Điểm nổi bật của Qwen3.5 trong phiên bản 27B kiến trúc dày đặc
Qwen3.5-27B là mô hình thị giác-ngôn ngữ kiến trúc dày đặc đã qua hậu huấn luyện. Văn bản, hình ảnh và video có thể tham gia cùng một nhiệm vụ, trong khi kết quả là văn bản: lời giải thích, đề xuất mã, thông tin trích xuất hoặc sản phẩm khác được yêu cầu. Việc hợp nhất huấn luyện văn bản và thị giác từ giai đoạn sớm của dòng mô hình phát triển khả năng suy luận, lập trình, tác tử và thị giác, cùng học tăng cường trên nhiệm vụ phức tạp dần và hỗ trợ 201 ngôn ngữ, phương ngữ.
Phạm vi ngôn ngữ đó giúp định hình nhiệm vụ đa ngôn ngữ nhưng không bảo đảm độ tin cậy giống nhau cho mọi phương ngữ hoặc từ vựng chuyên môn. Cung cấp ngôn ngữ đích, người đọc và thuật ngữ cần giữ nguyên. Với so sánh tài liệu giữa các ngôn ngữ, gắn nhãn từng nguồn và yêu cầu kết quả được tổ chức theo những dữ kiện hoặc câu hỏi cần so sánh.
Tổng quan mô hình
Phiên bản 27B cụ thể có kiến trúc dày đặc, với 64 lớp mô hình ngôn ngữ và bộ mã hóa thị giác. Bố cục lai xen kẽ các nhóm ba lớp Gated DeltaNet và một lớp chú ý có cổng, dùng mạng truyền thẳng kiến trúc dày đặc. Dự đoán nhiều token được đưa vào huấn luyện. Không nên gán kiến trúc hỗn hợp chuyên gia thưa được mô tả cho các kích thước Qwen3.5 khác vào mô hình này; định danh 27 tỷ tham số là đặc tả checkpoint riêng của nó.
Ngữ cảnh gốc là 262,144 token, với khả năng mở rộng có điều kiện lên 1,010,000. Qwen khuyến nghị giữ ngữ cảnh tối thiểu 128K khi có thể cho nhiệm vụ suy nghĩ phức tạp, đồng thời cho phép thiết lập nhỏ hơn khi ràng buộc bộ nhớ đòi hỏi. Đây là hướng dẫn cấu hình chứ không phải bằng chứng rằng mọi giao diện cung cấp toàn bộ ngữ cảnh. Văn bản nguồn, token thị giác, lịch sử, suy luận và câu trả lời cùng dùng giới hạn độ dài chuỗi.
Chuẩn bị văn bản và thị giác
Với tài liệu kỹ thuật, giữ định danh phần và yêu cầu bảng yêu cầu hoặc giải thích dựa trên các phần đó. Với sơ đồ, giữ nhãn và cung cấp định nghĩa không nhìn thấy trong hình. Với nhiệm vụ mã, cung cấp hàm liên quan, hành vi quan sát được và kết quả bắt buộc. Phản hồi hữu ích cần xác định bằng chứng đã dùng, tách giả định và trả sản phẩm cuối cùng ở dạng có thể xem xét.
Với câu hỏi video, xác định sự kiện hoặc trình tự quan trọng, giữ thời gian và thứ tự khung hình. Ví dụ của nhà phát triển dùng hai khung hình mỗi giây trong quy trình được hỗ trợ. Hướng dẫn video dài khuyến nghị hạn mức bộ xử lý lớn hơn, tương ứng khoảng 224K token video, để phân tích tư liệu dài hàng giờ với tốc độ lấy mẫu cao hơn. Những thiết lập đó cần cấu hình và không xác lập bảo đảm chung về thời lượng hay dấu thời gian sự kiện chính xác.
Chế độ suy nghĩ và phản hồi trực tiếp
Chế độ suy nghĩ được bật mặc định và đứng trước phản hồi cuối cùng. enable_thinking có thể tắt chế độ này để trả lời trực tiếp. Qwen3.5 không chính thức hỗ trợ các công tắc mềm /think và /nothink trước đây. Nhà phát triển khuyến nghị chỉ giữ văn bản câu trả lời cuối cùng trong các tin nhắn trợ lý của lịch sử, thay vì nội dung suy nghĩ. Đây là quy ước của Qwen3.5 và cần được phân biệt với hành vi giữ suy luận trong lịch sử được mô tả cho bản phát hành sau.
Chọn dạng cuối cùng trước khi gửi nhiệm vụ: kết luận ngắn kèm giá trị hỗ trợ, bảng trường trích xuất hoặc bản vá mã có giải thích. Phản hồi trực tiếp vẫn là câu trả lời được sinh cần xem xét; bản ghi suy nghĩ dài không phải bằng chứng độc lập rằng kết luận của nó đúng.
Sử dụng tác tử
Nhà phát triển hỗ trợ gọi công cụ và khuyến nghị Qwen-Agent với công cụ được cấu hình hoặc kết nối qua MCP, cùng Qwen Code cho quy trình tác tử lập trình. Giao vai trò rõ ràng cho công cụ của ứng dụng và trả các quan sát thực tế về mô hình. Mô hình có thể lập kế hoạch và điều chỉnh dựa trên phản hồi đó, còn ứng dụng thực hiện hành động. Khả năng hỗ trợ công cụ tự nó không xác lập quyền truy cập tích hợp vào internet, tệp hoặc môi trường thực thi mã qua mọi giao diện.
Văn bản cực dài
Phương pháp mở rộng dùng YaRN với cấu hình vị trí riêng của checkpoint. Hệ số bốn hướng đến quy trình khoảng một triệu token; hệ số hai được gợi ý cho 524,288 token. Việc co giãn tĩnh có thể làm giảm chất lượng trên văn bản ngắn hơn, vì vậy nhà phát triển khuyến nghị dùng khi thực sự cần ngữ cảnh lớn hơn. Tổ chức tư liệu dài và chừa không gian cho câu trả lời cần thiết, thay vì hiểu con số ngữ cảnh lớn nhất là khả năng nhớ tài liệu không giới hạn.
Hướng dẫn sinh nội dung và giới hạn
Best Practices khuyến nghị temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 và repetition penalty 1.0 cho suy nghĩ thông thường. Lập trình chính xác dùng temperature 0.6 và presence penalty bằng không. Phản hồi trực tiếp thông thường dùng temperature 0.7, top_p 0.8 và presence penalty 1.5; top_k là 20, min_p là 0 và repetition penalty là 1.0. Suy luận bằng phản hồi trực tiếp dùng bộ thiết lập Best Practices riêng gồm temperature 1.0, top_p 1.0, top_k 40 và presence penalty 2.0. Mức phạt hiện diện lớn hơn có thể làm lẫn ngôn ngữ hoặc giảm nhẹ chất lượng.
Hạn mức sinh được khuyến nghị là 32,768 token cho phần lớn nhiệm vụ và 81,920 cho toán hoặc lập trình đặc biệt phức tạp. Đây không phải các mức trần đầu ra cứng độc lập. Nêu rõ lược đồ câu trả lời hoặc dấu phân cách và đối chiếu mã, phép tính, trích dẫn cùng chi tiết thị giác với nguồn. Kết quả hữu ích là sản phẩm văn bản cụ thể giữ đúng định danh 27B kiến trúc dày đặc, đầu vào và chế độ phản hồi.
", "aboutText": "Điểm nổi bật của Qwen3.5 trong phiên bản 27B kiến trúc dày đặc\n\nQwen3.5-27B là mô hình thị giác-ngôn ngữ kiến trúc dày đặc đã qua hậu huấn luyện. Văn bản, hình ảnh và video có thể tham gia cùng một nhiệm vụ, trong khi kết quả là văn bản: lời giải thích, đề xuất mã, thông tin trích xuất hoặc sản phẩm khác được yêu cầu. Việc hợp nhất huấn luyện văn bản và thị giác từ giai đoạn sớm của dòng mô hình phát triển khả năng suy luận, lập trình, tác tử và thị giác, cùng học tăng cường trên nhiệm vụ phức tạp dần và hỗ trợ 201 ngôn ngữ, phương ngữ.\n\nPhạm vi ngôn ngữ đó giúp định hình nhiệm vụ đa ngôn ngữ nhưng không bảo đảm độ tin cậy giống nhau cho mọi phương ngữ hoặc từ vựng chuyên môn. Cung cấp ngôn ngữ đích, người đọc và thuật ngữ cần giữ nguyên. Với so sánh tài liệu giữa các ngôn ngữ, gắn nhãn từng nguồn và yêu cầu kết quả được tổ chức theo những dữ kiện hoặc câu hỏi cần so sánh.\n\nTổng quan mô hình\n\nPhiên bản 27B cụ thể có kiến trúc dày đặc, với 64 lớp mô hình ngôn ngữ và bộ mã hóa thị giác. Bố cục lai xen kẽ các nhóm ba lớp Gated DeltaNet và một lớp chú ý có cổng, dùng mạng truyền thẳng kiến trúc dày đặc. Dự đoán nhiều token được đưa vào huấn luyện. Không nên gán kiến trúc hỗn hợp chuyên gia thưa được mô tả cho các kích thước Qwen3.5 khác vào mô hình này; định danh 27 tỷ tham số là đặc tả checkpoint riêng của nó.\n\nNgữ cảnh gốc là 262,144 token, với khả năng mở rộng có điều kiện lên 1,010,000. Qwen khuyến nghị giữ ngữ cảnh tối thiểu 128K khi có thể cho nhiệm vụ suy nghĩ phức tạp, đồng thời cho phép thiết lập nhỏ hơn khi ràng buộc bộ nhớ đòi hỏi. Đây là hướng dẫn cấu hình chứ không phải bằng chứng rằng mọi giao diện cung cấp toàn bộ ngữ cảnh. Văn bản nguồn, token thị giác, lịch sử, suy luận và câu trả lời cùng dùng giới hạn độ dài chuỗi.\n\nChuẩn bị văn bản và thị giác\n\nVới tài liệu kỹ thuật, giữ định danh phần và yêu cầu bảng yêu cầu hoặc giải thích dựa trên các phần đó. Với sơ đồ, giữ nhãn và cung cấp định nghĩa không nhìn thấy trong hình. Với nhiệm vụ mã, cung cấp hàm liên quan, hành vi quan sát được và kết quả bắt buộc. Phản hồi hữu ích cần xác định bằng chứng đã dùng, tách giả định và trả sản phẩm cuối cùng ở dạng có thể xem xét.\n\nVới câu hỏi video, xác định sự kiện hoặc trình tự quan trọng, giữ thời gian và thứ tự khung hình. Ví dụ của nhà phát triển dùng hai khung hình mỗi giây trong quy trình được hỗ trợ. Hướng dẫn video dài khuyến nghị hạn mức bộ xử lý lớn hơn, tương ứng khoảng 224K token video, để phân tích tư liệu dài hàng giờ với tốc độ lấy mẫu cao hơn. Những thiết lập đó cần cấu hình và không xác lập bảo đảm chung về thời lượng hay dấu thời gian sự kiện chính xác.\n\nChế độ suy nghĩ và phản hồi trực tiếp\n\nChế độ suy nghĩ được bật mặc định và đứng trước phản hồi cuối cùng. enable_thinking có thể tắt chế độ này để trả lời trực tiếp. Qwen3.5 không chính thức hỗ trợ các công tắc mềm /think và /nothink trước đây. Nhà phát triển khuyến nghị chỉ giữ văn bản câu trả lời cuối cùng trong các tin nhắn trợ lý của lịch sử, thay vì nội dung suy nghĩ. Đây là quy ước của Qwen3.5 và cần được phân biệt với hành vi giữ suy luận trong lịch sử được mô tả cho bản phát hành sau.\n\nChọn dạng cuối cùng trước khi gửi nhiệm vụ: kết luận ngắn kèm giá trị hỗ trợ, bảng trường trích xuất hoặc bản vá mã có giải thích. Phản hồi trực tiếp vẫn là câu trả lời được sinh cần xem xét; bản ghi suy nghĩ dài không phải bằng chứng độc lập rằng kết luận của nó đúng.\n\nSử dụng tác tử\n\nNhà phát triển hỗ trợ gọi công cụ và khuyến nghị Qwen-Agent với công cụ được cấu hình hoặc kết nối qua MCP, cùng Qwen Code cho quy trình tác tử lập trình. Giao vai trò rõ ràng cho công cụ của ứng dụng và trả các quan sát thực tế về mô hình. Mô hình có thể lập kế hoạch và điều chỉnh dựa trên phản hồi đó, còn ứng dụng thực hiện hành động. Khả năng hỗ trợ công cụ tự nó không xác lập quyền truy cập tích hợp vào internet, tệp hoặc môi trường thực thi mã qua mọi giao diện.\n\nVăn bản cực dài\n\nPhương pháp mở rộng dùng YaRN với cấu hình vị trí riêng của checkpoint. Hệ số bốn hướng đến quy trình khoảng một triệu token; hệ số hai được gợi ý cho 524,288 token. Việc co giãn tĩnh có thể làm giảm chất lượng trên văn bản ngắn hơn, vì vậy nhà phát triển khuyến nghị dùng khi thực sự cần ngữ cảnh lớn hơn. Tổ chức tư liệu dài và chừa không gian cho câu trả lời cần thiết, thay vì hiểu con số ngữ cảnh lớn nhất là khả năng nhớ tài liệu không giới hạn.\n\nHướng dẫn sinh nội dung và giới hạn\n\nBest Practices khuyến nghị temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 và repetition penalty 1.0 cho suy nghĩ thông thường. Lập trình chính xác dùng temperature 0.6 và presence penalty bằng không. Phản hồi trực tiếp thông thường dùng temperature 0.7, top_p 0.8 và presence penalty 1.5; top_k là 20, min_p là 0 và repetition penalty là 1.0. Suy luận bằng phản hồi trực tiếp dùng bộ thiết lập Best Practices riêng gồm temperature 1.0, top_p 1.0, top_k 40 và presence penalty 2.0. Mức phạt hiện diện lớn hơn có thể làm lẫn ngôn ngữ hoặc giảm nhẹ chất lượng.\n\nHạn mức sinh được khuyến nghị là 32,768 token cho phần lớn nhiệm vụ và 81,920 cho toán hoặc lập trình đặc biệt phức tạp. Đây không phải các mức trần đầu ra cứng độc lập. Nêu rõ lược đồ câu trả lời hoặc dấu phân cách và đối chiếu mã, phép tính, trích dẫn cùng chi tiết thị giác với nguồn. Kết quả hữu ích là sản phẩm văn bản cụ thể giữ đúng định danh 27B kiến trúc dày đặc, đầu vào và chế độ phản hồi.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
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 là mô hình thị giác-ngôn ngữ kiến trúc dày đặc có 27 tỷ tham số của Qwen, nhận văn bản, hình ảnh và video, với đầu ra văn bản. Mô hình hỗ trợ suy luận, lập trình, công việc có công cụ hỗ trợ và nhiệm vụ đa ngôn ngữ, với chế độ suy nghĩ có thể lựa chọn và ngữ cảnh gốc 262,144 token.
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.
Điểm nổi bật của Qwen3.5 trong phiên bản 27B kiến trúc dày đặc
Qwen3.5-27B là mô hình thị giác-ngôn ngữ kiến trúc dày đặc đã qua hậu huấn luyện. Văn bản, hình ảnh và video có thể tham gia cùng một nhiệm vụ, trong khi kết quả là văn bản: lời giải thích, đề xuất mã, thông tin trích xuất hoặc sản phẩm khác được yêu cầu. Việc hợp nhất huấn luyện văn bản và thị giác từ giai đoạn sớm của dòng mô hình phát triển khả năng suy luận, lập trình, tác tử và thị giác, cùng học tăng cường trên nhiệm vụ phức tạp dần và hỗ trợ 201 ngôn ngữ, phương ngữ.
Phạm vi ngôn ngữ đó giúp định hình nhiệm vụ đa ngôn ngữ nhưng không bảo đảm độ tin cậy giống nhau cho mọi phương ngữ hoặc từ vựng chuyên môn. Cung cấp ngôn ngữ đích, người đọc và thuật ngữ cần giữ nguyên. Với so sánh tài liệu giữa các ngôn ngữ, gắn nhãn từng nguồn và yêu cầu kết quả được tổ chức theo những dữ kiện hoặc câu hỏi cần so sánh.
Tổng quan mô hình
Phiên bản 27B cụ thể có kiến trúc dày đặc, với 64 lớp mô hình ngôn ngữ và bộ mã hóa thị giác. Bố cục lai xen kẽ các nhóm ba lớp Gated DeltaNet và một lớp chú ý có cổng, dùng mạng truyền thẳng kiến trúc dày đặc. Dự đoán nhiều token được đưa vào huấn luyện. Không nên gán kiến trúc hỗn hợp chuyên gia thưa được mô tả cho các kích thước Qwen3.5 khác vào mô hình này; định danh 27 tỷ tham số là đặc tả checkpoint riêng của nó.
Ngữ cảnh gốc là 262,144 token, với khả năng mở rộng có điều kiện lên 1,010,000. Qwen khuyến nghị giữ ngữ cảnh tối thiểu 128K khi có thể cho nhiệm vụ suy nghĩ phức tạp, đồng thời cho phép thiết lập nhỏ hơn khi ràng buộc bộ nhớ đòi hỏi. Đây là hướng dẫn cấu hình chứ không phải bằng chứng rằng mọi giao diện cung cấp toàn bộ ngữ cảnh. Văn bản nguồn, token thị giác, lịch sử, suy luận và câu trả lời cùng dùng giới hạn độ dài chuỗi.
Chuẩn bị văn bản và thị giác
Với tài liệu kỹ thuật, giữ định danh phần và yêu cầu bảng yêu cầu hoặc giải thích dựa trên các phần đó. Với sơ đồ, giữ nhãn và cung cấp định nghĩa không nhìn thấy trong hình. Với nhiệm vụ mã, cung cấp hàm liên quan, hành vi quan sát được và kết quả bắt buộc. Phản hồi hữu ích cần xác định bằng chứng đã dùng, tách giả định và trả sản phẩm cuối cùng ở dạng có thể xem xét.
Với câu hỏi video, xác định sự kiện hoặc trình tự quan trọng, giữ thời gian và thứ tự khung hình. Ví dụ của nhà phát triển dùng hai khung hình mỗi giây trong quy trình được hỗ trợ. Hướng dẫn video dài khuyến nghị hạn mức bộ xử lý lớn hơn, tương ứng khoảng 224K token video, để phân tích tư liệu dài hàng giờ với tốc độ lấy mẫu cao hơn. Những thiết lập đó cần cấu hình và không xác lập bảo đảm chung về thời lượng hay dấu thời gian sự kiện chính xác.
Chế độ suy nghĩ và phản hồi trực tiếp
Chế độ suy nghĩ được bật mặc định và đứng trước phản hồi cuối cùng. enable_thinking có thể tắt chế độ này để trả lời trực tiếp. Qwen3.5 không chính thức hỗ trợ các công tắc mềm /think và /nothink trước đây. Nhà phát triển khuyến nghị chỉ giữ văn bản câu trả lời cuối cùng trong các tin nhắn trợ lý của lịch sử, thay vì nội dung suy nghĩ. Đây là quy ước của Qwen3.5 và cần được phân biệt với hành vi giữ suy luận trong lịch sử được mô tả cho bản phát hành sau.
Chọn dạng cuối cùng trước khi gửi nhiệm vụ: kết luận ngắn kèm giá trị hỗ trợ, bảng trường trích xuất hoặc bản vá mã có giải thích. Phản hồi trực tiếp vẫn là câu trả lời được sinh cần xem xét; bản ghi suy nghĩ dài không phải bằng chứng độc lập rằng kết luận của nó đúng.
Sử dụng tác tử
Nhà phát triển hỗ trợ gọi công cụ và khuyến nghị Qwen-Agent với công cụ được cấu hình hoặc kết nối qua MCP, cùng Qwen Code cho quy trình tác tử lập trình. Giao vai trò rõ ràng cho công cụ của ứng dụng và trả các quan sát thực tế về mô hình. Mô hình có thể lập kế hoạch và điều chỉnh dựa trên phản hồi đó, còn ứng dụng thực hiện hành động. Khả năng hỗ trợ công cụ tự nó không xác lập quyền truy cập tích hợp vào internet, tệp hoặc môi trường thực thi mã qua mọi giao diện.
Văn bản cực dài
Phương pháp mở rộng dùng YaRN với cấu hình vị trí riêng của checkpoint. Hệ số bốn hướng đến quy trình khoảng một triệu token; hệ số hai được gợi ý cho 524,288 token. Việc co giãn tĩnh có thể làm giảm chất lượng trên văn bản ngắn hơn, vì vậy nhà phát triển khuyến nghị dùng khi thực sự cần ngữ cảnh lớn hơn. Tổ chức tư liệu dài và chừa không gian cho câu trả lời cần thiết, thay vì hiểu con số ngữ cảnh lớn nhất là khả năng nhớ tài liệu không giới hạn.
Hướng dẫn sinh nội dung và giới hạn
Best Practices khuyến nghị temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 và repetition penalty 1.0 cho suy nghĩ thông thường. Lập trình chính xác dùng temperature 0.6 và presence penalty bằng không. Phản hồi trực tiếp thông thường dùng temperature 0.7, top_p 0.8 và presence penalty 1.5; top_k là 20, min_p là 0 và repetition penalty là 1.0. Suy luận bằng phản hồi trực tiếp dùng bộ thiết lập Best Practices riêng gồm temperature 1.0, top_p 1.0, top_k 40 và presence penalty 2.0. Mức phạt hiện diện lớn hơn có thể làm lẫn ngôn ngữ hoặc giảm nhẹ chất lượng.
Hạn mức sinh được khuyến nghị là 32,768 token cho phần lớn nhiệm vụ và 81,920 cho toán hoặc lập trình đặc biệt phức tạp. Đây không phải các mức trần đầu ra cứng độc lập. Nêu rõ lược đồ câu trả lời hoặc dấu phân cách và đối chiếu mã, phép tính, trích dẫn cùng chi tiết thị giác với nguồn. Kết quả hữu ích là sản phẩm văn bản cụ thể giữ đúng định danh 27B kiến trúc dày đặc, đầu vào và chế độ phản hồi.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3.5-27b | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá 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[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá 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_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp 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.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00052 / 1K token Đầu ra · Token đầu ra $0.00412 / 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 |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00052 / 1K token Đầu ra · Token đầu ra $0.00412 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${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 hoặc SSE
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.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra qwen/qwen3.5-27b
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen/qwen3.5-27bQwen3.5-27B là mô hình thị giác-ngôn ngữ kiến trúc dày đặc có 27 tỷ tham số của Qwen, nhận văn bản, hình ảnh và video, với đầu ra văn bản. Mô hình hỗ trợ suy luận, lập trình, công việc có công cụ hỗ trợ và nhiệm vụ đa ngôn ngữ, với chế độ suy nghĩ có thể lựa chọn và ngữ cảnh gốc 262,144 token.
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.
Điểm nổi bật của Qwen3.5 trong phiên bản 27B kiến trúc dày đặc
Qwen3.5-27B là mô hình thị giác-ngôn ngữ kiến trúc dày đặc đã qua hậu huấn luyện. Văn bản, hình ảnh và video có thể tham gia cùng một nhiệm vụ, trong khi kết quả là văn bản: lời giải thích, đề xuất mã, thông tin trích xuất hoặc sản phẩm khác được yêu cầu. Việc hợp nhất huấn luyện văn bản và thị giác từ giai đoạn sớm của dòng mô hình phát triển khả năng suy luận, lập trình, tác tử và thị giác, cùng học tăng cường trên nhiệm vụ phức tạp dần và hỗ trợ 201 ngôn ngữ, phương ngữ.
Phạm vi ngôn ngữ đó giúp định hình nhiệm vụ đa ngôn ngữ nhưng không bảo đảm độ tin cậy giống nhau cho mọi phương ngữ hoặc từ vựng chuyên môn. Cung cấp ngôn ngữ đích, người đọc và thuật ngữ cần giữ nguyên. Với so sánh tài liệu giữa các ngôn ngữ, gắn nhãn từng nguồn và yêu cầu kết quả được tổ chức theo những dữ kiện hoặc câu hỏi cần so sánh.
Tổng quan mô hình
Phiên bản 27B cụ thể có kiến trúc dày đặc, với 64 lớp mô hình ngôn ngữ và bộ mã hóa thị giác. Bố cục lai xen kẽ các nhóm ba lớp Gated DeltaNet và một lớp chú ý có cổng, dùng mạng truyền thẳng kiến trúc dày đặc. Dự đoán nhiều token được đưa vào huấn luyện. Không nên gán kiến trúc hỗn hợp chuyên gia thưa được mô tả cho các kích thước Qwen3.5 khác vào mô hình này; định danh 27 tỷ tham số là đặc tả checkpoint riêng của nó.
Ngữ cảnh gốc là 262,144 token, với khả năng mở rộng có điều kiện lên 1,010,000. Qwen khuyến nghị giữ ngữ cảnh tối thiểu 128K khi có thể cho nhiệm vụ suy nghĩ phức tạp, đồng thời cho phép thiết lập nhỏ hơn khi ràng buộc bộ nhớ đòi hỏi. Đây là hướng dẫn cấu hình chứ không phải bằng chứng rằng mọi giao diện cung cấp toàn bộ ngữ cảnh. Văn bản nguồn, token thị giác, lịch sử, suy luận và câu trả lời cùng dùng giới hạn độ dài chuỗi.
Chuẩn bị văn bản và thị giác
Với tài liệu kỹ thuật, giữ định danh phần và yêu cầu bảng yêu cầu hoặc giải thích dựa trên các phần đó. Với sơ đồ, giữ nhãn và cung cấp định nghĩa không nhìn thấy trong hình. Với nhiệm vụ mã, cung cấp hàm liên quan, hành vi quan sát được và kết quả bắt buộc. Phản hồi hữu ích cần xác định bằng chứng đã dùng, tách giả định và trả sản phẩm cuối cùng ở dạng có thể xem xét.
Với câu hỏi video, xác định sự kiện hoặc trình tự quan trọng, giữ thời gian và thứ tự khung hình. Ví dụ của nhà phát triển dùng hai khung hình mỗi giây trong quy trình được hỗ trợ. Hướng dẫn video dài khuyến nghị hạn mức bộ xử lý lớn hơn, tương ứng khoảng 224K token video, để phân tích tư liệu dài hàng giờ với tốc độ lấy mẫu cao hơn. Những thiết lập đó cần cấu hình và không xác lập bảo đảm chung về thời lượng hay dấu thời gian sự kiện chính xác.
Chế độ suy nghĩ và phản hồi trực tiếp
Chế độ suy nghĩ được bật mặc định và đứng trước phản hồi cuối cùng. enable_thinking có thể tắt chế độ này để trả lời trực tiếp. Qwen3.5 không chính thức hỗ trợ các công tắc mềm /think và /nothink trước đây. Nhà phát triển khuyến nghị chỉ giữ văn bản câu trả lời cuối cùng trong các tin nhắn trợ lý của lịch sử, thay vì nội dung suy nghĩ. Đây là quy ước của Qwen3.5 và cần được phân biệt với hành vi giữ suy luận trong lịch sử được mô tả cho bản phát hành sau.
Chọn dạng cuối cùng trước khi gửi nhiệm vụ: kết luận ngắn kèm giá trị hỗ trợ, bảng trường trích xuất hoặc bản vá mã có giải thích. Phản hồi trực tiếp vẫn là câu trả lời được sinh cần xem xét; bản ghi suy nghĩ dài không phải bằng chứng độc lập rằng kết luận của nó đúng.
Sử dụng tác tử
Nhà phát triển hỗ trợ gọi công cụ và khuyến nghị Qwen-Agent với công cụ được cấu hình hoặc kết nối qua MCP, cùng Qwen Code cho quy trình tác tử lập trình. Giao vai trò rõ ràng cho công cụ của ứng dụng và trả các quan sát thực tế về mô hình. Mô hình có thể lập kế hoạch và điều chỉnh dựa trên phản hồi đó, còn ứng dụng thực hiện hành động. Khả năng hỗ trợ công cụ tự nó không xác lập quyền truy cập tích hợp vào internet, tệp hoặc môi trường thực thi mã qua mọi giao diện.
Văn bản cực dài
Phương pháp mở rộng dùng YaRN với cấu hình vị trí riêng của checkpoint. Hệ số bốn hướng đến quy trình khoảng một triệu token; hệ số hai được gợi ý cho 524,288 token. Việc co giãn tĩnh có thể làm giảm chất lượng trên văn bản ngắn hơn, vì vậy nhà phát triển khuyến nghị dùng khi thực sự cần ngữ cảnh lớn hơn. Tổ chức tư liệu dài và chừa không gian cho câu trả lời cần thiết, thay vì hiểu con số ngữ cảnh lớn nhất là khả năng nhớ tài liệu không giới hạn.
Hướng dẫn sinh nội dung và giới hạn
Best Practices khuyến nghị temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 và repetition penalty 1.0 cho suy nghĩ thông thường. Lập trình chính xác dùng temperature 0.6 và presence penalty bằng không. Phản hồi trực tiếp thông thường dùng temperature 0.7, top_p 0.8 và presence penalty 1.5; top_k là 20, min_p là 0 và repetition penalty là 1.0. Suy luận bằng phản hồi trực tiếp dùng bộ thiết lập Best Practices riêng gồm temperature 1.0, top_p 1.0, top_k 40 và presence penalty 2.0. Mức phạt hiện diện lớn hơn có thể làm lẫn ngôn ngữ hoặc giảm nhẹ chất lượng.
Hạn mức sinh được khuyến nghị là 32,768 token cho phần lớn nhiệm vụ và 81,920 cho toán hoặc lập trình đặc biệt phức tạp. Đây không phải các mức trần đầu ra cứng độc lập. Nêu rõ lược đồ câu trả lời hoặc dấu phân cách và đối chiếu mã, phép tính, trích dẫn cùng chi tiết thị giác với nguồn. Kết quả hữu ích là sản phẩm văn bản cụ thể giữ đúng định danh 27B kiến trúc dày đặc, đầu vào và chế độ phản hồi.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3.5-27b | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp 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
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00052 / 1K token Đầu ra · Token đầu ra $0.00412 / 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 |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00052 / 1K token Đầu ra · Token đầu ra $0.00412 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen/qwen3.5-27b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 hoặc SSE
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.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra qwen/qwen3.5-27b
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
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.