatabegränsningar och önskade utdata innan du ber om en metod. Skilj genererad kod från kod som faktiskt har körts i applikationens miljö.
Ett användbart svar kan skilja diagnosen, patchen och det förväntade beteendet åt. När en liten ändring behövs begär du en kompakt patch i stället för ett omskrivet projekt. Dessa exempel är författade sätt att tillämpa QwQ-Plus specialisering inom matematik och kodning; de är inget extra verktyg eller någon ytterligare körförmåga.
Gränser för kontext och svar
Den exakta modellspecifikationen anger ett kontextfönster på 131 072 token, maximala indata på 98 304 token och maximala utdata på 8 192 token. Detta är separata producentgränser. Gör inte den aritmetiska skillnaden mellan dem till ett odokumenterat garanterat resonemangsutrymme. Källtext, konversationshistorik och svaret måste rymmas inom de tillämpliga konfigurerade gränserna.
För en lång specifikation eller ett kodutdrag behåller du relevanta avsnitts- och funktionsidentifierare och ber modellen hänvisa till dem i förklaringen. Ta bort orelaterat material före inlämning och reservera tillräckligt utrymme för utdata till den nödvändiga slutsatsen. Ett stort kontextfönster är användbart för att tillföra fler villkor tillsammans; det lovar inte att varje uppgift blir ihågkommen eller varje beroende förstått.
Verktyg, formatering och modellspecifika gränser
Tillverkarens driftsättningsmatris anger funktionsanrop och webbsökning i vissa konfigurationer och markerar dem som ej stödda i en annan. De är därför villkorade förmågor, inte funktioner som kan utlovas utifrån modellnamnet ensamt. Samma matris stöder batchinferens i vissa tillverkarkonfigurationer. Ett verktygsassisterat arbetsflöde måste tillhandahålla de faktiska verktygen och återföra deras resultat till textuppgiften. Denna beskrivning fastställer inte vilka verktyg en applikation har tillgängliga.
Framtvingade strukturerade utdata markeras som ej stödda. En prompt kan fortfarande begära en tabell eller ett svar i JSON-form, men applikationen måste granska resultatet i stället för att behandla begäran som schematvång. Den exakta modellsidan beskriver en resonemangsspecialisering utan att tillhandahålla ett modellspecifikt kontrakt för växling mellan svar med och utan tänkande; reglage som dokumenteras för nyare Qwen-generationer ska inte föras in i denna utgåva.
Håll slutsvaret lätt att granska, kontrollera beräkningar mot de angivna enheterna och granska kodförslag före körning. QwQ-Plus praktiska roll är att arbeta igenom ett svårt textproblem och returnera en användbar förklaring eller leverans inom sina egna dokumenterade gränser.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwq-plus | 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 $0.00046 / 1K token Utdata · Utdatatoken $0.00116 / 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": "qwq-plus", "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='qwq-plus',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='qwq-plus',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 qwq-plus
Använd metodsökvägarna som visas ovan.
qwq-plusQwQ-Plus är Qwens Qwen2.5-baserade resonemangsmodell, förstärkt genom förstärkningsinlärning för matematiska, kodningsrelaterade och logiska textuppgifter. Dess särskilda specifikation anger en kontext på 131 072 token, maximala indata på 98 304 token och maximala utdata på 8 192 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Översikt: Qwen2.5-baserat resonemang
QwQ-Plus är den förbättrade QwQ-resonemangsmodellen byggd på Qwen2.5. Qwen beskriver förstärkningsinlärning som metoden för att stärka modellens resonemang, särskilt inom matematik och programmering, tillsammans med allmänna uppgifter för instruktionsföljning. Den tar emot text och returnerar text. Välj den när arbetet kräver en förklarad lösning, jämförelse eller ett kodförslag som kan kontrolleras mot de tillförda villkoren.
Detta är modellinjen QwQ-Plus. Namnet fastställer inte parameterantalet eller viktidentiteten för en öppen QwQ-kontrollpunkt, och ett leverantörsnamn som innehåller latest ska inte tyst bli en bestämd daterad revision. Använd den exakt begärda modellidentiteten när du jämför utdata eller bevarar repeterbar dokumentation av en uppgift.
Förbered matematiskt och logiskt arbete
Lämna hela problemformuleringen, definitioner, enheter och tillåtna antaganden. Be om slutsvaret i en tydligt avgränsad form och begär sedan ekvationerna eller de logiska steg som behövs för att stödja det. För ett planeringsproblem med begränsningar anger du genomförbara val och utvärderingskriterier separat och begär en tabell som visar vilka villkor varje val uppfyller. För en pedagogisk granskning tar du med elevens lösningsförsök och ber modellen identifiera det första steget utan stöd i stället för att skriva om hela övningen utan förklaring.
Detta är praktiska tillämpningar av modellens dokumenterade resonemangsfokus. Den användbara leveransen är ett kontrollerbart resultat: ett värde med enheter, en slutsats med premisser eller en jämförelse kopplad till de angivna kriterierna. Mer förklarande text fastställer inte i sig en korrekt slutsats, så håll antagandena synliga och jämför slutresultatet med den ursprungliga frågan.
Förbered programmeringsarbete
Lämna relevant kod, de indata som visar problemet, observerade utdata och önskat beteende. Be om en föreslagen ändring, en förklaring till varför den hanterar dessa indata och gränsfall som fortfarande behöver kontrolleras. För en algoritmfråga anger du indatabegränsningar och önskade utdata innan du ber om en metod. Skilj genererad kod från kod som faktiskt har körts i applikationens miljö.
Ett användbart svar kan skilja diagnosen, patchen och det förväntade beteendet åt. När en liten ändring behövs begär du en kompakt patch i stället för ett omskrivet projekt. Dessa exempel är författade sätt att tillämpa QwQ-Plus specialisering inom matematik och kodning; de är inget extra verktyg eller någon ytterligare körförmåga.
Gränser för kontext och svar
Den exakta modellspecifikationen anger ett kontextfönster på 131 072 token, maximala indata på 98 304 token och maximala utdata på 8 192 token. Detta är separata producentgränser. Gör inte den aritmetiska skillnaden mellan dem till ett odokumenterat garanterat resonemangsutrymme. Källtext, konversationshistorik och svaret måste rymmas inom de tillämpliga konfigurerade gränserna.
För en lång specifikation eller ett kodutdrag behåller du relevanta avsnitts- och funktionsidentifierare och ber modellen hänvisa till dem i förklaringen. Ta bort orelaterat material före inlämning och reservera tillräckligt utrymme för utdata till den nödvändiga slutsatsen. Ett stort kontextfönster är användbart för att tillföra fler villkor tillsammans; det lovar inte att varje uppgift blir ihågkommen eller varje beroende förstått.
Verktyg, formatering och modellspecifika gränser
Tillverkarens driftsättningsmatris anger funktionsanrop och webbsökning i vissa konfigurationer och markerar dem som ej stödda i en annan. De är därför villkorade förmågor, inte funktioner som kan utlovas utifrån modellnamnet ensamt. Samma matris stöder batchinferens i vissa tillverkarkonfigurationer. Ett verktygsassisterat arbetsflöde måste tillhandahålla de faktiska verktygen och återföra deras resultat till textuppgiften. Denna beskrivning fastställer inte vilka verktyg en applikation har tillgängliga.
Framtvingade strukturerade utdata markeras som ej stödda. En prompt kan fortfarande begära en tabell eller ett svar i JSON-form, men applikationen måste granska resultatet i stället för att behandla begäran som schematvång. Den exakta modellsidan beskriver en resonemangsspecialisering utan att tillhandahålla ett modellspecifikt kontrakt för växling mellan svar med och utan tänkande; reglage som dokumenteras för nyare Qwen-generationer ska inte föras in i denna utgåva.
Håll slutsvaret lätt att granska, kontrollera beräkningar mot de angivna enheterna och granska kodförslag före körning. QwQ-Plus praktiska roll är att arbeta igenom ett svårt textproblem och returnera en användbar förklaring eller leverans inom sina egna dokumenterade gränser.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwq-plus | 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 $0.00046 / 1K token Utdata · Utdatatoken $0.00116 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwq-plus', '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': 'qwq-plus', '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 qwq-plus
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.