Zich 27B nashrdagi Qwen3.5 yangiliklari
Qwen3.5-27B — qo‘shimcha o‘qitishdan o‘tgan zich ko‘rish-til modeli. Matn, tasvir va video bitta vazifada ishtirok etishi mumkin, natija esa matn bo‘ladi: tushuntirish, kod taklifi, ajratib olingan ma’lumot yoki so‘ralgan boshqa ish mahsuli. Oilaning matnli va vizual o‘qitishni dastlabki bosqichda birlashtirishi tobora murakkablashadigan vazifalarda mustahkamlash asosida o‘qitish va 201 til hamda shevani qo‘llash bilan birga mulohaza, dasturlash, agent va vizual qobiliyatlarni rivojlantiradi.
Bu til qamrovi ko‘p tilli vazifalarni shakllantirishga yordam beradi, lekin har bir sheva yoki ixtisoslashgan lug‘at uchun bir xil ishonchlilikni kafolatlamaydi. Maqsadli til, auditoriya va o‘zgarmasligi kerak bo‘lgan atamalarni bering. Turli tillardagi hujjatlarni solishtirishda har bir manbaga yorliq bering va solishtirilishi kerak bo‘lgan faktlar yoki savollar bo‘yicha tuzilgan natija so‘rang.
Model haqida
Aynan 27B nashri zich bo‘lib, til modelining 64 qatlami va ko‘rish enkoderiga ega. Uning gibrid tuzilishida uchta Gated DeltaNet qatlami va bitta darvozali diqqat qatlamidan iborat guruhlar almashinadi, zich oldinga uzatuvchi tarmoqlar ishlatiladi. Bir nechta tokenni bashorat qilish o‘qitishga kiritilgan. Boshqa Qwen3.5 o‘lchamlari uchun tavsiflangan siyrak ekspertlar aralashmasi arxitekturasini bu modelga nisbat bermaslik kerak; uning 27 milliard parametrli identifikatsiyasi o‘z model nusxasining spetsifikatsiyasidir.
Asosiy kontekst 262,144 token, shartli kengaytirish esa 1,010,000 gacha. Qwen murakkab fikrlash vazifalarida imkon qadar kamida 128K kontekstni saqlashni tavsiya qiladi, xotira cheklovlari talab qilganda esa kichikroq sozlamalarga ruxsat beradi. Bu har bir interfeys to‘liq kontekstni taqdim etishining isboti emas, sozlash yo‘riqnomasidir. Manba matni, vizual tokenlar, tarix, mulohaza va javob ketma-ketlik limitini bo‘lishadi.
Matnli va vizual tayyorlash
Texnik hujjatda bo‘lim identifikatorlarini saqlang va shu bo‘limlar bilan asoslangan talablar jadvali yoki tushuntirishni so‘rang. Diagrammada yorliqlarni saqlang va tasvirda ko‘rinmaydigan ta’riflarni bering. Kod vazifasida tegishli funksiya, kuzatilgan xatti-harakat va zarur natijani taqdim eting. Foydali javob foydalanilgan dalilni ko‘rsatishi, taxminlarni ajratishi va yakuniy ish mahsulini ko‘rib chiqiladigan shaklda qaytarishi kerak.
Video savolida muhim hodisa yoki ketma-ketlikni belgilang, vaqt ma’lumoti va kadrlar tartibini saqlang. Ishlab chiqaruvchi misoli qo‘llab-quvvatlanadigan jarayonda soniyasiga ikki kadrdan foydalanadi. Uzun video yo‘riqnomasi yuqoriroq tezlikda soatlik tahlil qilish uchun taxminan 224K video tokeniga mos kattaroq protsessor budjetini tavsiya qiladi. Bu sozlamalar alohida sozlashni talab etadi va umumiy davomiylik yoki hodisa vaqt belgisining mutlaqo aniqligi kafolatini belgilamaydi.
Fikrlash va bevosita javoblar
Fikrlash sukut bo‘yicha yoqilgan va yakuniy javobdan oldin keladi. enable_thinking uni bevosita javob uchun o‘chirishi mumkin. Qwen3.5 eski /think va /nothink yumshoq kalitlarini rasman qo‘llamaydi. Ishlab chiqaruvchi avvalgi yordamchi xabarlarida fikrlash mazmuni o‘rniga faqat yakuniy javob matnini saqlashni tavsiya qiladi. Bu Qwen3.5 qoidasi bo‘lib, keyingi relizlarda hujjatlashtirilgan avvalgi mulohazalarni saqlash xatti-harakatidan alohida qolishi kerak.
Vazifani yuborishdan oldin yakuniy shaklni tanlang: asoslovchi qiymatlar bilan qisqa xulosa, ajratib olingan maydonlar jadvali yoki izohlangan kod tuzatishi. Bevosita javob ham ko‘rib chiqiladigan yaratilgan javob bo‘lib qoladi; uzun fikrlash bayoni uning xulosasi to‘g‘riligining mustaqil isboti emas.
Agent sifatida foydalanish
Ishlab chiqaruvchi vosita chaqiruvlarini qo‘llaydi va sozlangan yoki MCP orqali ulangan vositalarga ega Qwen-Agent’ni, dasturlash agenti jarayonlari uchun esa Qwen Code’ni tavsiya qiladi. Ilova vositalariga aniq rol bering va ularning haqiqiy kuzatuvlarini modelga qaytaring. Model shu qayta aloqa natijalaridan foydalanib rejalashtirishi va yangilashi mumkin, amallarni esa ilova bajaradi. Vositalar qo‘llovi o‘z-o‘zidan har bir interfeys orqali internet, fayllar yoki kod bajarish muhitiga ichki kirish mavjudligini belgilamaydi.
Juda uzun matn
Kengaytirish model nusxasining o‘z pozitsion sozlamasi bilan YaRN’dan foydalanadi. To‘rt koeffitsiyenti taxminan bir million tokenli ish jarayoniga mo‘ljallangan; 524,288 token uchun ikki koeffitsiyenti taklif qilinadi. Statik masshtablash qisqaroq matnda sifatni pasaytirishi mumkin, shu sababli ishlab chiqaruvchi uni kattaroq kontekst haqiqatan zarur bo‘lganda tavsiya qiladi. Eng katta kontekst sonini hujjatlarni cheksiz eslab qolish deb talqin qilish o‘rniga, uzun materialni tartibli saqlang va zarur javob uchun joy ajrating.
Generatsiya bo‘yicha tavsiyalar va cheklovlar
Best Practices umumiy fikrlash uchun temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 va repetition penalty 1.0 ni tavsiya qiladi. Aniq dasturlashda temperature 0.6 va presence penalty nol bo‘ladi. Umumiy bevosita javoblarda temperature 0.7, top_p 0.8 va presence penalty 1.5 ishlatiladi; top_k 20, min_p 0 va repetition penalty 1.0 bo‘ladi. Bevosita javobdagi mulohaza alohida Best Practices sozlamalaridan foydalanadi: temperature 1.0, top_p 1.0, top_k 40 va presence penalty 2.0. Kattaroq presence penalty tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin.
Ko‘pchilik vazifalar uchun 32,768 token, noodatiy murakkab matematika yoki dasturlash uchun esa 81,920 token generatsiya budjeti tavsiya etiladi. Ular mustaqil qat’iy chiqish chegaralari emas. Javob sxemasi yoki ajratgichini aniq ayting va kod, hisob-kitoblar, iqtiboslar hamda vizual tafsilotlarni manbaga solishtiring. Foydali natija — aynan zich 27B identifikatsiyasi, kirishlari va javob rejimi saqlangan aniq matnli ish mahsuli.
", "aboutText": "Zich 27B nashrdagi Qwen3.5 yangiliklari\n\nQwen3.5-27B — qo‘shimcha o‘qitishdan o‘tgan zich ko‘rish-til modeli. Matn, tasvir va video bitta vazifada ishtirok etishi mumkin, natija esa matn bo‘ladi: tushuntirish, kod taklifi, ajratib olingan ma’lumot yoki so‘ralgan boshqa ish mahsuli. Oilaning matnli va vizual o‘qitishni dastlabki bosqichda birlashtirishi tobora murakkablashadigan vazifalarda mustahkamlash asosida o‘qitish va 201 til hamda shevani qo‘llash bilan birga mulohaza, dasturlash, agent va vizual qobiliyatlarni rivojlantiradi.\n\nBu til qamrovi ko‘p tilli vazifalarni shakllantirishga yordam beradi, lekin har bir sheva yoki ixtisoslashgan lug‘at uchun bir xil ishonchlilikni kafolatlamaydi. Maqsadli til, auditoriya va o‘zgarmasligi kerak bo‘lgan atamalarni bering. Turli tillardagi hujjatlarni solishtirishda har bir manbaga yorliq bering va solishtirilishi kerak bo‘lgan faktlar yoki savollar bo‘yicha tuzilgan natija so‘rang.\n\nModel haqida\n\nAynan 27B nashri zich bo‘lib, til modelining 64 qatlami va ko‘rish enkoderiga ega. Uning gibrid tuzilishida uchta Gated DeltaNet qatlami va bitta darvozali diqqat qatlamidan iborat guruhlar almashinadi, zich oldinga uzatuvchi tarmoqlar ishlatiladi. Bir nechta tokenni bashorat qilish o‘qitishga kiritilgan. Boshqa Qwen3.5 o‘lchamlari uchun tavsiflangan siyrak ekspertlar aralashmasi arxitekturasini bu modelga nisbat bermaslik kerak; uning 27 milliard parametrli identifikatsiyasi o‘z model nusxasining spetsifikatsiyasidir.\n\nAsosiy kontekst 262,144 token, shartli kengaytirish esa 1,010,000 gacha. Qwen murakkab fikrlash vazifalarida imkon qadar kamida 128K kontekstni saqlashni tavsiya qiladi, xotira cheklovlari talab qilganda esa kichikroq sozlamalarga ruxsat beradi. Bu har bir interfeys to‘liq kontekstni taqdim etishining isboti emas, sozlash yo‘riqnomasidir. Manba matni, vizual tokenlar, tarix, mulohaza va javob ketma-ketlik limitini bo‘lishadi.\n\nMatnli va vizual tayyorlash\n\nTexnik hujjatda bo‘lim identifikatorlarini saqlang va shu bo‘limlar bilan asoslangan talablar jadvali yoki tushuntirishni so‘rang. Diagrammada yorliqlarni saqlang va tasvirda ko‘rinmaydigan ta’riflarni bering. Kod vazifasida tegishli funksiya, kuzatilgan xatti-harakat va zarur natijani taqdim eting. Foydali javob foydalanilgan dalilni ko‘rsatishi, taxminlarni ajratishi va yakuniy ish mahsulini ko‘rib chiqiladigan shaklda qaytarishi kerak.\n\nVideo savolida muhim hodisa yoki ketma-ketlikni belgilang, vaqt ma’lumoti va kadrlar tartibini saqlang. Ishlab chiqaruvchi misoli qo‘llab-quvvatlanadigan jarayonda soniyasiga ikki kadrdan foydalanadi. Uzun video yo‘riqnomasi yuqoriroq tezlikda soatlik tahlil qilish uchun taxminan 224K video tokeniga mos kattaroq protsessor budjetini tavsiya qiladi. Bu sozlamalar alohida sozlashni talab etadi va umumiy davomiylik yoki hodisa vaqt belgisining mutlaqo aniqligi kafolatini belgilamaydi.\n\nFikrlash va bevosita javoblar\n\nFikrlash sukut bo‘yicha yoqilgan va yakuniy javobdan oldin keladi. enable_thinking uni bevosita javob uchun o‘chirishi mumkin. Qwen3.5 eski /think va /nothink yumshoq kalitlarini rasman qo‘llamaydi. Ishlab chiqaruvchi avvalgi yordamchi xabarlarida fikrlash mazmuni o‘rniga faqat yakuniy javob matnini saqlashni tavsiya qiladi. Bu Qwen3.5 qoidasi bo‘lib, keyingi relizlarda hujjatlashtirilgan avvalgi mulohazalarni saqlash xatti-harakatidan alohida qolishi kerak.\n\nVazifani yuborishdan oldin yakuniy shaklni tanlang: asoslovchi qiymatlar bilan qisqa xulosa, ajratib olingan maydonlar jadvali yoki izohlangan kod tuzatishi. Bevosita javob ham ko‘rib chiqiladigan yaratilgan javob bo‘lib qoladi; uzun fikrlash bayoni uning xulosasi to‘g‘riligining mustaqil isboti emas.\n\nAgent sifatida foydalanish\n\nIshlab chiqaruvchi vosita chaqiruvlarini qo‘llaydi va sozlangan yoki MCP orqali ulangan vositalarga ega Qwen-Agent’ni, dasturlash agenti jarayonlari uchun esa Qwen Code’ni tavsiya qiladi. Ilova vositalariga aniq rol bering va ularning haqiqiy kuzatuvlarini modelga qaytaring. Model shu qayta aloqa natijalaridan foydalanib rejalashtirishi va yangilashi mumkin, amallarni esa ilova bajaradi. Vositalar qo‘llovi o‘z-o‘zidan har bir interfeys orqali internet, fayllar yoki kod bajarish muhitiga ichki kirish mavjudligini belgilamaydi.\n\nJuda uzun matn\n\nKengaytirish model nusxasining o‘z pozitsion sozlamasi bilan YaRN’dan foydalanadi. To‘rt koeffitsiyenti taxminan bir million tokenli ish jarayoniga mo‘ljallangan; 524,288 token uchun ikki koeffitsiyenti taklif qilinadi. Statik masshtablash qisqaroq matnda sifatni pasaytirishi mumkin, shu sababli ishlab chiqaruvchi uni kattaroq kontekst haqiqatan zarur bo‘lganda tavsiya qiladi. Eng katta kontekst sonini hujjatlarni cheksiz eslab qolish deb talqin qilish o‘rniga, uzun materialni tartibli saqlang va zarur javob uchun joy ajrating.\n\nGeneratsiya bo‘yicha tavsiyalar va cheklovlar\n\nBest Practices umumiy fikrlash uchun temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 va repetition penalty 1.0 ni tavsiya qiladi. Aniq dasturlashda temperature 0.6 va presence penalty nol bo‘ladi. Umumiy bevosita javoblarda temperature 0.7, top_p 0.8 va presence penalty 1.5 ishlatiladi; top_k 20, min_p 0 va repetition penalty 1.0 bo‘ladi. Bevosita javobdagi mulohaza alohida Best Practices sozlamalaridan foydalanadi: temperature 1.0, top_p 1.0, top_k 40 va presence penalty 2.0. Kattaroq presence penalty tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin.\n\nKo‘pchilik vazifalar uchun 32,768 token, noodatiy murakkab matematika yoki dasturlash uchun esa 81,920 token generatsiya budjeti tavsiya etiladi. Ular mustaqil qat’iy chiqish chegaralari emas. Javob sxemasi yoki ajratgichini aniq ayting va kod, hisob-kitoblar, iqtiboslar hamda vizual tafsilotlarni manbaga solishtiring. Foydali natija — aynan zich 27B identifikatsiyasi, kirishlari va javob rejimi saqlangan aniq matnli ish mahsuli.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Compare a multilingual specification\n\nCompare these two product notes and write the finding in English. [EN] "Store at 5-25 C. Keep the lid closed." [FR] "Conserver entre 5 et 20 C. Garder le couvercle fermé." Identify matching instructions, the temperature discrepancy and a clarification question for the author. Preserve both source ranges without deciding which is correct.A source-labelled English comparison with matching lid guidance, differing ranges and one unresolved question.Check that 20 C and 25 C remain distinct and neither language is assumed authoritative.qwen/qwen3.5-27bQwen3.5-27B — Qwen’ning matn, tasvir va video bilan ishlaydigan, matnli chiqishga ega zich 27 milliard parametrli ko‘rish-til modeli. U tanlanadigan fikrlash va 262,144 tokenli asosiy kontekst bilan mulohaza, dasturlash, vositalar yordamidagi ish va ko‘p tilli vazifalarni qo‘llaydi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Zich 27B nashrdagi Qwen3.5 yangiliklari
Qwen3.5-27B — qo‘shimcha o‘qitishdan o‘tgan zich ko‘rish-til modeli. Matn, tasvir va video bitta vazifada ishtirok etishi mumkin, natija esa matn bo‘ladi: tushuntirish, kod taklifi, ajratib olingan ma’lumot yoki so‘ralgan boshqa ish mahsuli. Oilaning matnli va vizual o‘qitishni dastlabki bosqichda birlashtirishi tobora murakkablashadigan vazifalarda mustahkamlash asosida o‘qitish va 201 til hamda shevani qo‘llash bilan birga mulohaza, dasturlash, agent va vizual qobiliyatlarni rivojlantiradi.
Bu til qamrovi ko‘p tilli vazifalarni shakllantirishga yordam beradi, lekin har bir sheva yoki ixtisoslashgan lug‘at uchun bir xil ishonchlilikni kafolatlamaydi. Maqsadli til, auditoriya va o‘zgarmasligi kerak bo‘lgan atamalarni bering. Turli tillardagi hujjatlarni solishtirishda har bir manbaga yorliq bering va solishtirilishi kerak bo‘lgan faktlar yoki savollar bo‘yicha tuzilgan natija so‘rang.
Model haqida
Aynan 27B nashri zich bo‘lib, til modelining 64 qatlami va ko‘rish enkoderiga ega. Uning gibrid tuzilishida uchta Gated DeltaNet qatlami va bitta darvozali diqqat qatlamidan iborat guruhlar almashinadi, zich oldinga uzatuvchi tarmoqlar ishlatiladi. Bir nechta tokenni bashorat qilish o‘qitishga kiritilgan. Boshqa Qwen3.5 o‘lchamlari uchun tavsiflangan siyrak ekspertlar aralashmasi arxitekturasini bu modelga nisbat bermaslik kerak; uning 27 milliard parametrli identifikatsiyasi o‘z model nusxasining spetsifikatsiyasidir.
Asosiy kontekst 262,144 token, shartli kengaytirish esa 1,010,000 gacha. Qwen murakkab fikrlash vazifalarida imkon qadar kamida 128K kontekstni saqlashni tavsiya qiladi, xotira cheklovlari talab qilganda esa kichikroq sozlamalarga ruxsat beradi. Bu har bir interfeys to‘liq kontekstni taqdim etishining isboti emas, sozlash yo‘riqnomasidir. Manba matni, vizual tokenlar, tarix, mulohaza va javob ketma-ketlik limitini bo‘lishadi.
Matnli va vizual tayyorlash
Texnik hujjatda bo‘lim identifikatorlarini saqlang va shu bo‘limlar bilan asoslangan talablar jadvali yoki tushuntirishni so‘rang. Diagrammada yorliqlarni saqlang va tasvirda ko‘rinmaydigan ta’riflarni bering. Kod vazifasida tegishli funksiya, kuzatilgan xatti-harakat va zarur natijani taqdim eting. Foydali javob foydalanilgan dalilni ko‘rsatishi, taxminlarni ajratishi va yakuniy ish mahsulini ko‘rib chiqiladigan shaklda qaytarishi kerak.
Video savolida muhim hodisa yoki ketma-ketlikni belgilang, vaqt ma’lumoti va kadrlar tartibini saqlang. Ishlab chiqaruvchi misoli qo‘llab-quvvatlanadigan jarayonda soniyasiga ikki kadrdan foydalanadi. Uzun video yo‘riqnomasi yuqoriroq tezlikda soatlik tahlil qilish uchun taxminan 224K video tokeniga mos kattaroq protsessor budjetini tavsiya qiladi. Bu sozlamalar alohida sozlashni talab etadi va umumiy davomiylik yoki hodisa vaqt belgisining mutlaqo aniqligi kafolatini belgilamaydi.
Fikrlash va bevosita javoblar
Fikrlash sukut bo‘yicha yoqilgan va yakuniy javobdan oldin keladi. enable_thinking uni bevosita javob uchun o‘chirishi mumkin. Qwen3.5 eski /think va /nothink yumshoq kalitlarini rasman qo‘llamaydi. Ishlab chiqaruvchi avvalgi yordamchi xabarlarida fikrlash mazmuni o‘rniga faqat yakuniy javob matnini saqlashni tavsiya qiladi. Bu Qwen3.5 qoidasi bo‘lib, keyingi relizlarda hujjatlashtirilgan avvalgi mulohazalarni saqlash xatti-harakatidan alohida qolishi kerak.
Vazifani yuborishdan oldin yakuniy shaklni tanlang: asoslovchi qiymatlar bilan qisqa xulosa, ajratib olingan maydonlar jadvali yoki izohlangan kod tuzatishi. Bevosita javob ham ko‘rib chiqiladigan yaratilgan javob bo‘lib qoladi; uzun fikrlash bayoni uning xulosasi to‘g‘riligining mustaqil isboti emas.
Agent sifatida foydalanish
Ishlab chiqaruvchi vosita chaqiruvlarini qo‘llaydi va sozlangan yoki MCP orqali ulangan vositalarga ega Qwen-Agent’ni, dasturlash agenti jarayonlari uchun esa Qwen Code’ni tavsiya qiladi. Ilova vositalariga aniq rol bering va ularning haqiqiy kuzatuvlarini modelga qaytaring. Model shu qayta aloqa natijalaridan foydalanib rejalashtirishi va yangilashi mumkin, amallarni esa ilova bajaradi. Vositalar qo‘llovi o‘z-o‘zidan har bir interfeys orqali internet, fayllar yoki kod bajarish muhitiga ichki kirish mavjudligini belgilamaydi.
Juda uzun matn
Kengaytirish model nusxasining o‘z pozitsion sozlamasi bilan YaRN’dan foydalanadi. To‘rt koeffitsiyenti taxminan bir million tokenli ish jarayoniga mo‘ljallangan; 524,288 token uchun ikki koeffitsiyenti taklif qilinadi. Statik masshtablash qisqaroq matnda sifatni pasaytirishi mumkin, shu sababli ishlab chiqaruvchi uni kattaroq kontekst haqiqatan zarur bo‘lganda tavsiya qiladi. Eng katta kontekst sonini hujjatlarni cheksiz eslab qolish deb talqin qilish o‘rniga, uzun materialni tartibli saqlang va zarur javob uchun joy ajrating.
Generatsiya bo‘yicha tavsiyalar va cheklovlar
Best Practices umumiy fikrlash uchun temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 va repetition penalty 1.0 ni tavsiya qiladi. Aniq dasturlashda temperature 0.6 va presence penalty nol bo‘ladi. Umumiy bevosita javoblarda temperature 0.7, top_p 0.8 va presence penalty 1.5 ishlatiladi; top_k 20, min_p 0 va repetition penalty 1.0 bo‘ladi. Bevosita javobdagi mulohaza alohida Best Practices sozlamalaridan foydalanadi: temperature 1.0, top_p 1.0, top_k 40 va presence penalty 2.0. Kattaroq presence penalty tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin.
Ko‘pchilik vazifalar uchun 32,768 token, noodatiy murakkab matematika yoki dasturlash uchun esa 81,920 token generatsiya budjeti tavsiya etiladi. Ular mustaqil qat’iy chiqish chegaralari emas. Javob sxemasi yoki ajratgichini aniq ayting va kod, hisob-kitoblar, iqtiboslar hamda vizual tafsilotlarni manbaga solishtiring. Foydali natija — aynan zich 27B identifikatsiyasi, kirishlari va javob rejimi saqlangan aniq matnli ish mahsuli.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar qwen/qwen3.5-27b | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Namunalar: system, user, assistant, tool, function Shartlar: Bu rollar manba kodining moslik turlarida ochiq ifodalangan; aniq rollar to‘plami har bir modelga xos bo‘lib qoladi. Modelga bogʻliq | Standart— |
Maydonmessages[].content | Turstring|content_part[]|null | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_calls | Turtool_call[] | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_call_id | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: role=tool; haqiqatan qaytarilgan IDdan foydalaning | Standart— |
Maydonmessages[].name | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].reasoning_content | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Ushbu model foydalanganda, haqiqatan qaytarilgan fikrlash ma’lumotlarini keyingi so‘rovda qayta yuboring | Standart— |
Maydonmessages[].reasoning_details | Turobject|array | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmax_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonmax_completion_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Maydonstream_options.include_usage | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontemperature | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontop_p | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonstop | Turstring|string[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools | Turfunction_tool[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools[].type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar function Modelga bogʻliq | Standart— |
Maydontools[].function.name | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Funksiya vositasi taqdim etilgan | Standart— |
Maydontools[].function.description | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontools[].function.parameters | TurJSON_schema | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontool_choice | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonparallel_tool_calls | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonresponse_format | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning_effort | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonservice_tier | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydoninstructions | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Moslik maydoni | Standart— |
Maydonfunctions | Turfunction[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonfunction_call | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonprompt_cache_options | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmodalities | Turstring[] | TalabIxtiyoriy | Qiymatlar va cheklovlar text | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Ushbu Ultra matn marshrutida provider.options rad etiladi | Standart— |
Maydoncache_control.ttl | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Haqiqiy prompt-kesh joylarida 1h rad etiladi | Standart— |
Matn · UTF8 matni
messages[].content
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages |
Parametrmaterial_types | Parametr talablaritext |
Parametrmessages | Parametr talablarirole/content tuzilishidagi xabarlar massivi |
Parametrfile_material | Parametr talablariHaqiqiy UTF-8 hujjati aynan matn sifatida kiritiladi; fayl IDsi faraz qilinmaydi |
Parametroptional_controls | Parametr talablaristream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Parametr talablariModelga xos; foydalanuvchi funksiya vositalari hostingdagi vositalardan farq qiladi |
Parametroutput_modalities | Parametr talablaritext |
Parametrhosted_operations | Parametr talablarifalse |
Parametrmultimodal_input_binding | Parametr talablarinull |
Hayot sikli: synchronous_or_streamed
Aniq model IDsini messages bilan yuboring.
Kontekst uzunligi chiqishning yuqori chegarasi emas.
Matn fayli aynan matnni taqdim etishi mumkin; tasvir, audio va fayl obyekti kirishlari aniq bog‘lashni talab qiladi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.00052 / 1K token Chiqish · Chiqish tokenlari $0.00412 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.00052 / 1K token Chiqish · Chiqish tokenlari $0.00412 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-27b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.5-27b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.5-27b',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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir javob variantini va uning kontenti, vosita chaqiruvlari hamda fikrlash ma’lumotlarini saqlang. SSEda o‘zgarish qismlarini variant va vosita indeksi bo‘yicha yig‘ing, yakuniy tugash sababi va sarf ma’lumotlarini saqlang.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonchoices[].index | Turinteger |
Maydonchoices[].message.content | Turstring|null |
Maydonchoices[].message.tool_calls | Turtool_call[] |
Maydonchoices[].message.reasoning_content | Turstring |
Maydonchoices[].message.reasoning_details | Turobject|array |
Maydonchoices[].finish_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra qwen/qwen3.5-27b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
qwen/qwen3.5-27bQwen3.5-27B — Qwen’ning matn, tasvir va video bilan ishlaydigan, matnli chiqishga ega zich 27 milliard parametrli ko‘rish-til modeli. U tanlanadigan fikrlash va 262,144 tokenli asosiy kontekst bilan mulohaza, dasturlash, vositalar yordamidagi ish va ko‘p tilli vazifalarni qo‘llaydi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Zich 27B nashrdagi Qwen3.5 yangiliklari
Qwen3.5-27B — qo‘shimcha o‘qitishdan o‘tgan zich ko‘rish-til modeli. Matn, tasvir va video bitta vazifada ishtirok etishi mumkin, natija esa matn bo‘ladi: tushuntirish, kod taklifi, ajratib olingan ma’lumot yoki so‘ralgan boshqa ish mahsuli. Oilaning matnli va vizual o‘qitishni dastlabki bosqichda birlashtirishi tobora murakkablashadigan vazifalarda mustahkamlash asosida o‘qitish va 201 til hamda shevani qo‘llash bilan birga mulohaza, dasturlash, agent va vizual qobiliyatlarni rivojlantiradi.
Bu til qamrovi ko‘p tilli vazifalarni shakllantirishga yordam beradi, lekin har bir sheva yoki ixtisoslashgan lug‘at uchun bir xil ishonchlilikni kafolatlamaydi. Maqsadli til, auditoriya va o‘zgarmasligi kerak bo‘lgan atamalarni bering. Turli tillardagi hujjatlarni solishtirishda har bir manbaga yorliq bering va solishtirilishi kerak bo‘lgan faktlar yoki savollar bo‘yicha tuzilgan natija so‘rang.
Model haqida
Aynan 27B nashri zich bo‘lib, til modelining 64 qatlami va ko‘rish enkoderiga ega. Uning gibrid tuzilishida uchta Gated DeltaNet qatlami va bitta darvozali diqqat qatlamidan iborat guruhlar almashinadi, zich oldinga uzatuvchi tarmoqlar ishlatiladi. Bir nechta tokenni bashorat qilish o‘qitishga kiritilgan. Boshqa Qwen3.5 o‘lchamlari uchun tavsiflangan siyrak ekspertlar aralashmasi arxitekturasini bu modelga nisbat bermaslik kerak; uning 27 milliard parametrli identifikatsiyasi o‘z model nusxasining spetsifikatsiyasidir.
Asosiy kontekst 262,144 token, shartli kengaytirish esa 1,010,000 gacha. Qwen murakkab fikrlash vazifalarida imkon qadar kamida 128K kontekstni saqlashni tavsiya qiladi, xotira cheklovlari talab qilganda esa kichikroq sozlamalarga ruxsat beradi. Bu har bir interfeys to‘liq kontekstni taqdim etishining isboti emas, sozlash yo‘riqnomasidir. Manba matni, vizual tokenlar, tarix, mulohaza va javob ketma-ketlik limitini bo‘lishadi.
Matnli va vizual tayyorlash
Texnik hujjatda bo‘lim identifikatorlarini saqlang va shu bo‘limlar bilan asoslangan talablar jadvali yoki tushuntirishni so‘rang. Diagrammada yorliqlarni saqlang va tasvirda ko‘rinmaydigan ta’riflarni bering. Kod vazifasida tegishli funksiya, kuzatilgan xatti-harakat va zarur natijani taqdim eting. Foydali javob foydalanilgan dalilni ko‘rsatishi, taxminlarni ajratishi va yakuniy ish mahsulini ko‘rib chiqiladigan shaklda qaytarishi kerak.
Video savolida muhim hodisa yoki ketma-ketlikni belgilang, vaqt ma’lumoti va kadrlar tartibini saqlang. Ishlab chiqaruvchi misoli qo‘llab-quvvatlanadigan jarayonda soniyasiga ikki kadrdan foydalanadi. Uzun video yo‘riqnomasi yuqoriroq tezlikda soatlik tahlil qilish uchun taxminan 224K video tokeniga mos kattaroq protsessor budjetini tavsiya qiladi. Bu sozlamalar alohida sozlashni talab etadi va umumiy davomiylik yoki hodisa vaqt belgisining mutlaqo aniqligi kafolatini belgilamaydi.
Fikrlash va bevosita javoblar
Fikrlash sukut bo‘yicha yoqilgan va yakuniy javobdan oldin keladi. enable_thinking uni bevosita javob uchun o‘chirishi mumkin. Qwen3.5 eski /think va /nothink yumshoq kalitlarini rasman qo‘llamaydi. Ishlab chiqaruvchi avvalgi yordamchi xabarlarida fikrlash mazmuni o‘rniga faqat yakuniy javob matnini saqlashni tavsiya qiladi. Bu Qwen3.5 qoidasi bo‘lib, keyingi relizlarda hujjatlashtirilgan avvalgi mulohazalarni saqlash xatti-harakatidan alohida qolishi kerak.
Vazifani yuborishdan oldin yakuniy shaklni tanlang: asoslovchi qiymatlar bilan qisqa xulosa, ajratib olingan maydonlar jadvali yoki izohlangan kod tuzatishi. Bevosita javob ham ko‘rib chiqiladigan yaratilgan javob bo‘lib qoladi; uzun fikrlash bayoni uning xulosasi to‘g‘riligining mustaqil isboti emas.
Agent sifatida foydalanish
Ishlab chiqaruvchi vosita chaqiruvlarini qo‘llaydi va sozlangan yoki MCP orqali ulangan vositalarga ega Qwen-Agent’ni, dasturlash agenti jarayonlari uchun esa Qwen Code’ni tavsiya qiladi. Ilova vositalariga aniq rol bering va ularning haqiqiy kuzatuvlarini modelga qaytaring. Model shu qayta aloqa natijalaridan foydalanib rejalashtirishi va yangilashi mumkin, amallarni esa ilova bajaradi. Vositalar qo‘llovi o‘z-o‘zidan har bir interfeys orqali internet, fayllar yoki kod bajarish muhitiga ichki kirish mavjudligini belgilamaydi.
Juda uzun matn
Kengaytirish model nusxasining o‘z pozitsion sozlamasi bilan YaRN’dan foydalanadi. To‘rt koeffitsiyenti taxminan bir million tokenli ish jarayoniga mo‘ljallangan; 524,288 token uchun ikki koeffitsiyenti taklif qilinadi. Statik masshtablash qisqaroq matnda sifatni pasaytirishi mumkin, shu sababli ishlab chiqaruvchi uni kattaroq kontekst haqiqatan zarur bo‘lganda tavsiya qiladi. Eng katta kontekst sonini hujjatlarni cheksiz eslab qolish deb talqin qilish o‘rniga, uzun materialni tartibli saqlang va zarur javob uchun joy ajrating.
Generatsiya bo‘yicha tavsiyalar va cheklovlar
Best Practices umumiy fikrlash uchun temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 va repetition penalty 1.0 ni tavsiya qiladi. Aniq dasturlashda temperature 0.6 va presence penalty nol bo‘ladi. Umumiy bevosita javoblarda temperature 0.7, top_p 0.8 va presence penalty 1.5 ishlatiladi; top_k 20, min_p 0 va repetition penalty 1.0 bo‘ladi. Bevosita javobdagi mulohaza alohida Best Practices sozlamalaridan foydalanadi: temperature 1.0, top_p 1.0, top_k 40 va presence penalty 2.0. Kattaroq presence penalty tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin.
Ko‘pchilik vazifalar uchun 32,768 token, noodatiy murakkab matematika yoki dasturlash uchun esa 81,920 token generatsiya budjeti tavsiya etiladi. Ular mustaqil qat’iy chiqish chegaralari emas. Javob sxemasi yoki ajratgichini aniq ayting va kod, hisob-kitoblar, iqtiboslar hamda vizual tafsilotlarni manbaga solishtiring. Foydali natija — aynan zich 27B identifikatsiyasi, kirishlari va javob rejimi saqlangan aniq matnli ish mahsuli.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar qwen/qwen3.5-27b | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar user, assistant | Standart— |
Maydonmessages[].content | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmax_tokens | Turinteger | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF-8 matni
messages[].content satri
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages, max_tokens |
Parametroptional_controls | Parametr talablaristream |
Parametrmaterial_types | Parametr talablaritext |
Parametrtext_file_material | Parametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring. |
Hayot sikli: synchronous_or_streamed
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.00052 / 1K token Chiqish · Chiqish tokenlari $0.00412 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.00052 / 1K token Chiqish · Chiqish tokenlari $0.00412 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "qwen/qwen3.5-27b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.5-27b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.5-27b', '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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Barcha kontent bloklari, fikrlash imzolari va haqiqiy vosita ishlatish IDlarini saqlang. SSE bloklarining barcha o‘zgarish qismlarini yig‘ing; birinchi matn bloki to‘liq chiqish emas.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonid | Turstring |
Maydonmodel | Turstring |
Maydoncontent[] | Turtext|thinking|tool_use|other content block |
Maydonstop_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra qwen/qwen3.5-27b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
Compare a multilingual specification\n\nCompare these two product notes and write the finding in English. [EN] "Store at 5-25 C. Keep the lid closed." [FR] "Conserver entre 5 et 20 C. Garder le couvercle fermé." Identify matching instructions, the temperature discrepancy and a clarification question for the author. Preserve both source ranges without deciding which is correct.A source-labelled English comparison with matching lid guidance, differing ranges and one unresolved question.Check that 20 C and 25 C remain distinct and neither language is assumed authoritative.