mô hình

Qwen-Long

Markdown · JSON

Qwen-Long

Qwen-Long được xây dựng để trả lời câu hỏi trên các tập tài liệu lớn. Nhà phát triển mô tả quy trình tải tệp lên và sử dụng tham chiếu, với ngữ cảnh tài liệu tối đa 10 triệu token, so sánh giữa các tệp và câu trả lời văn bản có cấu trúc.

Về mô hình

Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.

Qwen-Long là dòng xử lý tài liệu của Qwen để tìm thông tin, so sánh nội dung và trả lời câu hỏi trên một kho văn bản lớn. Điểm khác biệt là quy trình tải tệp lên và sử dụng tham chiếu được mô tả trong tài liệu, có thể xử lý tối đa 10 triệu token. Nhiệm vụ không chỉ là tạo một câu trả lời trò chuyện dài hơn: mục tiêu là giữ một tập tài liệu nguồn đáng kể ở trạng thái có thể tham chiếu, đồng thời đặt các câu hỏi có trọng tâm về chúng.

Cách hoạt động của quy trình tài liệu

Nhà phát triển mô tả hai giai đoạn. Trước tiên, tải các tệp đã chọn lên và đợi bộ phân tích tài liệu xử lý xong. Các tham chiếu nhận được xác định những tài liệu đã được chuẩn bị. Sau đó, đặt câu hỏi kèm tham chiếu đến những nội dung cần xem xét. Mô hình thực hiện suy luận trên văn bản gắn với các tài liệu đó. Cách này tách bước chuẩn bị tài liệu khỏi câu hỏi và tránh phải gửi lại toàn bộ tệp ở mỗi lượt trò chuyện.

Chuẩn bị một tài liệu khi mục tiêu là tóm tắt, giải thích một mục hoặc trích xuất các điều kiện cụ thể. Nêu các mục quan trọng và yêu cầu đầu ra có mục đích rõ ràng. Ví dụ: cung cấp bản thông số sản phẩm, hỏi các điều kiện vận hành được nêu rõ trong đó và yêu cầu một bảng ngắn gồm điều kiện, mục nguồn và chi tiết còn thiếu. Các tên trường này là ví dụ thiết kế cho kết quả, không phải một lược đồ cố định được tích hợp sẵn.

Nhiều tài liệu và câu hỏi tiếp theo

Quy trình được mô tả chấp nhận nhiều tệp đã chuẩn bị trong cùng một yêu cầu. Nhờ đó có thể so sánh giữa các tài liệu: xác định một đặc điểm trong từng bản thông số, phân biệt các phát biểu chung với những điểm khác nhau và tập hợp các câu hỏi chưa được giải quyết. Mỗi yêu cầu có thể chứa tối đa 100 tham chiếu tệp. Chọn các tệp liên quan đến câu hỏi thay vì cho rằng việc có ngữ cảnh lớn tự nó xác định nội dung cần so sánh.

Nhà phát triển cũng minh họa việc thêm tài liệu mới sau câu trả lời ban đầu. Giữ câu trả lời trước trong cuộc trò chuyện, thêm nguồn mới rồi hỏi tiếp, chẳng hạn hai bản mô tả khác nhau như thế nào. Trong ứng dụng, phân biệt câu trả lời trước với bằng chứng mới được cung cấp. Một kết quả hữu ích có thể là bảng so sánh với cột riêng cho từng tài liệu và phần giải thích các điểm bất đồng, thay vì bản tóm tắt gộp làm mất nguồn của từng phát biểu.

Nhập văn bản thuần trực tiếp là một cách khác được mô tả trong tài liệu. Nội dung ngắn hơn có thể được cung cấp trực tiếp dưới dạng văn bản thay vì tham chiếu đến tệp đã tải lên. Do giới hạn kích thước yêu cầu, hướng dẫn của nhà phát triển yêu cầu sử dụng cách dựa trên tham chiếu khi nội dung tài liệu đưa trực tiếp vào yêu cầu vượt quá 1 triệu token. Ngưỡng này tách biệt với ngữ cảnh tài liệu 10 triệu token: khả năng hỗ trợ một kho văn bản lớn không bảo đảm rằng một yêu cầu chứa văn bản thô có kích thước tương đương sẽ được chấp nhận.

Định dạng, ngữ cảnh và đầu ra

Dịch vụ tài liệu liệt kê TXT, DOCX, PDF, XLSX, EPUB, MOBI, MD, CSV và JSON, cùng với BMP, PNG, JPG/JPEG và GIF. Tệp hình ảnh tải lên được giới hạn ở 20 MB; các tệp được hỗ trợ khác được giới hạn ở 150 MB. Đây là giới hạn của quy trình chuẩn bị tài liệu của nhà phát triển, không phải tuyên bố rằng mô hình ngôn ngữ suy luận trực tiếp trên mọi định dạng nhị phân mà không cần phân tích tệp.

Thông số công bố nêu ngữ cảnh và đầu vào tối đa là 10.000.000 token, với đầu ra tối đa 32.768 token. Trong định dạng hội thoại dùng tham chiếu tệp được mô tả, câu hỏi của người dùng có giới hạn riêng là 9.000 token khi thông điệp hệ thống thứ hai cung cấp tài liệu. Viết câu hỏi ngắn gọn và dành phần lớn ngữ cảnh tài liệu cho nội dung nguồn. Đầu vào ngữ cảnh dài và độ dài câu trả lời giải quyết hai vấn đề khác nhau: ngay cả một kho văn bản lớn cũng có thể cần kết quả ngắn, có cấu trúc chặt chẽ.

Mục FAQ của nhà phát triển mô tả đầu ra có cấu trúc dựa trên JSON Schema cho Qwen-Long và các bản snapshot của nó. Cách này hữu ích cho các nhiệm vụ trích xuất lặp lại cần cùng những trường trên một tập tài liệu. Chỉ rõ thông tin cần lấy, kiểu của từng trường và cách xử lý khi nguồn không chứa giá trị. Dịch vụ cũng mô tả xử lý theo lô bất đồng bộ, vốn là một quy trình gửi yêu cầu thay thế chứ không phải chế độ suy luận bổ sung.

So sánh tài liệu trong thực tế

Chuẩn bị các bản thông số liên quan và xác định vai trò của chúng trước khi hỏi: đâu là bản mô tả hiện tại, đâu là bản thay thế được đề xuất và những yêu cầu nào là bắt buộc. Yêu cầu kết quả gồm các điều kiện chung, phát biểu mâu thuẫn, thông tin còn thiếu và vị trí trong nguồn. Một câu hỏi tiếp theo có thể yêu cầu mô hình chuyển kết quả đó thành lời giải thích ngắn gọn cho đồng nghiệp, đồng thời giữ nguyên các phân biệt ban đầu.

Những giới hạn quan trọng khi chuẩn bị

Quá trình phân tích tệp phải hoàn tất trước khi sử dụng các tệp đã chuẩn bị; tài liệu lớn hơn có thể cần nhiều thời gian phân tích hơn. Quy trình suy luận được mô tả của mô hình sử dụng văn bản đã trích xuất, vì vậy mức độ đầy đủ và dễ đọc của nội dung đã chuẩn bị rất quan trọng. Chỉ rõ tệp được chọn, câu hỏi và đầu ra cần có. Không nên dùng dung lượng tài liệu của Qwen-Long để thay thế giới hạn của một phiên bản Qwen khác, một yêu cầu chứa văn bản thô trực tiếp hoặc câu trả lời cuối cùng.

Tác vụ thực tế

Tác vụ thực tế

Ví dụ kỹ thuật bằng tiếng Anh

Compare maintenance documents

Compare these source extracts for a maintenance checklist. Manual M1 section 4: Inspect the filter every week; replace it after 500 hours. Manual M2 section 6: Inspect the filter every week; replace it after 400 hours in dusty conditions. Keep shared rules, conditional differences and missing guidance separate. Do not assume which manual overrides the other.

Kết quả mong đợi

A comparison table with shared rule, condition, replacement interval, source section and one unresolved priority question.

Kiểm tra kết quả

Check that the 400-hour rule remains conditional on dusty conditions and that no general precedence is invented.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions qwen-long

qwen-long

Alibaba /qwen-long

Bắt đầu

Qwen-Long được xây dựng để trả lời câu hỏi trên các tập tài liệu lớn. Nhà phát triển mô tả quy trình tải tệp lên và sử dụng tham chiếu, với ngữ cảnh tài liệu tối đa 10 triệu token, so sánh giữa các tệp và câu trả lời văn bản có cấu trúc.

Đầu vào được chấp nhận
Văn bản
Kết quả
Văn bản

Có trên Ailoot · đầu vào & phương thức

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Đầu vào
text
Đầu ra
text
Định dạng đầu ra
json hoặc SSE
TrườngLoạiYêu cầuGiá trị & giới hạnMặc định
TrườngmodelLoạistringYêu cầuBắt buộcGiá trị & giới hạn
qwen-long
Mặc định—
TrườngmessagesLoạimessage[]Yêu cầuBắt buộcGiá trị & giới hạn
Số mục tối thiểu: 1
Mặc định—
Trườngmessages[].roleLoạistringYêu cầuBắt buộcGiá trị & giới hạn
Ví dụ: system, user, assistant, tool, function
Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình.
Tùy thuộc vào mô hình
Mặc định—
Trườngmessages[].contentLoạistring|content_part[]|nullYêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngmessages[].tool_callsLoạitool_call[]Yêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngmessages[].tool_call_idLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Áp dụng khi: role=tool; dùng ID thực tế được trả về
Mặc định—
Trườngmessages[].nameLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngmessages[].reasoning_contentLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó
Mặc định—
Trườngmessages[].reasoning_detailsLoạiobject|arrayYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngmax_tokensLoạiintegerYêu cầuKhông bắt buộcGiá trị & giới hạn
Tối thiểu: 1
Tùy thuộc vào mô hình
Mặc định—
Trườngmax_completion_tokensLoạiintegerYêu cầuKhông bắt buộcGiá trị & giới hạn
Tối thiểu: 1
Tùy thuộc vào mô hình
Mặc định—
TrườngstreamLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạnMặc địnhfalse
Trườngstream_options.include_usageLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngtemperatureLoạinumberYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngtop_pLoạinumberYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngstopLoạistring|string[]Yêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngtoolsLoạifunction_tool[]Yêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngtools[].typeLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
function
Tùy thuộc vào mô hình
Mặc định—
Trườngtools[].function.nameLoạistringYêu cầuBắt buộcGiá trị & giới hạn
Áp dụng khi: Có cung cấp công cụ hàm
Mặc định—
Trườngtools[].function.descriptionLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngtools[].function.parametersLoạiJSON_schemaYêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngtool_choiceLoạistring|objectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngparallel_tool_callsLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngresponse_formatLoạiobjectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngreasoning_effortLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngreasoningLoạiobjectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngservice_tierLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườnginstructionsLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Trường tương thích
Mặc định—
TrườngfunctionsLoạifunction[]Yêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngfunction_callLoạistring|objectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngprompt_cache_optionsLoạiobjectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngmodalitiesLoạistring[]Yêu cầuKhông bắt buộcGiá trị & giới hạn
text
Mặc định—
TrườngproviderLoạiobjectYêu cầuKhông bắt buộcGiá trị & giới hạn
Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này
Mặc định—
Trườngcache_control.ttlLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế
Mặc định—
Tổ hợp tư liệu đầu vào

Văn bản · Văn bản UTF8

messages[].content

Tham số phương thức và vòng đời
Tham sốHợp đồng
Tham sốcontent_typeHợp đồngapplication/json
Tham sốrequiredHợp đồngmodel, messages
Tham sốmaterial_typesHợp đồngtext
Tham sốmessagesHợp đồngMảng thông điệp có cấu trúc role/content
Tham sốfile_materialHợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp
Tham sốoptional_controlsHợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Tham sốcontrol_scopeHợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp
Tham sốoutput_modalitiesHợp đồngtext
Tham sốhosted_operationsHợp đồngfalse
Tham sốmultimodal_input_bindingHợp đồngnull

Vòng đời: synchronous_or_streamed

Gửi ID mô hình chính xác cùng messages.

Độ dài ngữ cảnh không phải giới hạn đầu ra.

Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.

Bảng giá

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh
Chưa chỉ định Khi chọn chế độ nhanh
Chế độ Flex
Chưa chỉ định Khi chọn chế độ flex
Mức độ suy luận tối đa
Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

Mức phí Ailoot

Giá theo cấu hình

Cấu hìnhBiểu mức phíPhí
Cấu hìnhGiá cơ sở cho tokenBiểu mức phíMức phí cơ bảnPhí
Đầu vào · Token đầu vào $0.000144 / 1K token
Đầu ra · Token đầu ra $0.000572 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0 / 1K token
Đầu vào · Ghi bộ nhớ đệm $0 / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot Ultra · OpenAI Chat

curlPython SDKLuồng Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen-long", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='qwen-long',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='qwen-long',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Nhận và lưu kết quả

Ailoot Ultra · OpenAI Chat

json hoặc SSE

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.

Nếu cần kiểm tra phản hồi gốc

Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.

Trường phản hồi
TrườngLoại
Trườngchoices[].indexLoạiinteger
Trườngchoices[].message.contentLoạistring|null
Trườngchoices[].message.tool_callsLoạitool_call[]
Trườngchoices[].message.reasoning_contentLoạistring
Trườngchoices[].message.reasoning_detailsLoạiobject|array
Trườngchoices[].finish_reasonLoạistring|null
TrườngusageLoạiobject
Lỗi và bước tiếp theo
Phản hồiĐiều kiệnBước tiếp theo
Phản hồi400 · invalid_request_errorĐiều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệBước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.

Bí danh

Bí danh mô hình

Ailoot Ultra qwen-long

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

qwen-long

Ailoot Ultra · Anthropic Messages POST /v1/messages qwen-long

qwen-long

Alibaba /qwen-long

Bắt đầu

Qwen-Long được xây dựng để trả lời câu hỏi trên các tập tài liệu lớn. Nhà phát triển mô tả quy trình tải tệp lên và sử dụng tham chiếu, với ngữ cảnh tài liệu tối đa 10 triệu token, so sánh giữa các tệp và câu trả lời văn bản có cấu trúc.

Đầu vào được chấp nhận
Văn bản
Kết quả
json · sse

Có trên Ailoot · đầu vào & phương thức

Ailoot Ultra · Anthropic Messages POST /v1/messages
Đầu vào
text
Đầu ra
json, sse
Định dạng đầu ra
JSON hoặc SSE
TrườngLoạiYêu cầuGiá trị & giới hạnMặc định
TrườngmodelLoạistringYêu cầuBắt buộcGiá trị & giới hạn
qwen-long
Mặc định—
TrườngmessagesLoạimessage[]Yêu cầuBắt buộcGiá trị & giới hạnMặc định—
Trườngmessages[].roleLoạistringYêu cầuBắt buộcGiá trị & giới hạn
user, assistant
Mặc định—
Trườngmessages[].contentLoạistringYêu cầuBắt buộcGiá trị & giới hạnMặc định—
Trườngmax_tokensLoạiintegerYêu cầuBắt buộcGiá trị & giới hạnMặc định—
TrườngstreamLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạnMặc địnhfalse
Tổ hợp tư liệu đầu vào

Văn bản · Văn bản UTF-8

Chuỗi messages[].content

Tham số phương thức và vòng đời
Tham sốHợp đồng
Tham sốcontent_typeHợp đồngapplication/json
Tham sốrequiredHợp đồngmodel, messages, max_tokens
Tham sốoptional_controlsHợp đồngstream
Tham sốmaterial_typesHợp đồngtext
Tham sốtext_file_materialHợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định.

Vòng đời: synchronous_or_streamed

Bảng giá

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh
Chưa chỉ định Khi chọn chế độ nhanh
Chế độ Flex
Chưa chỉ định Khi chọn chế độ flex
Mức độ suy luận tối đa
Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

Mức phí Ailoot

Giá theo cấu hình

Cấu hìnhBiểu mức phíPhí
Cấu hìnhGiá cơ sở cho tokenBiểu mức phíMức phí cơ bảnPhí
Đầu vào · Token đầu vào $0.000144 / 1K token
Đầu ra · Token đầu ra $0.000572 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0 / 1K token
Đầu vào · Ghi bộ nhớ đệm $0 / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot Ultra · Anthropic Messages

Nội dung yêu cầu JSON tối thiểu, đầy đủcurl · dùng tài liệu UTF-8 của bạnPython · lưu kết quả đầy đủ
{
  "model": "qwen-long",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'qwen-long', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'qwen-long', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Nhận và lưu kết quả

Ailoot Ultra · Anthropic Messages

JSON hoặc SSE

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.

Nếu cần kiểm tra phản hồi gốc

Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.

Trường phản hồi
TrườngLoại
TrườngidLoạistring
TrườngmodelLoạistring
Trườngcontent[]Loạitext|thinking|tool_use|other content block
Trườngstop_reasonLoạistring|null
TrườngusageLoạiobject
Lỗi và bước tiếp theo
Phản hồiĐiều kiệnBước tiếp theo
Phản hồi400 · invalid_request_errorĐiều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệBước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.

Bí danh

Bí danh mô hình

Ailoot Ultra qwen-long

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

qwen-long

FAQ · Qwen-Long
Có những đầu vào và kết quả nào?

POST /v1/chat/completions · qwen-long: text → text

POST /v1/messages · qwen-long: text → json, sse

Yêu cầu sử dụng những trường nào?

POST /v1/chat/completions · qwen-long: model, messages, stream, modalities, provider

POST /v1/messages · qwen-long: model, messages, max_tokens, stream

Áp dụng những giới hạn nào?

POST /v1/chat/completions · qwen-long: messages.min_items: 1

Xem thêm chi tiết

Kết nối Ailoot với Claude Code, OpenCode, Hermes hoặc ứng dụng của bạn.

Công ty và danh mục dự án của công ty

Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.

Mua token với giá ưu đãi.

Ưu đãi thuê bao cho nhu cầu thường xuyên. Mã khuyến mãi giảm đến 50% khi mua token.

Thuê bao
Chọn gói ưu đãi cho các yêu cầu thường xuyên của bạn.
Mã giảm đến 50%
Nhập mã khi mua. Giá được tính lại theo chương trình đang áp dụng.
Chi phí trong lịch sử
Mô hình, token và số tiền được lưu cho mỗi yêu cầu.

Chọn gói thuê bao · Xem giá mô hình

Kết nối API vào sản phẩm bạn đang bán.

SaaS, ứng dụng và bot — theo đề nghị giao kết chính thức và thỏa thuận cấp phép Ailoot. Muốn bán lại, hãy yêu cầu giấy phép bán lại.

Ứng dụng thương mại
Tích hợp tạo văn bản, ảnh, video và âm thanh vào các tính năng trả phí của dịch vụ.
Giấy phép bán lại
Gửi mô tả dự án và cách cung cấp quyền truy cập. Yêu cầu điều khoản sử dụng và bán lại bằng văn bản.
Tài liệu trên website
Đề nghị giao kết, thỏa thuận cấp phép và chính sách xử lý dữ liệu có sẵn trước khi kết nối.

Yêu cầu giấy phép bán lại · Đề nghị giao kết và thỏa thuận cấp phép