在 Flaq AI 上免費試用 Alibaba Qwen 3.8 Max 網頁搜尋 API,支援最新答案、基於實證的研究、結合來源的分析和正式環境使用的聯網 LLM 工作流程,適合研究與團隊協作。
Qwen 3.8 Max 相關模型
API 範例
提交範例
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-3.8-max-web-search',
messages: [
{
role: 'user',
content: 'What are the latest developments in quantum computing this year?'
}
],
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);
}
}
}
提交範例
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-3.8-max-web-search',
'messages': [
{
'role': 'user',
'content': 'What are the latest developments in quantum computing this year?',
}
],
'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)
提交範例
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-3.8-max-web-search",
"messages": [
{
"role": "user",
"content": "What are the latest developments in quantum computing this year?"
}
],
"stream": true,
"max_tokens": 2048,
"top_p": 0.9,
"top_k": 50
}'
Qwen 3.8 Max Web Search 價格
| 參數 | 價格 | 原價 | 折扣 |
|---|
README
Qwen 3.8 Max 網頁搜尋 API(搜尋增強型回答)
Qwen 3.8 Max 網頁搜尋 API 將語言生成與網頁搜尋工作流程結合,適合回答受益於最新資訊或外部來源資訊的問題。它透過 Flaq AI 上以阿里巴巴為導向的聊天整合,協助應用程式將使用者查詢轉換為結構化的搜尋與回答體驗。
Qwen 3.8 Max 網頁搜尋 API 的主要功能
-
搜尋增強型回應: 當回答依賴對話上下文之外的資訊時,將網頁搜尋作為語言工作流程的一部分。
-
自然語言查詢: 接收以日常語言表達的使用者問題和研究指令,無需使用單獨的搜尋語法。
-
結果綜合: 將擷取到的資訊整理為摘要、比較結果、說明或後續步驟建議。
-
上下文感知型後續互動: 透過其他問題和有針對性的細化繼續進行以搜尋為導向的對話。
-
結構化回應控制: 使用可用的訊息、取樣和回應長度控制,使輸出符合應用程式需求。
-
易於 API 整合的研究流程: 透過以聊天為導向的端點,為助理、支援工具和資訊產品加入網頁輔助回答。
如何在 Flaq AI 上使用 Qwen 3.8 Max 網頁搜尋 API 生成搜尋增強型回答
-
輸入: 以自然語言表達的問題或研究指令,以及任何相關上下文和輸出要求。
-
搜尋方向: 明確主題、時間範圍、比較標準以及回應應達到的詳細程度。
-
輸出: 透過 Flaq AI 聊天工作流程傳回綜合生成的語言回應,用於顯示或自動化。
-
後續互動: 提出有針對性的問題,以細化搜尋範圍、比較研究結果或要求不同的輸出結構。
-
應用程式處理: 審查基於搜尋的回答、處理供應商錯誤,並在資訊可能發生變化時說明不確定性。
Qwen 3.8 Max 網頁搜尋 API 整合的最佳使用情境
-
最新資訊研究: 協助使用者調查不斷變化的主題、產品、組織和公開資訊。
-
市場與競品監測: 將外部研究結果整理為可重複生成的摘要和比較工作流程。
-
知識助理: 為支援工具和內部工具提供支援搜尋的回應路徑,以回答儲存知識範圍之外的問題。
-
內容準備: 在撰寫文章或行銷活動之前收集背景資訊、參考資料和主題上下文。
-
決策支援: 將以搜尋為導向的擷取與結構化說明結合,用於研究和營運規劃。
注意 在將基於搜尋的回答用於影響重大的決策或發布內容之前,應審查其來源品質、時效性、完整性和不確定性。
Qwen 3.8 Max 網頁搜尋與競品比較:比較分析
-
Qwen 3.8 Max 與 Perplexity Sonar 比較: Perplexity Sonar 圍繞以回答為重點的網頁研究而設計。Qwen 3.8 Max 網頁搜尋提供以 Qwen 為導向的 API 路徑,用於將搜尋輔助型回答整合至更廣泛的應用程式工作流程中。
-
Qwen 3.8 Max 與 Gemini with Grounding 比較: Gemini 可以將語言生成與 Google 搜尋生態系統結合。Qwen 3.8 Max 適合圍繞阿里巴巴服務建立搜尋輔助型對話的團隊。
-
Qwen 3.8 Max 與 Claude with Web Search 比較: 具備網頁搜尋能力的 Claude 提供嚴謹的語言綜合和研究互動。Qwen 3.8 Max 為已將 Qwen 訊息工作流程作為標準的產品提供替代選擇。
-
Qwen 3.8 Max 與 OpenAI Web Search 比較: OpenAI 網頁搜尋與 OpenAI 語言產品及 API 整合。Qwen 3.8 Max 在 Qwen 系列中支援類似的搜尋輔助型應用程式模式。
-
Qwen 3.8 Max 與 Tavily 比較: Tavily 專注於面向 AI 應用程式的搜尋擷取。Qwen 3.8 Max 網頁搜尋在單一模型整合中將以搜尋為導向的工作流程與語言回應生成結合。