Hlavní body: pevně vymezená aktualizace Instruct-2507
Qwen3-30B-A3B-Instruct-2507 je aktualizovaná edice Qwen3-30B-A3B bez přemýšlení. Výrobce zdůrazňuje zlepšení v následování instrukcí, logickém uvažování, porozumění textu, matematice, vědě, programování a používání nástrojů, s širšími znalostmi méně běžných témat napříč více jazyky a lepším přizpůsobením otevřeným úlohám. Přijímá text a vytváří text: odpověď, vysvětlení, návrh kódu nebo požadovaný písemný výsledek.
Udržujte pevně vymezenou identitu 2507 oddělenou od původního hybridního Qwen3-30B-A3B, jeho verze FP8 a edice Thinking-2507. Popis vícejazyčných znalostí modelu nedává samostatnou záruku počtu jazyků pro tuto konkrétní verzi. Určete cílový jazyk, publikum a termíny, které mají zůstat beze změny, pokud úloha zahrnuje překlad nebo přepracování textu.
Přehled modelu
Model mixture-of-experts má celkem 30,5 miliardy parametrů a aktivuje 3,3 miliardy. Má 48 vrstev, 128 expertů a osm expertů vybraných pro každý token. Jeho nativní kontext je 262 144 tokenů. Aktivované parametry nejsou velikostí celého checkpointu a samotná architektura neurčuje pevnou dobu odpovědi v aplikaci.
Tato edice podporuje pouze režim bez přemýšlení a negeneruje explicitní bloky přemýšlení. Nastavení enable_thinking=False není v postupu výrobce nutné. Přesto může v běžném textu ukazovat výpočty nebo vysvětlovat kód; žádost o podpůrné kroky ji nepřevádí na samostatný checkpoint Thinking.
Příprava užitečného textového požadavku
Pro programátorskou úlohu poskytněte příslušnou funkci nebo modul, omezení vstupu, pozorované chování a požadovaný výsledek. Požádejte o navrženou opravu nebo úplnou funkci s vysvětlením dotčených předpokladů. Pro matematickou nebo vědeckou otázku dodejte úplné zadání, jednotky a definice, poté požádejte o jasně ohraničenou konečnou odpověď podloženou dodanými podmínkami.
Pro otevřenou úlohu psaní určete publikum, účel, tón a informace, které musí být obsaženy. Užitečnou odpovědí může být upravitelný návrh uspořádaný podle požadovaných částí, s nepodloženými předpoklady označenými samostatně. Porovnejte vrácený návrh, výpočty nebo navržený kód s dodanými fakty, definicemi a požadavky.
Agentní použití
Qwen dokumentuje volání nástrojů a doporučuje Qwen-Agent pro šablony a parsování, s nakonfigurovanými nástroji nebo nástroji připojenými přes MCP. Určete povolené akce a pozorovatelné podmínky dokončení. Připojené nástroje provádějí externí operace a vracejí pozorování; model může tuto zpětnou vazbu využít v následné odpovědi. Navržený příkaz nebo tvrzení o načteném zdroji by měly zůstat oddělené od výsledku skutečně vráceného daným postupem.
Jasným konečným výsledkem může být návrh kódu, tabulka podkladů nebo stručná zpráva. Podpora nástrojů sama o sobě nevytváří přístup k aktuálním zdrojům, souborům nebo prostředí pro spouštění prostřednictvím každého rozhraní. Zachovejte odpovědní chování bez přemýšlení přesného modelu místo přebírání přepínačů promptu z hybridního modelu nebo výstupních alokací z edice Thinking.
Zpracování mimořádně dlouhého textu
Výrobce dokumentuje volitelný postup dosahující přibližně milionu tokenů pomocí Dual Chunk Attention a řídké pozornosti MInference. První mechanismus dělí dlouhou sekvenci na zvládnutelné úseky při zachování interakcí mezi nimi; druhý soustředí výpočty na vybrané vztahy pozornosti. Jde o další konfigurační cestu nad rámec nativního kontextu 262 144 tokenů, využívající speciální konfiguraci dlouhého kontextu.
Postup odhaduje přibližně 240 GB celkové paměti GPU pro váhy modelu, stav sekvence uložený v mezipaměti a aktivace ve špičce. Popisuje také samostatná kapacitní selhání kvůli mezipaměti sekvence, paměti aktivací nebo vstupu překračujícímu nastavenou délku. Postup s milionem tokenů proto závisí na konfiguraci a prostředcích; hlavní údaj by se neměl chápat jako nepodmíněná výchozí hodnota.
Připravte dlouhý vstup s hranicemi dokumentů, názvy částí nebo identifikátory kódu a konkrétní otázkou. Vyhraďte místo pro odpověď a požadujte podklady podporující každý závěr.
Doporučení pro generování
Osvědčené postupy doporučují temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Tam, kde je podporována, může presence penalty mezi nulou a dvěma omezit opakující se text, zatímco vyšší hodnoty mohou míchat jazyky nebo mírně snížit kvalitu. Výrobce doporučuje prostor pro výstup 16 384 tokenů pro většinu dotazů namísto delších rozpočtů zdokumentovaných pro Thinking-2507. Jde o doporučení, nikoli samostatně stanovený pevný strop výstupu.
Výslovně určete konečný formát, například matematický oddělovač nebo pole odpovědi. Zdokumentovaným vstupem modelu je text, takže vizuální nebo zvukové podklady vyžadují před tímto postupem vhodnou samostatnou reprezentaci. Ověřte výpočty, citace a vygenerovaný kód proti zdroji. Užitečným výsledkem je úplný, kontrolovatelný textový výstup, jehož pevně vymezená identita Instruct-2507, režim bez přemýšlení a podmíněný postup dlouhého kontextu zůstávají jasné.
", "aboutText": "Hlavní body: pevně vymezená aktualizace Instruct-2507\n\nQwen3-30B-A3B-Instruct-2507 je aktualizovaná edice Qwen3-30B-A3B bez přemýšlení. Výrobce zdůrazňuje zlepšení v následování instrukcí, logickém uvažování, porozumění textu, matematice, vědě, programování a používání nástrojů, s širšími znalostmi méně běžných témat napříč více jazyky a lepším přizpůsobením otevřeným úlohám. Přijímá text a vytváří text: odpověď, vysvětlení, návrh kódu nebo požadovaný písemný výsledek.\n\nUdržujte pevně vymezenou identitu 2507 oddělenou od původního hybridního Qwen3-30B-A3B, jeho verze FP8 a edice Thinking-2507. Popis vícejazyčných znalostí modelu nedává samostatnou záruku počtu jazyků pro tuto konkrétní verzi. Určete cílový jazyk, publikum a termíny, které mají zůstat beze změny, pokud úloha zahrnuje překlad nebo přepracování textu.\n\nPřehled modelu\n\nModel mixture-of-experts má celkem 30,5 miliardy parametrů a aktivuje 3,3 miliardy. Má 48 vrstev, 128 expertů a osm expertů vybraných pro každý token. Jeho nativní kontext je 262 144 tokenů. Aktivované parametry nejsou velikostí celého checkpointu a samotná architektura neurčuje pevnou dobu odpovědi v aplikaci.\n\nTato edice podporuje pouze režim bez přemýšlení a negeneruje explicitní bloky přemýšlení. Nastavení enable_thinking=False není v postupu výrobce nutné. Přesto může v běžném textu ukazovat výpočty nebo vysvětlovat kód; žádost o podpůrné kroky ji nepřevádí na samostatný checkpoint Thinking.\n\nPříprava užitečného textového požadavku\n\nPro programátorskou úlohu poskytněte příslušnou funkci nebo modul, omezení vstupu, pozorované chování a požadovaný výsledek. Požádejte o navrženou opravu nebo úplnou funkci s vysvětlením dotčených předpokladů. Pro matematickou nebo vědeckou otázku dodejte úplné zadání, jednotky a definice, poté požádejte o jasně ohraničenou konečnou odpověď podloženou dodanými podmínkami.\n\nPro otevřenou úlohu psaní určete publikum, účel, tón a informace, které musí být obsaženy. Užitečnou odpovědí může být upravitelný návrh uspořádaný podle požadovaných částí, s nepodloženými předpoklady označenými samostatně. Porovnejte vrácený návrh, výpočty nebo navržený kód s dodanými fakty, definicemi a požadavky.\n\nAgentní použití\n\nQwen dokumentuje volání nástrojů a doporučuje Qwen-Agent pro šablony a parsování, s nakonfigurovanými nástroji nebo nástroji připojenými přes MCP. Určete povolené akce a pozorovatelné podmínky dokončení. Připojené nástroje provádějí externí operace a vracejí pozorování; model může tuto zpětnou vazbu využít v následné odpovědi. Navržený příkaz nebo tvrzení o načteném zdroji by měly zůstat oddělené od výsledku skutečně vráceného daným postupem.\n\nJasným konečným výsledkem může být návrh kódu, tabulka podkladů nebo stručná zpráva. Podpora nástrojů sama o sobě nevytváří přístup k aktuálním zdrojům, souborům nebo prostředí pro spouštění prostřednictvím každého rozhraní. Zachovejte odpovědní chování bez přemýšlení přesného modelu místo přebírání přepínačů promptu z hybridního modelu nebo výstupních alokací z edice Thinking.\n\nZpracování mimořádně dlouhého textu\n\nVýrobce dokumentuje volitelný postup dosahující přibližně milionu tokenů pomocí Dual Chunk Attention a řídké pozornosti MInference. První mechanismus dělí dlouhou sekvenci na zvládnutelné úseky při zachování interakcí mezi nimi; druhý soustředí výpočty na vybrané vztahy pozornosti. Jde o další konfigurační cestu nad rámec nativního kontextu 262 144 tokenů, využívající speciální konfiguraci dlouhého kontextu.\n\nPostup odhaduje přibližně 240 GB celkové paměti GPU pro váhy modelu, stav sekvence uložený v mezipaměti a aktivace ve špičce. Popisuje také samostatná kapacitní selhání kvůli mezipaměti sekvence, paměti aktivací nebo vstupu překračujícímu nastavenou délku. Postup s milionem tokenů proto závisí na konfiguraci a prostředcích; hlavní údaj by se neměl chápat jako nepodmíněná výchozí hodnota.\n\nPřipravte dlouhý vstup s hranicemi dokumentů, názvy částí nebo identifikátory kódu a konkrétní otázkou. Vyhraďte místo pro odpověď a požadujte podklady podporující každý závěr.\n\nDoporučení pro generování\n\nOsvědčené postupy doporučují temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Tam, kde je podporována, může presence penalty mezi nulou a dvěma omezit opakující se text, zatímco vyšší hodnoty mohou míchat jazyky nebo mírně snížit kvalitu. Výrobce doporučuje prostor pro výstup 16 384 tokenů pro většinu dotazů namísto delších rozpočtů zdokumentovaných pro Thinking-2507. Jde o doporučení, nikoli samostatně stanovený pevný strop výstupu.\n\nVýslovně určete konečný formát, například matematický oddělovač nebo pole odpovědi. Zdokumentovaným vstupem modelu je text, takže vizuální nebo zvukové podklady vyžadují před tímto postupem vhodnou samostatnou reprezentaci. Ověřte výpočty, citace a vygenerovaný kód proti zdroji. Užitečným výsledkem je úplný, kontrolovatelný textový výstup, jehož pevně vymezená identita Instruct-2507, režim bez přemýšlení a podmíněný postup dlouhého kontextu zůstávají jasné.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 je pevně vymezená červencová textová edice 2507 od Qwen bez přemýšlení, s celkem 30,5 miliardy parametrů a 3,3 miliardy aktivovaných. Zlepšuje následování instrukcí, programování, vícejazyčné znalosti a otevřené psaní, s nativním kontextem 262 144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Hlavní body: pevně vymezená aktualizace Instruct-2507
Qwen3-30B-A3B-Instruct-2507 je aktualizovaná edice Qwen3-30B-A3B bez přemýšlení. Výrobce zdůrazňuje zlepšení v následování instrukcí, logickém uvažování, porozumění textu, matematice, vědě, programování a používání nástrojů, s širšími znalostmi méně běžných témat napříč více jazyky a lepším přizpůsobením otevřeným úlohám. Přijímá text a vytváří text: odpověď, vysvětlení, návrh kódu nebo požadovaný písemný výsledek.
Udržujte pevně vymezenou identitu 2507 oddělenou od původního hybridního Qwen3-30B-A3B, jeho verze FP8 a edice Thinking-2507. Popis vícejazyčných znalostí modelu nedává samostatnou záruku počtu jazyků pro tuto konkrétní verzi. Určete cílový jazyk, publikum a termíny, které mají zůstat beze změny, pokud úloha zahrnuje překlad nebo přepracování textu.
Přehled modelu
Model mixture-of-experts má celkem 30,5 miliardy parametrů a aktivuje 3,3 miliardy. Má 48 vrstev, 128 expertů a osm expertů vybraných pro každý token. Jeho nativní kontext je 262 144 tokenů. Aktivované parametry nejsou velikostí celého checkpointu a samotná architektura neurčuje pevnou dobu odpovědi v aplikaci.
Tato edice podporuje pouze režim bez přemýšlení a negeneruje explicitní bloky přemýšlení. Nastavení enable_thinking=False není v postupu výrobce nutné. Přesto může v běžném textu ukazovat výpočty nebo vysvětlovat kód; žádost o podpůrné kroky ji nepřevádí na samostatný checkpoint Thinking.
Příprava užitečného textového požadavku
Pro programátorskou úlohu poskytněte příslušnou funkci nebo modul, omezení vstupu, pozorované chování a požadovaný výsledek. Požádejte o navrženou opravu nebo úplnou funkci s vysvětlením dotčených předpokladů. Pro matematickou nebo vědeckou otázku dodejte úplné zadání, jednotky a definice, poté požádejte o jasně ohraničenou konečnou odpověď podloženou dodanými podmínkami.
Pro otevřenou úlohu psaní určete publikum, účel, tón a informace, které musí být obsaženy. Užitečnou odpovědí může být upravitelný návrh uspořádaný podle požadovaných částí, s nepodloženými předpoklady označenými samostatně. Porovnejte vrácený návrh, výpočty nebo navržený kód s dodanými fakty, definicemi a požadavky.
Agentní použití
Qwen dokumentuje volání nástrojů a doporučuje Qwen-Agent pro šablony a parsování, s nakonfigurovanými nástroji nebo nástroji připojenými přes MCP. Určete povolené akce a pozorovatelné podmínky dokončení. Připojené nástroje provádějí externí operace a vracejí pozorování; model může tuto zpětnou vazbu využít v následné odpovědi. Navržený příkaz nebo tvrzení o načteném zdroji by měly zůstat oddělené od výsledku skutečně vráceného daným postupem.
Jasným konečným výsledkem může být návrh kódu, tabulka podkladů nebo stručná zpráva. Podpora nástrojů sama o sobě nevytváří přístup k aktuálním zdrojům, souborům nebo prostředí pro spouštění prostřednictvím každého rozhraní. Zachovejte odpovědní chování bez přemýšlení přesného modelu místo přebírání přepínačů promptu z hybridního modelu nebo výstupních alokací z edice Thinking.
Zpracování mimořádně dlouhého textu
Výrobce dokumentuje volitelný postup dosahující přibližně milionu tokenů pomocí Dual Chunk Attention a řídké pozornosti MInference. První mechanismus dělí dlouhou sekvenci na zvládnutelné úseky při zachování interakcí mezi nimi; druhý soustředí výpočty na vybrané vztahy pozornosti. Jde o další konfigurační cestu nad rámec nativního kontextu 262 144 tokenů, využívající speciální konfiguraci dlouhého kontextu.
Postup odhaduje přibližně 240 GB celkové paměti GPU pro váhy modelu, stav sekvence uložený v mezipaměti a aktivace ve špičce. Popisuje také samostatná kapacitní selhání kvůli mezipaměti sekvence, paměti aktivací nebo vstupu překračujícímu nastavenou délku. Postup s milionem tokenů proto závisí na konfiguraci a prostředcích; hlavní údaj by se neměl chápat jako nepodmíněná výchozí hodnota.
Připravte dlouhý vstup s hranicemi dokumentů, názvy částí nebo identifikátory kódu a konkrétní otázkou. Vyhraďte místo pro odpověď a požadujte podklady podporující každý závěr.
Doporučení pro generování
Osvědčené postupy doporučují temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Tam, kde je podporována, může presence penalty mezi nulou a dvěma omezit opakující se text, zatímco vyšší hodnoty mohou míchat jazyky nebo mírně snížit kvalitu. Výrobce doporučuje prostor pro výstup 16 384 tokenů pro většinu dotazů namísto delších rozpočtů zdokumentovaných pro Thinking-2507. Jde o doporučení, nikoli samostatně stanovený pevný strop výstupu.
Výslovně určete konečný formát, například matematický oddělovač nebo pole odpovědi. Zdokumentovaným vstupem modelu je text, takže vizuální nebo zvukové podklady vyžadují před tímto postupem vhodnou samostatnou reprezentaci. Ověřte výpočty, citace a vygenerovaný kód proti zdroji. Užitečným výsledkem je úplný, kontrolovatelný textový výstup, jehož pevně vymezená identita Instruct-2507, režim bez přemýšlení a podmíněný postup dlouhého kontextu zůstávají jasné.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen/qwen3-30b-a3b-instruct-2507 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.0008 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.0008 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-30b-a3b-instruct-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Použijte cesty metod uvedené výše.
qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 je pevně vymezená červencová textová edice 2507 od Qwen bez přemýšlení, s celkem 30,5 miliardy parametrů a 3,3 miliardy aktivovaných. Zlepšuje následování instrukcí, programování, vícejazyčné znalosti a otevřené psaní, s nativním kontextem 262 144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Hlavní body: pevně vymezená aktualizace Instruct-2507
Qwen3-30B-A3B-Instruct-2507 je aktualizovaná edice Qwen3-30B-A3B bez přemýšlení. Výrobce zdůrazňuje zlepšení v následování instrukcí, logickém uvažování, porozumění textu, matematice, vědě, programování a používání nástrojů, s širšími znalostmi méně běžných témat napříč více jazyky a lepším přizpůsobením otevřeným úlohám. Přijímá text a vytváří text: odpověď, vysvětlení, návrh kódu nebo požadovaný písemný výsledek.
Udržujte pevně vymezenou identitu 2507 oddělenou od původního hybridního Qwen3-30B-A3B, jeho verze FP8 a edice Thinking-2507. Popis vícejazyčných znalostí modelu nedává samostatnou záruku počtu jazyků pro tuto konkrétní verzi. Určete cílový jazyk, publikum a termíny, které mají zůstat beze změny, pokud úloha zahrnuje překlad nebo přepracování textu.
Přehled modelu
Model mixture-of-experts má celkem 30,5 miliardy parametrů a aktivuje 3,3 miliardy. Má 48 vrstev, 128 expertů a osm expertů vybraných pro každý token. Jeho nativní kontext je 262 144 tokenů. Aktivované parametry nejsou velikostí celého checkpointu a samotná architektura neurčuje pevnou dobu odpovědi v aplikaci.
Tato edice podporuje pouze režim bez přemýšlení a negeneruje explicitní bloky přemýšlení. Nastavení enable_thinking=False není v postupu výrobce nutné. Přesto může v běžném textu ukazovat výpočty nebo vysvětlovat kód; žádost o podpůrné kroky ji nepřevádí na samostatný checkpoint Thinking.
Příprava užitečného textového požadavku
Pro programátorskou úlohu poskytněte příslušnou funkci nebo modul, omezení vstupu, pozorované chování a požadovaný výsledek. Požádejte o navrženou opravu nebo úplnou funkci s vysvětlením dotčených předpokladů. Pro matematickou nebo vědeckou otázku dodejte úplné zadání, jednotky a definice, poté požádejte o jasně ohraničenou konečnou odpověď podloženou dodanými podmínkami.
Pro otevřenou úlohu psaní určete publikum, účel, tón a informace, které musí být obsaženy. Užitečnou odpovědí může být upravitelný návrh uspořádaný podle požadovaných částí, s nepodloženými předpoklady označenými samostatně. Porovnejte vrácený návrh, výpočty nebo navržený kód s dodanými fakty, definicemi a požadavky.
Agentní použití
Qwen dokumentuje volání nástrojů a doporučuje Qwen-Agent pro šablony a parsování, s nakonfigurovanými nástroji nebo nástroji připojenými přes MCP. Určete povolené akce a pozorovatelné podmínky dokončení. Připojené nástroje provádějí externí operace a vracejí pozorování; model může tuto zpětnou vazbu využít v následné odpovědi. Navržený příkaz nebo tvrzení o načteném zdroji by měly zůstat oddělené od výsledku skutečně vráceného daným postupem.
Jasným konečným výsledkem může být návrh kódu, tabulka podkladů nebo stručná zpráva. Podpora nástrojů sama o sobě nevytváří přístup k aktuálním zdrojům, souborům nebo prostředí pro spouštění prostřednictvím každého rozhraní. Zachovejte odpovědní chování bez přemýšlení přesného modelu místo přebírání přepínačů promptu z hybridního modelu nebo výstupních alokací z edice Thinking.
Zpracování mimořádně dlouhého textu
Výrobce dokumentuje volitelný postup dosahující přibližně milionu tokenů pomocí Dual Chunk Attention a řídké pozornosti MInference. První mechanismus dělí dlouhou sekvenci na zvládnutelné úseky při zachování interakcí mezi nimi; druhý soustředí výpočty na vybrané vztahy pozornosti. Jde o další konfigurační cestu nad rámec nativního kontextu 262 144 tokenů, využívající speciální konfiguraci dlouhého kontextu.
Postup odhaduje přibližně 240 GB celkové paměti GPU pro váhy modelu, stav sekvence uložený v mezipaměti a aktivace ve špičce. Popisuje také samostatná kapacitní selhání kvůli mezipaměti sekvence, paměti aktivací nebo vstupu překračujícímu nastavenou délku. Postup s milionem tokenů proto závisí na konfiguraci a prostředcích; hlavní údaj by se neměl chápat jako nepodmíněná výchozí hodnota.
Připravte dlouhý vstup s hranicemi dokumentů, názvy částí nebo identifikátory kódu a konkrétní otázkou. Vyhraďte místo pro odpověď a požadujte podklady podporující každý závěr.
Doporučení pro generování
Osvědčené postupy doporučují temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Tam, kde je podporována, může presence penalty mezi nulou a dvěma omezit opakující se text, zatímco vyšší hodnoty mohou míchat jazyky nebo mírně snížit kvalitu. Výrobce doporučuje prostor pro výstup 16 384 tokenů pro většinu dotazů namísto delších rozpočtů zdokumentovaných pro Thinking-2507. Jde o doporučení, nikoli samostatně stanovený pevný strop výstupu.
Výslovně určete konečný formát, například matematický oddělovač nebo pole odpovědi. Zdokumentovaným vstupem modelu je text, takže vizuální nebo zvukové podklady vyžadují před tímto postupem vhodnou samostatnou reprezentaci. Ověřte výpočty, citace a vygenerovaný kód proti zdroji. Užitečným výsledkem je úplný, kontrolovatelný textový výstup, jehož pevně vymezená identita Instruct-2507, režim bez přemýšlení a podmíněný postup dlouhého kontextu zůstávají jasné.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen/qwen3-30b-a3b-instruct-2507 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.0008 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.0008 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "qwen/qwen3-30b-a3b-instruct-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.