Alibaba/qwen-3.7-max-text-to-text

qwen-3.7-max-text-to-text

Essayez gratuitement l'API Qwen 3.7 Max pour le raisonnement LLM avancé, l'écriture, l'aide au codage et l'analyse. Accès Alibaba stable pour les workflows de production exigeants.

Text Chat

Modèles Qwen 3.7 Max associés

qwen-3.7-max-text-to-texttext-to-text

qwen-3.7-max-web-searchweb-search

Documentation

Exemples d'API

JavaScriptPythoncURL

Exemple d'envoi

const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    Accept: 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'qwen-3.7-max-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Explain the concept of attention mechanisms in neural networks.'
      }
    ],
    stream: true,
    max_tokens: 2048,
    top_p: 0.9,
    top_k: 50
  })
});

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split('\n\n');
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split('\n').filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

Exemple d'envoi

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        'model': 'qwen-3.7-max-text-to-text',
        'messages': [
            {
                'role': 'user',
                'content': 'Explain the concept of attention mechanisms in neural networks.',
            }
        ],
        'stream': True,
        'max_tokens': 2048,
        'top_p': 0.9,
        'top_k': 50,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

Exemple d'envoi

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-3.7-max-text-to-text",
    "messages": [
      {
        "role": "user",
        "content": "Explain the concept of attention mechanisms in neural networks."
      }
    ],
    "stream": true,
    "max_tokens": 2048,
    "top_p": 0.9,
    "top_k": 50
  }'

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de Qwen 3.7 Max Text to Text

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$2.2500 par 1 M de jetons d’entrée	$2.5000 par 1 M de jetons d’entrée	90%
Jeton: output	$6.7500 par 1 M de jetons de sortie	$7.5000 par 1 M de jetons de sortie	90%

README

API Qwen 3.7 Max Text-to-Text rapide et abordable (modele de raisonnement avance d'Alibaba)

L'API Qwen 3.7 Max Text-to-Text sur Flaq AI fournit l'acces au modele Alibaba pour les workflows linguistiques exigeants qui necessitent un raisonnement soigneux, un suivi fiable des instructions et une sortie prete pour la production. Cette puissante integration Qwen API aide les developpeurs a creer des fonctionnalites de chat, redaction, code, analyse et automatisation avec un contexte conversationnel flexible et des controles de generation pratiques. Concue pour les charges professionnelles, elle donne aux equipes un moyen stable d'ajouter une intelligence textuelle avancee sans gerer l'infrastructure du fournisseur.

Fonctionnalites cles de l'API Qwen 3.7 Max Text-to-Text

Raisonnement textuel avance : Traitez des prompts complexes, analyses en plusieurs etapes, taches de code et workflows de redaction professionnelle avec une forte comprehension du langage.
Suivi fiable des instructions : Transformez des instructions detaillees en langage naturel en reponses ciblees pour les cas d'usage business, produit, ingenierie et recherche.
Sortie consciente de la conversation : Conservez le contexte precedent utile dans les workflows multi-tours afin que les utilisateurs puissent affiner brouillons, decisions et explications techniques.
Controles API flexibles : Guidez le style, la longueur, la creativite et la profondeur de raisonnement de la sortie via des controles pratiques du modele sur Flaq AI.
Integration rentable : Creez des applications text-to-text avancees via une route API geree avec un comportement previsible et une integration simple pour les developpeurs.
Workflow pret pour la production : Passez du prototype a la production avec un routage de modele stable, des schemas d'entree et de sortie clairs et une messagerie API durable.

Comment utiliser l'API Qwen 3.7 Max Text-to-Text pour la generation de texte sur Flaq AI

Entree : Prompts en langage naturel, instructions systeme, contexte de conversation et exigences de tache structurees.
Sortie : Reponses textuelles de haute qualite livrees via une integration chat API stable sur Flaq AI.
Configuration de route : Concue pour les workflows de texte conversationnel avec contexte flexible et prise en charge des suivis.
Configuration : Prend en charge des controles pratiques de generation pour le style de reponse, la longueur et la direction de tache.
Capacites : Raisonnement long format, aide au code, synthese, redaction multilingue, planification de sortie structuree et assistance conversationnelle via l'integration Alibaba Qwen API.

Meilleurs cas d'utilisation pour l'integration de l'API Qwen 3.7 Max Text-to-Text

Productivite des developpeurs : Redigez du code, expliquez des systemes, revoyez des idees d'implementation et accelerez les workflows d'ingenierie.
Redaction et analyse business : Creez des briefs, rapports, resumes, emails et documents strategiques avec une structure coherente.
Recherche et travail de connaissance : Comparez des options, synthetisez des sources et generez une analyse claire pour les equipes produit et operations.
Automatisation du support client : Alimentez des assistants qui repondent aux questions, suivent les politiques et maintiennent un style conversationnel naturel.
Production de contenu multilingue : Creez et adaptez du contenu entre les langues tout en gardant le sens et le formatage alignes.

Remarque Veillez a ce que les prompts et workflows applicatifs respectent les consignes de securite et d'utilisation d'Alibaba. Si une erreur se produit, examinez l'entree pour detecter le contenu restreint, simplifiez la demande, puis reessayez.

Qwen 3.7 Max Text-to-Text face aux concurrents : analyse comparative

Qwen 3.7 Max vs. Qwen 3.7 Plus
Qwen 3.7 Plus est attractif pour les charges de production plus sensibles aux couts. Qwen 3.7 Max met l'accent sur une capacite de raisonnement plus forte et des reponses de meilleure qualite pour les applications text-to-text complexes.
Qwen 3.7 Max vs. Claude Opus
Claude Opus est connu pour les workflows soignes de redaction et d'analyse. Qwen 3.7 Max fournit une alternative d'API Alibaba avec une forte capacite multilingue, des controles pratiques et une bonne adequation a l'automatisation business structuree.
Qwen 3.7 Max vs. GPT Models
Les modeles GPT offrent une large familiarite d'ecosysteme. Qwen 3.7 Max donne aux equipes une autre route geree pour le raisonnement avance, l'assistance au code et la generation de texte multilingue sur Flaq AI.
Qwen 3.7 Max vs. Gemini
Les modeles Gemini sont solides pour les cas d'usage multimodaux natifs Google. Qwen 3.7 Max se concentre sur un raisonnement textuel fiable et un usage API flexible pour les workflows de chat et d'automatisation.
Qwen 3.7 Max vs. Llama
Les modeles Llama donnent aux equipes le controle du deploiement open-model. Qwen 3.7 Max convient mieux aux developpeurs qui veulent un acces API gere sans hebergement de modele ni travail d'infrastructure.