Alibaba/qwen-3.7-plus-text-to-text

qwen-3.7-plus-text-to-text

Essayez gratuitement l'API Qwen 3.7 Plus pour l'écriture LLM économique, l'aide au codage, les synthèses et l'analyse. Accès Alibaba stable pour les workflows à grande échelle.

Text Chat

Modèles Qwen 3.7 Plus associés

qwen-3.7-plus-text-to-texttext-to-text

qwen-3.7-plus-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-plus-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-plus-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-plus-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 Plus Text to Text

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$0.3600 par 1 M de jetons d’entrée	$0.4000 par 1 M de jetons d’entrée	90%
Jeton: output	$1.4400 par 1 M de jetons de sortie	$1.6000 par 1 M de jetons de sortie	90%

README

API Qwen 3.7 Plus Text-to-Text rapide et abordable (modele de langage efficace d'Alibaba)

L'API Qwen 3.7 Plus Text-to-Text sur Flaq AI fournit un acces abordable au modele Alibaba pour les workflows linguistiques de production qui ont besoin d'une sortie texte rapide, fiable et rentable. Cette integration efficace Qwen API aide les developpeurs a creer des fonctionnalites de chat, redaction, synthese, code et automatisation avec un contexte conversationnel flexible et des controles de generation pratiques. Elle convient bien aux equipes qui ont besoin d'une intelligence textuelle fiable a grande echelle sans gerer l'infrastructure specifique au fournisseur.

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

Generation de texte efficace : Generez des reponses utiles pour les workflows quotidiens business, produit, support et developpeur avec une comprehension fiable du langage.
Tarification API rentable : Utilisez une route Qwen abordable pour les applications text-to-text a grand volume tout en gardant une qualite de sortie adaptee a la production.
Sortie consciente de la conversation : Prenez en charge l'affinage multi-tours pour la redaction, les conversations de support, l'analyse et la realisation de taches structurees.
Controles API flexibles : Guidez le style de reponse, la longueur et la creativite via des controles de generation pratiques sur Flaq AI.
Integration conviviale pour les developpeurs : Ajoutez l'intelligence textuelle Alibaba via une route API stable avec un comportement d'entree et de sortie clair.
Workflow de production scalable : Creez une automatisation textuelle reproductible pour les equipes, outils, tableaux de bord et applications orientees client.

Comment utiliser l'API Qwen 3.7 Plus 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 claires 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 : Synthese, reecriture, support client, assistance au code, redaction multilingue et generation de contenu structure via l'integration abordable Alibaba Qwen API.

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

Workflows de contenu a grand volume : Generez des resumes, brouillons, plans et reecritures pour les equipes de publication et marketing.
Assistants support et operations : Alimentez des assistants chat qui repondent aux questions courantes, classent les demandes et redigent des reponses.
Outils de productivite internes : Ajoutez une aide AI rapide aux tableaux de bord, bases de connaissances, outils de workflow et panneaux d'administration.
Assistance aux developpeurs : Expliquez du code, redigez de petits snippets et synthetisez du materiel technique pour les equipes d'ingenierie.
Localisation multilingue : Adaptez le contenu entre les langues pour les sites web, apps et communications client mondiaux.

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 Plus Text-to-Text face aux concurrents : analyse comparative

Qwen 3.7 Plus vs. Qwen 3.7 Max
Qwen 3.7 Max est plus fort pour les charges de raisonnement les plus complexes. Qwen 3.7 Plus privilegie l'abordabilite et un debit efficace pour les taches textuelles de production quotidiennes.
Qwen 3.7 Plus vs. Claude Sonnet
Claude Sonnet offre une experience Claude equilibree pour la redaction et l'analyse. Qwen 3.7 Plus fournit une route API Alibaba bien adaptee aux workflows multilingues et operationnels sensibles aux couts.
Qwen 3.7 Plus vs. GPT Models
Les modeles GPT sont familiers dans de nombreuses piles de developpeurs. Qwen 3.7 Plus donne aux equipes une alternative pratique pour la generation de texte geree avec une forte valeur sur Flaq AI.
Qwen 3.7 Plus vs. Gemini Flash
Gemini Flash met l'accent sur l'acces rapide au modele Google. Qwen 3.7 Plus se concentre sur la generation de texte Alibaba abordable pour les fonctionnalites de chat, redaction et automatisation.
Qwen 3.7 Plus vs. Llama
Les modeles Llama sont utiles lorsque les equipes veulent le controle du self-hosting. Qwen 3.7 Plus supprime la complexite d'hebergement et fournit un acces API stable pour les apps de production.