Điểm nổi bật của Qwen3.5: checkpoint 397B-A17B
Qwen3.5-397B-A17B là mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia đã qua hậu huấn luyện trong dòng Qwen3.5. Mô hình nhận văn bản, hình ảnh và video, tạo văn bản: phần giải thích, đề xuất mã, phân tích và sản phẩm tài liệu được yêu cầu. Dòng mô hình dùng hợp nhất văn bản-thị giác từ giai đoạn sớm và học tăng cường trên các nhiệm vụ phức tạp dần để phát triển suy luận, lập trình, tác tử và hiểu thị giác. Phạm vi ngôn ngữ được mô tả là 201 ngôn ngữ và phương ngữ, thay vì lời hứa về độ tin cậy giống nhau cho mọi ngôn ngữ hoặc lĩnh vực chuyên môn.
Nhà phát triển mô tả riêng Qwen3.5-Plus được quản lý là dịch vụ tương ứng với các tính năng bổ sung cho môi trường vận hành. Hãy giữ định danh, ngữ cảnh và công thức sinh nội dung riêng của checkpoint mở này, thay vì đưa vào mọi tính năng được quản lý hoặc tùy chọn Qwen về sau. Phiên bản 397B-A17B cụ thể vẫn khác với các mô hình kiến trúc dày đặc và chuyên gia nhỏ hơn trong cùng dòng.
Tổng quan mô hình
Mô hình có tổng cộng 397 tỷ tham số và kích hoạt 17 tỷ. Bố cục lai 60 lớp lặp lại ba lớp chuyên gia Gated DeltaNet, tiếp theo là một lớp chuyên gia chú ý có cổng. Nhà phát triển liệt kê 512 chuyên gia định tuyến, lựa chọn mười chuyên gia định tuyến cùng một chuyên gia dùng chung. Bộ mã hóa thị giác và dự đoán nhiều token là các thành phần của mô hình. Tổng số tham số, số tham số được kích hoạt và kích thước lưu trữ toàn bộ checkpoint là những khái niệm khác nhau; các con số này không xác lập thời gian phản hồi cố định.
Ngữ cảnh gốc là 262,144 token, với khả năng mở rộng có điều kiện lên đến 1,010,000. Văn bản, biểu diễn hình ảnh hoặc video, lịch sử hội thoại, suy luận và câu trả lời cuối cùng cùng dùng giới hạn độ dài chuỗi đã cấu hình. Dùng hạn mức cấu hình thực tế cho nhiệm vụ, thay vì giả định tài liệu lớn nhất và câu trả lời dài nhất tự động vừa cùng nhau.
Chuẩn bị bằng chứng văn bản và thị giác
Với dự án kỹ thuật, cung cấp đặc tả, mã và sơ đồ liên quan, đồng thời xác định sản phẩm cần tạo. Yêu cầu đề xuất triển khai được tổ chức theo các thành phần chịu ảnh hưởng và có căn cứ từ yêu cầu được cung cấp. Với so sánh tài liệu, giữ định danh phần, nhãn bảng và đơn vị, rồi yêu cầu bảng phát hiện kèm bằng chứng cho từng hàng. Với báo cáo đa ngôn ngữ, nêu ngôn ngữ đích và thuật ngữ cần giữ nguyên.
Với câu hỏi hình ảnh, giữ các nhãn nhỏ và cung cấp định nghĩa không có trong hình. Với câu hỏi video, xác định sự kiện liên quan, giữ thứ tự khung hình và thời gian. Đối chiếu chi tiết thị giác, trích dẫn và mô tả sự kiện trả về với hình ảnh, đoạn văn và dấu thời gian gốc. Kết quả vẫn là phân tích văn bản hoặc mã; đầu vào thị giác của mô hình không hàm ý sinh hình ảnh, video hoặc giọng nói.
Chế độ suy nghĩ và lịch sử hội thoại
Chế độ suy nghĩ được bật mặc định và đứng trước phản hồi cuối cùng. Thiết lập enable_thinking của nhà phát triển có thể tắt chế độ này để trả lời trực tiếp. Các công tắc prompt mềm /think và /nothink trước đây không được hỗ trợ chính thức cho Qwen3.5. Giữ sản phẩm cuối cùng dễ tìm sau phần suy luận, chẳng hạn kết luận có dấu phân cách, bảng bằng chứng hoặc đề xuất mã riêng biệt.
Thẻ mô hình khuyến nghị giữ câu trả lời cuối cùng không kèm nội dung suy nghĩ trong các tin nhắn trợ lý của lịch sử. Điều này khác với các tùy chọn và mặc định giữ suy luận trong lịch sử được đưa vào ở bản phát hành sau. Hãy tuân theo mẫu của chính checkpoint này và giữ các sửa đổi hoặc quan sát công cụ gắn với nhiệm vụ mà chúng cập nhật.
Sử dụng tác tử
Qwen mô tả 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. Nêu thao tác được phép, bằng chứng sẵn có và tiêu chí hoàn thành có thể quan sát. Ứng dụng thực thi công cụ và cung cấp kết quả; mô hình có thể dùng các quan sát đó để điều chỉnh kế hoạch hoặc giải thích. Lệnh hoặc bản vá được đề xuất vẫn khác với hành động đã thực sự hoàn thành trong môi trường.
Văn bản và video cực dài
Phương pháp mở rộng của nhà phát triển dùng YaRN với thiết lập vị trí đan xen riêng của checkpoint. Hệ số bốn hướng đến quy trình khoảng một triệu token; hệ số hai được gợi ý cho khối lượng 524,288 token. Việc co giãn tĩnh có thể ảnh hưởng đến hiệu năng trên văn bản ngắn hơn, vì vậy cần dựa trên nhu cầu ngữ cảnh lớn thực tế. Tổ chức đầu vào dài theo định danh tài liệu, trang hoặc mã, đồng thời chừa không gian cho kết quả.
Ví dụ video được hỗ trợ mặc định dùng hai khung hình mỗi giây. Với tư liệu dài hàng giờ, nhà phát triển khuyến nghị hạn mức bộ xử lý lớn hơn tương ứng khoảng 224K token video để lấy mẫu ở tốc độ cao hơn. Đây là công thức phụ thuộc cấu hình, không phải bảo đảm chung về thời lượng đa phương tiện, khả năng nhớ lại đầy đủ hoặc độ chính xác dấu thời gian.
Hướng dẫn sinh nội dung và giới hạn thực chất
Best Practices của checkpoint này khuyến nghị temperature 0.6, top_p 0.95, top_k 20 và min_p 0 cho suy nghĩ, và temperature 0.7, top_p 0.8, top_k 20 và min_p 0 cho phản hồi trực tiếp. Các khuyến nghị cụ thể này khác với một số phiên bản Qwen3.5 nhỏ hơn. Ở nơi được hỗ trợ, presence penalty từ không đến hai có thể giảm lặp lại, nhưng giá trị cao 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 truy vấn và 81,920 cho công việc toán học hoặc lập trình đặc biệt phức tạp. Đây là khuyến nghị, không phải các mức trần đầu ra cứng độc lập. Nêu định dạng câu trả lời bắt buộc và đối chiếu phép tính, chi tiết trích xuất cùng đề xuất mã với nguồn. Đầu ra hữu ích là sản phẩm văn bản cụ thể có bằng chứng và giả định có thể xem xét.
", "aboutText": "Điểm nổi bật của Qwen3.5: checkpoint 397B-A17B\n\nQwen3.5-397B-A17B là mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia đã qua hậu huấn luyện trong dòng Qwen3.5. Mô hình nhận văn bản, hình ảnh và video, tạo văn bản: phần giải thích, đề xuất mã, phân tích và sản phẩm tài liệu được yêu cầu. Dòng mô hình dùng hợp nhất văn bản-thị giác từ giai đoạn sớm và học tăng cường trên các nhiệm vụ phức tạp dần để phát triển suy luận, lập trình, tác tử và hiểu thị giác. Phạm vi ngôn ngữ được mô tả là 201 ngôn ngữ và phương ngữ, thay vì lời hứa về độ tin cậy giống nhau cho mọi ngôn ngữ hoặc lĩnh vực chuyên môn.\n\nNhà phát triển mô tả riêng Qwen3.5-Plus được quản lý là dịch vụ tương ứng với các tính năng bổ sung cho môi trường vận hành. Hãy giữ định danh, ngữ cảnh và công thức sinh nội dung riêng của checkpoint mở này, thay vì đưa vào mọi tính năng được quản lý hoặc tùy chọn Qwen về sau. Phiên bản 397B-A17B cụ thể vẫn khác với các mô hình kiến trúc dày đặc và chuyên gia nhỏ hơn trong cùng dòng.\n\nTổng quan mô hình\n\nMô hình có tổng cộng 397 tỷ tham số và kích hoạt 17 tỷ. Bố cục lai 60 lớp lặp lại ba lớp chuyên gia Gated DeltaNet, tiếp theo là một lớp chuyên gia chú ý có cổng. Nhà phát triển liệt kê 512 chuyên gia định tuyến, lựa chọn mười chuyên gia định tuyến cùng một chuyên gia dùng chung. Bộ mã hóa thị giác và dự đoán nhiều token là các thành phần của mô hình. Tổng số tham số, số tham số được kích hoạt và kích thước lưu trữ toàn bộ checkpoint là những khái niệm khác nhau; các con số này không xác lập thời gian phản hồi cố định.\n\nNgữ cảnh gốc là 262,144 token, với khả năng mở rộng có điều kiện lên đến 1,010,000. Văn bản, biểu diễn hình ảnh hoặc video, lịch sử hội thoại, suy luận và câu trả lời cuối cùng cùng dùng giới hạn độ dài chuỗi đã cấu hình. Dùng hạn mức cấu hình thực tế cho nhiệm vụ, thay vì giả định tài liệu lớn nhất và câu trả lời dài nhất tự động vừa cùng nhau.\n\nChuẩn bị bằng chứng văn bản và thị giác\n\nVới dự án kỹ thuật, cung cấp đặc tả, mã và sơ đồ liên quan, đồng thời xác định sản phẩm cần tạo. Yêu cầu đề xuất triển khai được tổ chức theo các thành phần chịu ảnh hưởng và có căn cứ từ yêu cầu được cung cấp. Với so sánh tài liệu, giữ định danh phần, nhãn bảng và đơn vị, rồi yêu cầu bảng phát hiện kèm bằng chứng cho từng hàng. Với báo cáo đa ngôn ngữ, nêu ngôn ngữ đích và thuật ngữ cần giữ nguyên.\n\nVới câu hỏi hình ảnh, giữ các nhãn nhỏ và cung cấp định nghĩa không có trong hình. Với câu hỏi video, xác định sự kiện liên quan, giữ thứ tự khung hình và thời gian. Đối chiếu chi tiết thị giác, trích dẫn và mô tả sự kiện trả về với hình ảnh, đoạn văn và dấu thời gian gốc. Kết quả vẫn là phân tích văn bản hoặc mã; đầu vào thị giác của mô hình không hàm ý sinh hình ảnh, video hoặc giọng nói.\n\nChế độ suy nghĩ và lịch sử hội thoại\n\nChế độ suy nghĩ được bật mặc định và đứng trước phản hồi cuối cùng. Thiết lập enable_thinking của nhà phát triển có thể tắt chế độ này để trả lời trực tiếp. Các công tắc prompt mềm /think và /nothink trước đây không được hỗ trợ chính thức cho Qwen3.5. Giữ sản phẩm cuối cùng dễ tìm sau phần suy luận, chẳng hạn kết luận có dấu phân cách, bảng bằng chứng hoặc đề xuất mã riêng biệt.\n\nThẻ mô hình khuyến nghị giữ câu trả lời cuối cùng không kèm nội dung suy nghĩ trong các tin nhắn trợ lý của lịch sử. Điều này khác với các tùy chọn và mặc định giữ suy luận trong lịch sử được đưa vào ở bản phát hành sau. Hãy tuân theo mẫu của chính checkpoint này và giữ các sửa đổi hoặc quan sát công cụ gắn với nhiệm vụ mà chúng cập nhật.\n\nSử dụng tác tử\n\nQwen mô tả 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. Nêu thao tác được phép, bằng chứng sẵn có và tiêu chí hoàn thành có thể quan sát. Ứng dụng thực thi công cụ và cung cấp kết quả; mô hình có thể dùng các quan sát đó để điều chỉnh kế hoạch hoặc giải thích. Lệnh hoặc bản vá được đề xuất vẫn khác với hành động đã thực sự hoàn thành trong môi trường.\n\nVăn bản và video cực dài\n\nPhương pháp mở rộng của nhà phát triển dùng YaRN với thiết lập vị trí đan xen riêng của checkpoint. Hệ số bốn hướng đến quy trình khoảng một triệu token; hệ số hai được gợi ý cho khối lượng 524,288 token. Việc co giãn tĩnh có thể ảnh hưởng đến hiệu năng trên văn bản ngắn hơn, vì vậy cần dựa trên nhu cầu ngữ cảnh lớn thực tế. Tổ chức đầu vào dài theo định danh tài liệu, trang hoặc mã, đồng thời chừa không gian cho kết quả.\n\nVí dụ video được hỗ trợ mặc định dùng hai khung hình mỗi giây. Với tư liệu dài hàng giờ, nhà phát triển khuyến nghị hạn mức bộ xử lý lớn hơn tương ứng khoảng 224K token video để lấy mẫu ở tốc độ cao hơn. Đây là công thức phụ thuộc cấu hình, không phải bảo đảm chung về thời lượng đa phương tiện, khả năng nhớ lại đầy đủ hoặc độ chính xác dấu thời gian.\n\nHướng dẫn sinh nội dung và giới hạn thực chất\n\nBest Practices của checkpoint này khuyến nghị temperature 0.6, top_p 0.95, top_k 20 và min_p 0 cho suy nghĩ, và temperature 0.7, top_p 0.8, top_k 20 và min_p 0 cho phản hồi trực tiếp. Các khuyến nghị cụ thể này khác với một số phiên bản Qwen3.5 nhỏ hơn. Ở nơi được hỗ trợ, presence penalty từ không đến hai có thể giảm lặp lại, nhưng giá trị cao 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 truy vấn và 81,920 cho công việc toán học hoặc lập trình đặc biệt phức tạp. Đây là khuyến nghị, không phải các mức trần đầu ra cứng độc lập. Nêu định dạng câu trả lời bắt buộc và đối chiếu phép tính, chi tiết trích xuất cùng đề xuất mã với nguồn. Đầu ra hữu ích là sản phẩm văn bản cụ thể có bằng chứng và giả định có thể xem xét.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Reconcile a specification and implementation plan\n\nCompare spec S1: users may delete only their own drafts, and published records cannot be deleted. Plan P1: show Delete for every record owned by the user, regardless of status. Return the exact mismatch, a corrected eligibility rule and test cases for an owned draft, owned published record and another user’s draft.An evidence-linked mismatch, a corrected rule and three acceptance-test descriptions.Check that both ownership and draft status are required rather than treating either condition as sufficient.qwen/qwen3.5-397b-a17bQwen3.5-397B-A17B là mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia của Qwen, có tổng cộng 397 tỷ tham số và 17 tỷ tham số được kích hoạt. Mô hình nhận văn bản, hình ảnh và video, trả về văn bản cho nhiệm vụ suy luận, lập trình và tác tử, 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: checkpoint 397B-A17B
Qwen3.5-397B-A17B là mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia đã qua hậu huấn luyện trong dòng Qwen3.5. Mô hình nhận văn bản, hình ảnh và video, tạo văn bản: phần giải thích, đề xuất mã, phân tích và sản phẩm tài liệu được yêu cầu. Dòng mô hình dùng hợp nhất văn bản-thị giác từ giai đoạn sớm và học tăng cường trên các nhiệm vụ phức tạp dần để phát triển suy luận, lập trình, tác tử và hiểu thị giác. Phạm vi ngôn ngữ được mô tả là 201 ngôn ngữ và phương ngữ, thay vì lời hứa về độ tin cậy giống nhau cho mọi ngôn ngữ hoặc lĩnh vực chuyên môn.
Nhà phát triển mô tả riêng Qwen3.5-Plus được quản lý là dịch vụ tương ứng với các tính năng bổ sung cho môi trường vận hành. Hãy giữ định danh, ngữ cảnh và công thức sinh nội dung riêng của checkpoint mở này, thay vì đưa vào mọi tính năng được quản lý hoặc tùy chọn Qwen về sau. Phiên bản 397B-A17B cụ thể vẫn khác với các mô hình kiến trúc dày đặc và chuyên gia nhỏ hơn trong cùng dòng.
Tổng quan mô hình
Mô hình có tổng cộng 397 tỷ tham số và kích hoạt 17 tỷ. Bố cục lai 60 lớp lặp lại ba lớp chuyên gia Gated DeltaNet, tiếp theo là một lớp chuyên gia chú ý có cổng. Nhà phát triển liệt kê 512 chuyên gia định tuyến, lựa chọn mười chuyên gia định tuyến cùng một chuyên gia dùng chung. Bộ mã hóa thị giác và dự đoán nhiều token là các thành phần của mô hình. Tổng số tham số, số tham số được kích hoạt và kích thước lưu trữ toàn bộ checkpoint là những khái niệm khác nhau; các con số này không xác lập thời gian phản hồi cố định.
Ngữ cảnh gốc là 262,144 token, với khả năng mở rộng có điều kiện lên đến 1,010,000. Văn bản, biểu diễn hình ảnh hoặc video, lịch sử hội thoại, suy luận và câu trả lời cuối cùng cùng dùng giới hạn độ dài chuỗi đã cấu hình. Dùng hạn mức cấu hình thực tế cho nhiệm vụ, thay vì giả định tài liệu lớn nhất và câu trả lời dài nhất tự động vừa cùng nhau.
Chuẩn bị bằng chứng văn bản và thị giác
Với dự án kỹ thuật, cung cấp đặc tả, mã và sơ đồ liên quan, đồng thời xác định sản phẩm cần tạo. Yêu cầu đề xuất triển khai được tổ chức theo các thành phần chịu ảnh hưởng và có căn cứ từ yêu cầu được cung cấp. Với so sánh tài liệu, giữ định danh phần, nhãn bảng và đơn vị, rồi yêu cầu bảng phát hiện kèm bằng chứng cho từng hàng. Với báo cáo đa ngôn ngữ, nêu ngôn ngữ đích và thuật ngữ cần giữ nguyên.
Với câu hỏi hình ảnh, giữ các nhãn nhỏ và cung cấp định nghĩa không có trong hình. Với câu hỏi video, xác định sự kiện liên quan, giữ thứ tự khung hình và thời gian. Đối chiếu chi tiết thị giác, trích dẫn và mô tả sự kiện trả về với hình ảnh, đoạn văn và dấu thời gian gốc. Kết quả vẫn là phân tích văn bản hoặc mã; đầu vào thị giác của mô hình không hàm ý sinh hình ảnh, video hoặc giọng nói.
Chế độ suy nghĩ và lịch sử hội thoại
Chế độ suy nghĩ được bật mặc định và đứng trước phản hồi cuối cùng. Thiết lập enable_thinking của nhà phát triển có thể tắt chế độ này để trả lời trực tiếp. Các công tắc prompt mềm /think và /nothink trước đây không được hỗ trợ chính thức cho Qwen3.5. Giữ sản phẩm cuối cùng dễ tìm sau phần suy luận, chẳng hạn kết luận có dấu phân cách, bảng bằng chứng hoặc đề xuất mã riêng biệt.
Thẻ mô hình khuyến nghị giữ câu trả lời cuối cùng không kèm nội dung suy nghĩ trong các tin nhắn trợ lý của lịch sử. Điều này khác với các tùy chọn và mặc định giữ suy luận trong lịch sử được đưa vào ở bản phát hành sau. Hãy tuân theo mẫu của chính checkpoint này và giữ các sửa đổi hoặc quan sát công cụ gắn với nhiệm vụ mà chúng cập nhật.
Sử dụng tác tử
Qwen mô tả 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. Nêu thao tác được phép, bằng chứng sẵn có và tiêu chí hoàn thành có thể quan sát. Ứng dụng thực thi công cụ và cung cấp kết quả; mô hình có thể dùng các quan sát đó để điều chỉnh kế hoạch hoặc giải thích. Lệnh hoặc bản vá được đề xuất vẫn khác với hành động đã thực sự hoàn thành trong môi trường.
Văn bản và video cực dài
Phương pháp mở rộng của nhà phát triển dùng YaRN với thiết lập vị trí đan xen riêng của checkpoint. Hệ số bốn hướng đến quy trình khoảng một triệu token; hệ số hai được gợi ý cho khối lượng 524,288 token. Việc co giãn tĩnh có thể ảnh hưởng đến hiệu năng trên văn bản ngắn hơn, vì vậy cần dựa trên nhu cầu ngữ cảnh lớn thực tế. Tổ chức đầu vào dài theo định danh tài liệu, trang hoặc mã, đồng thời chừa không gian cho kết quả.
Ví dụ video được hỗ trợ mặc định dùng hai khung hình mỗi giây. Với tư liệu dài hàng giờ, nhà phát triển khuyến nghị hạn mức bộ xử lý lớn hơn tương ứng khoảng 224K token video để lấy mẫu ở tốc độ cao hơn. Đây là công thức phụ thuộc cấu hình, không phải bảo đảm chung về thời lượng đa phương tiện, khả năng nhớ lại đầy đủ hoặc độ chính xác dấu thời gian.
Hướng dẫn sinh nội dung và giới hạn thực chất
Best Practices của checkpoint này khuyến nghị temperature 0.6, top_p 0.95, top_k 20 và min_p 0 cho suy nghĩ, và temperature 0.7, top_p 0.8, top_k 20 và min_p 0 cho phản hồi trực tiếp. Các khuyến nghị cụ thể này khác với một số phiên bản Qwen3.5 nhỏ hơn. Ở nơi được hỗ trợ, presence penalty từ không đến hai có thể giảm lặp lại, nhưng giá trị cao 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 truy vấn và 81,920 cho công việc toán học hoặc lập trình đặc biệt phức tạp. Đây là khuyến nghị, không phải các mức trần đầu ra cứng độc lập. Nêu định dạng câu trả lời bắt buộc và đối chiếu phép tính, chi tiết trích xuất cùng đề xuất mã với nguồn. Đầu ra hữu ích là sản phẩm văn bản cụ thể có bằng chứng và giả định có thể xem xét.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3.5-397b-a17b | 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 $0.00078 / 1K token Đầu ra · Token đầu ra $0.00468 / 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 $0.00078 / 1K token Đầu ra · Token đầu ra $0.00468 / 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/qwen3.5-397b-a17b", "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/qwen3.5-397b-a17b',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/qwen3.5-397b-a17b',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/qwen3.5-397b-a17b
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen/qwen3.5-397b-a17bQwen3.5-397B-A17B là mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia của Qwen, có tổng cộng 397 tỷ tham số và 17 tỷ tham số được kích hoạt. Mô hình nhận văn bản, hình ảnh và video, trả về văn bản cho nhiệm vụ suy luận, lập trình và tác tử, 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: checkpoint 397B-A17B
Qwen3.5-397B-A17B là mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia đã qua hậu huấn luyện trong dòng Qwen3.5. Mô hình nhận văn bản, hình ảnh và video, tạo văn bản: phần giải thích, đề xuất mã, phân tích và sản phẩm tài liệu được yêu cầu. Dòng mô hình dùng hợp nhất văn bản-thị giác từ giai đoạn sớm và học tăng cường trên các nhiệm vụ phức tạp dần để phát triển suy luận, lập trình, tác tử và hiểu thị giác. Phạm vi ngôn ngữ được mô tả là 201 ngôn ngữ và phương ngữ, thay vì lời hứa về độ tin cậy giống nhau cho mọi ngôn ngữ hoặc lĩnh vực chuyên môn.
Nhà phát triển mô tả riêng Qwen3.5-Plus được quản lý là dịch vụ tương ứng với các tính năng bổ sung cho môi trường vận hành. Hãy giữ định danh, ngữ cảnh và công thức sinh nội dung riêng của checkpoint mở này, thay vì đưa vào mọi tính năng được quản lý hoặc tùy chọn Qwen về sau. Phiên bản 397B-A17B cụ thể vẫn khác với các mô hình kiến trúc dày đặc và chuyên gia nhỏ hơn trong cùng dòng.
Tổng quan mô hình
Mô hình có tổng cộng 397 tỷ tham số và kích hoạt 17 tỷ. Bố cục lai 60 lớp lặp lại ba lớp chuyên gia Gated DeltaNet, tiếp theo là một lớp chuyên gia chú ý có cổng. Nhà phát triển liệt kê 512 chuyên gia định tuyến, lựa chọn mười chuyên gia định tuyến cùng một chuyên gia dùng chung. Bộ mã hóa thị giác và dự đoán nhiều token là các thành phần của mô hình. Tổng số tham số, số tham số được kích hoạt và kích thước lưu trữ toàn bộ checkpoint là những khái niệm khác nhau; các con số này không xác lập thời gian phản hồi cố định.
Ngữ cảnh gốc là 262,144 token, với khả năng mở rộng có điều kiện lên đến 1,010,000. Văn bản, biểu diễn hình ảnh hoặc video, lịch sử hội thoại, suy luận và câu trả lời cuối cùng cùng dùng giới hạn độ dài chuỗi đã cấu hình. Dùng hạn mức cấu hình thực tế cho nhiệm vụ, thay vì giả định tài liệu lớn nhất và câu trả lời dài nhất tự động vừa cùng nhau.
Chuẩn bị bằng chứng văn bản và thị giác
Với dự án kỹ thuật, cung cấp đặc tả, mã và sơ đồ liên quan, đồng thời xác định sản phẩm cần tạo. Yêu cầu đề xuất triển khai được tổ chức theo các thành phần chịu ảnh hưởng và có căn cứ từ yêu cầu được cung cấp. Với so sánh tài liệu, giữ định danh phần, nhãn bảng và đơn vị, rồi yêu cầu bảng phát hiện kèm bằng chứng cho từng hàng. Với báo cáo đa ngôn ngữ, nêu ngôn ngữ đích và thuật ngữ cần giữ nguyên.
Với câu hỏi hình ảnh, giữ các nhãn nhỏ và cung cấp định nghĩa không có trong hình. Với câu hỏi video, xác định sự kiện liên quan, giữ thứ tự khung hình và thời gian. Đối chiếu chi tiết thị giác, trích dẫn và mô tả sự kiện trả về với hình ảnh, đoạn văn và dấu thời gian gốc. Kết quả vẫn là phân tích văn bản hoặc mã; đầu vào thị giác của mô hình không hàm ý sinh hình ảnh, video hoặc giọng nói.
Chế độ suy nghĩ và lịch sử hội thoại
Chế độ suy nghĩ được bật mặc định và đứng trước phản hồi cuối cùng. Thiết lập enable_thinking của nhà phát triển có thể tắt chế độ này để trả lời trực tiếp. Các công tắc prompt mềm /think và /nothink trước đây không được hỗ trợ chính thức cho Qwen3.5. Giữ sản phẩm cuối cùng dễ tìm sau phần suy luận, chẳng hạn kết luận có dấu phân cách, bảng bằng chứng hoặc đề xuất mã riêng biệt.
Thẻ mô hình khuyến nghị giữ câu trả lời cuối cùng không kèm nội dung suy nghĩ trong các tin nhắn trợ lý của lịch sử. Điều này khác với các tùy chọn và mặc định giữ suy luận trong lịch sử được đưa vào ở bản phát hành sau. Hãy tuân theo mẫu của chính checkpoint này và giữ các sửa đổi hoặc quan sát công cụ gắn với nhiệm vụ mà chúng cập nhật.
Sử dụng tác tử
Qwen mô tả 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. Nêu thao tác được phép, bằng chứng sẵn có và tiêu chí hoàn thành có thể quan sát. Ứng dụng thực thi công cụ và cung cấp kết quả; mô hình có thể dùng các quan sát đó để điều chỉnh kế hoạch hoặc giải thích. Lệnh hoặc bản vá được đề xuất vẫn khác với hành động đã thực sự hoàn thành trong môi trường.
Văn bản và video cực dài
Phương pháp mở rộng của nhà phát triển dùng YaRN với thiết lập vị trí đan xen riêng của checkpoint. Hệ số bốn hướng đến quy trình khoảng một triệu token; hệ số hai được gợi ý cho khối lượng 524,288 token. Việc co giãn tĩnh có thể ảnh hưởng đến hiệu năng trên văn bản ngắn hơn, vì vậy cần dựa trên nhu cầu ngữ cảnh lớn thực tế. Tổ chức đầu vào dài theo định danh tài liệu, trang hoặc mã, đồng thời chừa không gian cho kết quả.
Ví dụ video được hỗ trợ mặc định dùng hai khung hình mỗi giây. Với tư liệu dài hàng giờ, nhà phát triển khuyến nghị hạn mức bộ xử lý lớn hơn tương ứng khoảng 224K token video để lấy mẫu ở tốc độ cao hơn. Đây là công thức phụ thuộc cấu hình, không phải bảo đảm chung về thời lượng đa phương tiện, khả năng nhớ lại đầy đủ hoặc độ chính xác dấu thời gian.
Hướng dẫn sinh nội dung và giới hạn thực chất
Best Practices của checkpoint này khuyến nghị temperature 0.6, top_p 0.95, top_k 20 và min_p 0 cho suy nghĩ, và temperature 0.7, top_p 0.8, top_k 20 và min_p 0 cho phản hồi trực tiếp. Các khuyến nghị cụ thể này khác với một số phiên bản Qwen3.5 nhỏ hơn. Ở nơi được hỗ trợ, presence penalty từ không đến hai có thể giảm lặp lại, nhưng giá trị cao 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 truy vấn và 81,920 cho công việc toán học hoặc lập trình đặc biệt phức tạp. Đây là khuyến nghị, không phải các mức trần đầu ra cứng độc lập. Nêu định dạng câu trả lời bắt buộc và đối chiếu phép tính, chi tiết trích xuất cùng đề xuất mã với nguồn. Đầu ra hữu ích là sản phẩm văn bản cụ thể có bằng chứng và giả định có thể xem xét.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3.5-397b-a17b | 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 $0.00078 / 1K token Đầu ra · Token đầu ra $0.00468 / 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 $0.00078 / 1K token Đầu ra · Token đầu ra $0.00468 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen/qwen3.5-397b-a17b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.5-397b-a17b', '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/qwen3.5-397b-a17b', '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/qwen3.5-397b-a17b
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Reconcile a specification and implementation plan\n\nCompare spec S1: users may delete only their own drafts, and published records cannot be deleted. Plan P1: show Delete for every record owned by the user, regardless of status. Return the exact mismatch, a corrected eligibility rule and test cases for an owned draft, owned published record and another user’s draft.An evidence-linked mismatch, a corrected rule and three acceptance-test descriptions.Check that both ownership and draft status are required rather than treating either condition as sufficient.