AI开放平台
API列表
帮助文档
帮助文档
  • API接口使用教程
  • AI应用接口文档
下载
下载
  • 下载Apifox
  • 下载调试浏览器插件
API列表
帮助文档
帮助文档
  • API接口使用教程
  • AI应用接口文档
下载
下载
  • 下载Apifox
  • 下载调试浏览器插件
  1. QianWen
  • 帮助中心
    • AI开放平台首页
  • 智体空间-TokenGate
    • API接口使用教程
    • 外部大模型
      • 国外模型
        • OpenAI
          • gpt-5(对话)
          • gpt-5-pro(对话)
          • gpt-5-chat-latest(对话)
          • gpt-5-nano(对话)
          • gpt-5-mini(对话)
          • gpt-5.2(对话)
          • gpt-5.2-search(对话)
          • gpt-5.3-codex(对话)
          • gpt-5.4(对话)
          • gpt-5.4-pro(对话)
          • whisper-1(语音转文字)
          • tts-1-hd(文字生语音)
          • text-embedding-ada-002(向量)
          • text-embedding-3-small(向量)
          • text-embedding-3-large(向量)
        • Anthropic
          • claude-opus-4-6(对话)
          • claude-sonnet-4-6(对话)
          • claude-sonnet-4.5(对话)
          • claude-opus-4.5(对话)
          • claude-haiku-4.5(对话)
        • X AI
          • grok-4(对话)
          • grok-4-fast-non-reasoning(对话)
          • grok-4-1-fast-non-reasoning(对话)
          • grok-4-fast-reasoning(对话)
          • grok-4-1-fast-reasoning(对话)
          • grok-code-fast-1(对话)
        • Google
          • gemini-3-flash-preview(对话)
          • gemini-3.1-pro-preview(对话)
          • gemini-2.5-flash-image(生图)
          • gemini-3-pro-image-preview(生图)
          • gemini-3.1-flash-image-preview(生图)
      • 国内模型
        • DeepSeek
          • deepseek-v4-flash
          • deepseek-v4-pro
        • GLM
          • glm-5.1
          • glm-4.7
        • QianWen
          • qwen3.6-max-preview
            POST
          • qwen3.5-plus
            POST
          • qwen3.5-flash
            POST
          • qwen3.6-flash
            POST
          • qwen3.6-plus
            POST
    • 内部大模型
      • 国内大模型
        • qianwen
          • Qwen3-VL-8B-Instruct
          • qwen-image-edit(图片编辑)
          • qwen-image(文生图)
          • Qwen3-TTS-12Hz-1.7B-CustomVoice 语音生成
          • wan-t2v 文生视频
          • wan-i2v 图生视频
        • deepseek
          • deepseek3.2
        • minimax
          • minimax2.7
          • minimax2.5
  • suno 即将上线,敬请期待
    • suno
      • sunoV2
        • 音乐查询
        • 创建音乐
        • 扩展音乐
        • 翻唱音乐
        • 上传并扩展音乐
        • 上传并翻唱音乐
        • 修改音乐片段
        • 音乐片段合并
        • 生成人声和伴奏
        • 获取音轨(MDMI)
        • 获取歌词
        • 获取MP4
        • 获取WAV
        • 获取歌词/音频时间线
        • 获取节拍
        • 获取tags
  1. QianWen

qwen3.6-max-preview

开发中
POST
https://ai.vnet.com/v1/chat/completions

请求参数

Authorization
在 Header 添加参数
Authorization
,其值为在 Bearer 之后拼接 Token
示例:
Authorization: Bearer ********************
Header 参数

Body 参数application/json必填

示例

返回响应

🟢200成功
application/json
Bodyapplication/json

请求示例请求示例
Shell
JavaScript
Java
Swift
curl --location 'https://ai.vnet.com/v1/chat/completions' \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "qwen3.6-max-preview",
    "messages": [
        {
            "role": "user",
            "content": "介绍一下通义千问"
        }
    ],
    "max_tokens": 2000,
    "temperature": 0.7
}'
响应示例响应示例
{
    "choices": [
        {
            "message": {
                "content": "通义千问(Qwen)是阿里巴巴集团旗下的通义实验室自主研发的超大规模语言模型,属于通义实验室“通义”系列的核心产品之一。作为全球领先的 AI 大模型,通义千问在自然语言处理、代码生成、多模态理解、逻辑推理等领域展现出卓越能力,已迭代至**Qwen3.5**版本(截至 2026 年)。以下是其核心特点与能力的详细介绍:\n\n---\n\n### **1. 基础能力**\n- **超大规模参数量**:基于海量高质量数据训练,具备强大的语言理解与生成能力,支持复杂任务的精准处理。\n- **多语言支持**:覆盖全球**100+ 种语言**(包括中文、英文、小语种等),满足国际化场景需求。\n- **长上下文处理**:原生支持**256K 上下文窗口**,可精准理解超长文档、论文、代码库等复杂内容。\n- **多模态融合**:深度整合文本、图像、音频、视频等多模态信息,支持图文解析、视频内容理解等任务。\n\n---\n\n### **2. 核心升级(Qwen3.5 亮点)**\n- **逻辑与数学推理**:在数学计算、科学问题求解、逻辑推导等任务中表现显著提升,可处理高难度推理问题。\n- **代码全栈能力**:支持**多种编程语言**(如 Python、Java、C++ 等),具备代码生成、调试、优化及前端页面直接生成的能力。\n- **智能体自主规划**:支持多步骤任务自主拆解与执行(如调用工具、搜索信息、操作图形界面),实现复杂流程自动化。\n- **垂直领域优化**:在医疗、法律、金融等专业领域提供高精度回答,结合行业知识库增强专业性。\n- **人类对齐优化**:通过强化学习提升对话自然度,在创作、角色扮演、指令遵循等场景中表现更流畅。\n\n---\n\n### **3. 应用场景**\n- **企业服务**:智能客服、数据分析报告生成、合同审查、营销文案创作等。\n- **开发者工具**:代码辅助开发、自动化测试、技术文档生成。\n- **教育科研**:论文润色、实验设计建议、多语言学术翻译。\n- **创意内容**:小说/剧本创作、多风格绘画提示词生成、视频脚本策划。\n- **个人助手**:日程管理、旅行规划、健康咨询(需结合专业工具)。\n\n---\n\n### **4. 技术优势**\n- **高效架构**:采用混合注意力机制与高稀疏度 MoE(Mixture of Experts)结构,平衡性能与推理速度。\n- **安全合规**:内置多层内容过滤机制,严格遵循全球数据安全与隐私保护标准。\n- **生态整合**:与通义万相(AI 绘画)、通义听悟(语音处理)、通义星尘(虚拟角色)等产品深度联动,形成完整 AI 生态。\n\n---\n\n### **5. 与其他模型的对比**\n- **长文本处理**:相比部分竞品,Qwen3.5 的 256K 上下文窗口更适合处理书籍、法律文件等超长内容。\n- **多语言覆盖**:对小语种(如东南亚语言、非洲语言)的支持更为全面。\n- **代码能力**:在复杂代码生成与跨语言调试任务中表现突出,尤其适合全栈开发场景。\n\n---\n\n通义千问已广泛应用于阿里巴巴集团内部(如淘宝、钉钉)及外部企业(如政务、医疗、教育),并通过阿里云平台向全球开发者开放。如需体验,可访问**通义官网**或使用**通义 App**,获取免费试用及企业级定制服务。",
                "reasoning_content": "用户让我介绍一下通义千问。首先,我需要确认通义千问的基本信息,包括它的开发公司、主要功能、特点等。通义千问是阿里巴巴集团旗下的通义实验室自主研发的超大规模语言模型,属于通义实验室的“通义”系列模型之一。\n\n接下来,我应该回顾一下通义千问的版本迭代情况。根据我的知识截止时间是 2026 年,通义千问已经发展到了 Qwen3.5 版本。需要提到各个版本的主要改进,比如从早期的基础模型到后来的多语言支持、代码能力、逻辑推理等增强。\n\n然后,要突出通义千问的核心能力。比如,它在自然语言处理、代码生成、多模态处理、多语言支持等方面的表现。特别是作为 Qwen3.5,它在长上下文处理、多语言支持(超过 100 种语言)、代码能力(支持多种编程语言)、逻辑推理、视觉分析等方面有显著提升。\n\n还需要提到通义千问的应用场景,比如在通义万相、通义听悟、通义星尘等产品中的应用,以及在企业级服务中的使用,如客服、内容创作、数据分析等。\n\n另外,要强调通义千问的技术优势,比如基于海量数据训练,具备强大的语言理解和生成能力,支持复杂任务的处理,如多步骤推理、代码调试等。同时,它在安全性和合规性方面也有严格的标准,确保内容的安全可靠。\n\n可能还需要对比其他大模型,但用户没有特别要求,所以可以简要提及其在行业中的领先地位,比如在多个基准测试中的表现,或者在特定任务上的优势。\n\n需要注意的是,用户可能希望了解通义千问与其他模型(如 GPT 系列)的区别,但根据问题,可能不需要深入比较,而是聚焦于通义千问本身的特点。\n\n还要检查是否有最新的功能更新,比如 2026 年之前的最新版本 Qwen3.5 的具体改进,比如上下文窗口的大小、多语言支持的扩展、代码能力的增强等。\n\n最后,确保信息准确,不涉及未公开的细节,同时用简洁明了的语言介绍,避免技术术语过多,让不同背景的用户都能理解。",
                "role": "assistant"
            },
            "finish_reason": "stop",
            "index": 0,
            "logprobs": null
        }
    ],
    "object": "chat.completion",
    "usage": {
        "prompt_tokens": 15,
        "completion_tokens": 1257,
        "total_tokens": 1272,
        "completion_tokens_details": {
            "reasoning_tokens": 455,
            "text_tokens": 1257
        },
        "prompt_tokens_details": {
            "text_tokens": 15
        }
    },
    "created": 1778058198,
    "system_fingerprint": null,
    "model": "qwen3.5-plus",
    "id": "chatcmpl-e867254c-69e3-95ee-832c-eec001d00c9a"
}
修改于 2026-05-09 11:52:55
上一页
glm-4.7
下一页
qwen3.5-plus
Built with