Next-generation flagship model for advanced reasoning, coding, and multimodal AI applications.
Qwen3.8 Max wurde von Alibaba entwickelt. Atlas Cloud (betrieben von Atlas Cloud AI LLC) stellt lediglich den Zugang bereit und ist nicht Eigentümerin des Modells. Alle Marken sind Eigentum ihrer jeweiligen Inhaber.
import os
from openai import OpenAI
# Multimodal Understanding Example
# Image: use base64 encoding (data:image/png;base64,...) or a public URL
# Video: use a public URL (recommended for large files)
client = OpenAI(
api_key=os.getenv("ATLASCLOUD_API_KEY"),
base_url="https://api.atlascloud.ai/v1"
)
response = client.chat.completions.create(
model="qwen/qwen3.8-max",
messages=[
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "data:image/png;base64,<BASE64_IMAGE_DATA>"
}
},
{
"type": "video_url",
"video_url": {
"url": "https://example.com/your-video.mp4"
}
},
{
"type": "text",
"text": "Please describe the content of this image/video"
}
]
}
],
max_tokens=65536,
temperature=0.7
)
print(response.choices[0].message.content)Installieren Sie das erforderliche Paket für Ihre Programmiersprache.
pip install requestsAlle API-Anfragen erfordern eine Authentifizierung über einen API-Schlüssel. Sie können Ihren API-Schlüssel über das Atlas Cloud Dashboard erhalten.
export ATLASCLOUD_API_KEY="your-api-key-here"import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}Geben Sie Ihren API-Schlüssel niemals in clientseitigem Code oder öffentlichen Repositories preis. Verwenden Sie stattdessen Umgebungsvariablen oder einen Backend-Proxy.
import requests
url = "https://api.atlascloud.ai/v1/chat/completions"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "qwen/qwen3.8-max",
"messages": [
{
"role": "user",
"content": "what is difference between http and https"
}
],
"max_tokens": 65536,
"temperature": 0.7,
"stream": False
}
response = requests.post(url, headers=headers, json=data)
print(response.json())Die folgenden Parameter werden im Anfragekörper akzeptiert.
{
"model": "qwen/qwen3.8-max",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "data:image/png;base64,<BASE64_IMAGE_DATA>"
}
},
{
"type": "video_url",
"video_url": {
"url": "https://example.com/your-video.mp4"
}
},
{
"type": "text",
"text": "Please describe the content of this image/video"
}
]
}
],
"max_tokens": 65536,
"temperature": 0.7,
"stream": false
}Die API gibt eine ChatCompletion-kompatible Antwort zurück.
{
"id": "chatcmpl-abc123",
"object": "chat.completion",
"created": 1700000000,
"model": "model-name",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "Hello! How can I assist you today?"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 10,
"completion_tokens": 20,
"total_tokens": 30
}
}Atlas Cloud Skills integriert über 400 KI-Modelle direkt in Ihren KI-Programmierassistenten. Ein Befehl zur Installation, dann generieren Sie per natürlicher Sprache Bilder und Videos und chatten mit LLMs.
npx skills add AtlasCloudAI/atlas-cloud-skillsErhalten Sie Ihren API-Schlüssel über das Atlas Cloud Dashboard und setzen Sie ihn als Umgebungsvariable.
export ATLASCLOUD_API_KEY="your-api-key-here"Nach der Installation können Sie natürliche Sprache in Ihrem KI-Assistenten verwenden, um auf alle Atlas Cloud Modelle zuzugreifen.
Der Atlas Cloud MCP-Server verbindet Ihre IDE mit über 400 KI-Modellen über das Model Context Protocol. Funktioniert mit jedem MCP-kompatiblen Client.
npx -y atlascloud-mcpFügen Sie die folgende Konfiguration zur MCP-Einstellungsdatei Ihrer IDE hinzu.
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}