Hlavní vlastnosti Qwen3.6: kontinuita programování a uvažování
Qwen3.6-35B-A3B je vizuálně jazykový model zaměřený na užitečné programování a práci agentů. Qwen zdůrazňuje lepší postupy frontendu a uvažování nad celým repozitářem spolu s novou možností uchovat přemýšlení z historických zpráv. Přijímá text, obrázky a video a vrací text: vysvětlení, návrh kódu, strukturovanou analýzu nebo jiný požadovaný textový výstup. Zachovejte tuto přesnou edici 35B-A3B a nezaměňujte ji za hustý Qwen3.6-27B nebo její dřívější protějšek Qwen3.5.
Pro úlohu frontendu dodejte příslušný snímek obrazovky, funkční požadavky a kontext stávajícího kódu. Požadujte upravitelný zdroj a popis zamýšlených stavů a interakcí. U úlohy s repozitářem určete dotčenou funkci, vstup odhalující problém a očekávané chování. Požadujte návrh opravy s předpoklady a příslušnými kontrolami.
Přehled modelu
Model mixture-of-experts má celkem 35 miliard parametrů a aktivuje tři miliardy. Jeho 40vrstvé hybridní uspořádání opakuje tři expertní vrstvy Gated DeltaNet následované jednou expertní vrstvou hradlované pozornosti. Má 256 směrovaných expertů a vybírá osm směrovaných expertů s jedním sdíleným expertem; součástí trénování je predikce více tokenů. Menší počet aktivovaných parametrů nepopisuje plnou velikost checkpointu. Vizuální enkodér poskytuje obrazovou část modelu.
Nativní kontext má 262,144 tokenů s podmíněným rozšířením na 1,010,000. Výrobce doporučuje u složitých úloh s přemýšlením pokud možno zachovat kontext alespoň 128K, i když by jeho snížení zmírnilo tlak na paměť. Zdrojový text, reprezentovaný obrazový obsah, historické zprávy, uvažování a konečná odpověď sdílejí nakonfigurovaný rozpočet sekvence.
Používání vstupů a režimů odpovědi
Karta ukazuje textové otázky i otázky s obrázky a videem. U diagramu nebo stránky zachovejte popisky a definujte přesnou otázku. U klipu ponechte časové údaje a uveďte událost zájmu. Podporovaný příklad videa od výrobce má ve výchozím stavu dva snímky za sekundu a umožňuje konfiguraci vzorkování. Doporučený postup rozšiřuje rozpočet procesoru videa přibližně na 224K video tokenů pro analýzu materiálů v řádu hodin při vyšší frekvenci vzorkování; jde o příklad konfigurace, nikoli pevný univerzální limit délky klipu.
Přemýšlení je ve výchozím stavu zapnuté. Ovládání enable_thinking od výrobce je může vypnout pro přímou odpověď. Qwen3.6 oficiálně nepodporuje starší měkké přepínače zadání Qwen3 /think a /nothink. Při prezentaci výsledku oddělte uvažování od konečného výstupu a řiďte se vlastním rozhraním tohoto checkpointu, místo předpokladu, že budou fungovat značky nebo ovládání zadání jiné generace.
Uchování historického přemýšlení
Šablona ve výchozím stavu zachovává bloky přemýšlení spojené s poslední zprávou uživatele. Qwen3.6 byl navíc trénován k používání historického uvažování při zapnutém preserve_thinking. Výslovný příklad nastavuje tuto možnost na true. To může iterativní úloze agenta pomoci uchovat rozhodovací kontext místo opakovaného odvozování dřívějších voleb; mění to také množství historie přenášené požadavkem. Dostupnost této možnosti závisí na rozhraní zpřístupňujícím postup výrobce.
Použití v agentech
Qwen dokumentuje volání nástrojů a doporučuje Qwen-Agent pro konfiguraci nástrojů včetně nástrojů připojených přes MCP. Qwen Code je dalším výrobcem dokumentovaným postupem programovacího agenta. Definujte povolené nástroje, cíl úlohy a očekávaný výstup a poté modelu vracejte skutečná pozorování nástrojů. Model může uvažovat o výsledku a upravit plán; přístup k souborům nebo prostředím provádění přichází z připojené aplikace, nikoli z názvu modelu.
Mimořádně dlouhý text
Dokumentované rozšíření kontextu používá YaRN s prokládaným pozičním nastavením checkpointu. Faktor čtyři cílí na postup s přibližně milionem tokenů; pro úlohy s 524,288 tokeny Qwen navrhuje faktor dva. Statické škálování může ovlivnit výkon u kratších textů, proto výrobce doporučuje změnit je, když je delší kontext potřeba. Ve velkém vstupu zachovejte identifikátory oddílů a kódu a požadujte, aby výsledek ukazoval důkazy podporující každý závěr.
Pokyny a limity generování
Pro obecné přemýšlení výrobce doporučuje temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 a repetition penalty 1.0. Pro přesné programování se temperature mění na 0.6 a presence penalty na nulu. Pro přímé odpovědi doporučuje temperature 0.7, top_p 0.8 a presence penalty 1.5 s ostatními hodnotami beze změny. Vyšší presence penalty může omezit opakování, ale může míchat jazyky nebo mírně snižovat kvalitu.
Qwen doporučuje povolené generování 32,768 tokenů pro většinu otázek a 81,920 pro neobvykle složité matematické nebo programovací úlohy. Jde o doporučení, nikoli samostatně doložené pevné stropy výstupu. Výslovně uveďte konečný formát a ověřte kód, výpočty a extrahované vizuální detaily podle zdroje. Kontinuita uvažování a dlouhý kontext pomáhají přenášet důkazy úlohy, zatímco ověřitelný konečný výstup dává výsledku praktickou hodnotu.
", "aboutText": "Hlavní vlastnosti Qwen3.6: kontinuita programování a uvažování\n\nQwen3.6-35B-A3B je vizuálně jazykový model zaměřený na užitečné programování a práci agentů. Qwen zdůrazňuje lepší postupy frontendu a uvažování nad celým repozitářem spolu s novou možností uchovat přemýšlení z historických zpráv. Přijímá text, obrázky a video a vrací text: vysvětlení, návrh kódu, strukturovanou analýzu nebo jiný požadovaný textový výstup. Zachovejte tuto přesnou edici 35B-A3B a nezaměňujte ji za hustý Qwen3.6-27B nebo její dřívější protějšek Qwen3.5.\n\nPro úlohu frontendu dodejte příslušný snímek obrazovky, funkční požadavky a kontext stávajícího kódu. Požadujte upravitelný zdroj a popis zamýšlených stavů a interakcí. U úlohy s repozitářem určete dotčenou funkci, vstup odhalující problém a očekávané chování. Požadujte návrh opravy s předpoklady a příslušnými kontrolami.\n\nPřehled modelu\n\nModel mixture-of-experts má celkem 35 miliard parametrů a aktivuje tři miliardy. Jeho 40vrstvé hybridní uspořádání opakuje tři expertní vrstvy Gated DeltaNet následované jednou expertní vrstvou hradlované pozornosti. Má 256 směrovaných expertů a vybírá osm směrovaných expertů s jedním sdíleným expertem; součástí trénování je predikce více tokenů. Menší počet aktivovaných parametrů nepopisuje plnou velikost checkpointu. Vizuální enkodér poskytuje obrazovou část modelu.\n\nNativní kontext má 262,144 tokenů s podmíněným rozšířením na 1,010,000. Výrobce doporučuje u složitých úloh s přemýšlením pokud možno zachovat kontext alespoň 128K, i když by jeho snížení zmírnilo tlak na paměť. Zdrojový text, reprezentovaný obrazový obsah, historické zprávy, uvažování a konečná odpověď sdílejí nakonfigurovaný rozpočet sekvence.\n\nPoužívání vstupů a režimů odpovědi\n\nKarta ukazuje textové otázky i otázky s obrázky a videem. U diagramu nebo stránky zachovejte popisky a definujte přesnou otázku. U klipu ponechte časové údaje a uveďte událost zájmu. Podporovaný příklad videa od výrobce má ve výchozím stavu dva snímky za sekundu a umožňuje konfiguraci vzorkování. Doporučený postup rozšiřuje rozpočet procesoru videa přibližně na 224K video tokenů pro analýzu materiálů v řádu hodin při vyšší frekvenci vzorkování; jde o příklad konfigurace, nikoli pevný univerzální limit délky klipu.\n\nPřemýšlení je ve výchozím stavu zapnuté. Ovládání enable_thinking od výrobce je může vypnout pro přímou odpověď. Qwen3.6 oficiálně nepodporuje starší měkké přepínače zadání Qwen3 /think a /nothink. Při prezentaci výsledku oddělte uvažování od konečného výstupu a řiďte se vlastním rozhraním tohoto checkpointu, místo předpokladu, že budou fungovat značky nebo ovládání zadání jiné generace.\n\nUchování historického přemýšlení\n\nŠablona ve výchozím stavu zachovává bloky přemýšlení spojené s poslední zprávou uživatele. Qwen3.6 byl navíc trénován k používání historického uvažování při zapnutém preserve_thinking. Výslovný příklad nastavuje tuto možnost na true. To může iterativní úloze agenta pomoci uchovat rozhodovací kontext místo opakovaného odvozování dřívějších voleb; mění to také množství historie přenášené požadavkem. Dostupnost této možnosti závisí na rozhraní zpřístupňujícím postup výrobce.\n\nPoužití v agentech\n\nQwen dokumentuje volání nástrojů a doporučuje Qwen-Agent pro konfiguraci nástrojů včetně nástrojů připojených přes MCP. Qwen Code je dalším výrobcem dokumentovaným postupem programovacího agenta. Definujte povolené nástroje, cíl úlohy a očekávaný výstup a poté modelu vracejte skutečná pozorování nástrojů. Model může uvažovat o výsledku a upravit plán; přístup k souborům nebo prostředím provádění přichází z připojené aplikace, nikoli z názvu modelu.\n\nMimořádně dlouhý text\n\nDokumentované rozšíření kontextu používá YaRN s prokládaným pozičním nastavením checkpointu. Faktor čtyři cílí na postup s přibližně milionem tokenů; pro úlohy s 524,288 tokeny Qwen navrhuje faktor dva. Statické škálování může ovlivnit výkon u kratších textů, proto výrobce doporučuje změnit je, když je delší kontext potřeba. Ve velkém vstupu zachovejte identifikátory oddílů a kódu a požadujte, aby výsledek ukazoval důkazy podporující každý závěr.\n\nPokyny a limity generování\n\nPro obecné přemýšlení výrobce doporučuje temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 a repetition penalty 1.0. Pro přesné programování se temperature mění na 0.6 a presence penalty na nulu. Pro přímé odpovědi doporučuje temperature 0.7, top_p 0.8 a presence penalty 1.5 s ostatními hodnotami beze změny. Vyšší presence penalty může omezit opakování, ale může míchat jazyky nebo mírně snižovat kvalitu.\n\nQwen doporučuje povolené generování 32,768 tokenů pro většinu otázek a 81,920 pro neobvykle složité matematické nebo programovací úlohy. Jde o doporučení, nikoli samostatně doložené pevné stropy výstupu. Výslovně uveďte konečný formát a ověřte kód, výpočty a extrahované vizuální detaily podle zdroje. Kontinuita uvažování a dlouhý kontext pomáhají přenášet důkazy úlohy, zatímco ověřitelný konečný výstup dává výsledku praktickou hodnotu.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Correct a button loading state\n\nPropose a small JavaScript change for a save form. Current handler sets button.disabled = true, awaits saveDraft(), then reenables the button. When saveDraft rejects, the button stays disabled. Preserve the save operation and show pseudocode for displaying an error and always restoring the button. Add success and failure acceptance checks.A focused async handler or pseudocode plus two checks covering button and error states.Verify the cleanup happens on rejection and success without converting a failed save into a success message.qwen/qwen3.6-35b-a3bQwen3.6-35B-A3B je vizuálně jazykový model Qwen s architekturou mixture-of-experts s celkem 35 miliardami parametrů a 3 miliardami aktivovaných parametrů. Zaměřuje se na programování frontendu a práci s celým repozitářem, přidává volitelné uchování historického uvažování a přijímá text, obrázky a video s textovým výstupem.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Hlavní vlastnosti Qwen3.6: kontinuita programování a uvažování
Qwen3.6-35B-A3B je vizuálně jazykový model zaměřený na užitečné programování a práci agentů. Qwen zdůrazňuje lepší postupy frontendu a uvažování nad celým repozitářem spolu s novou možností uchovat přemýšlení z historických zpráv. Přijímá text, obrázky a video a vrací text: vysvětlení, návrh kódu, strukturovanou analýzu nebo jiný požadovaný textový výstup. Zachovejte tuto přesnou edici 35B-A3B a nezaměňujte ji za hustý Qwen3.6-27B nebo její dřívější protějšek Qwen3.5.
Pro úlohu frontendu dodejte příslušný snímek obrazovky, funkční požadavky a kontext stávajícího kódu. Požadujte upravitelný zdroj a popis zamýšlených stavů a interakcí. U úlohy s repozitářem určete dotčenou funkci, vstup odhalující problém a očekávané chování. Požadujte návrh opravy s předpoklady a příslušnými kontrolami.
Přehled modelu
Model mixture-of-experts má celkem 35 miliard parametrů a aktivuje tři miliardy. Jeho 40vrstvé hybridní uspořádání opakuje tři expertní vrstvy Gated DeltaNet následované jednou expertní vrstvou hradlované pozornosti. Má 256 směrovaných expertů a vybírá osm směrovaných expertů s jedním sdíleným expertem; součástí trénování je predikce více tokenů. Menší počet aktivovaných parametrů nepopisuje plnou velikost checkpointu. Vizuální enkodér poskytuje obrazovou část modelu.
Nativní kontext má 262,144 tokenů s podmíněným rozšířením na 1,010,000. Výrobce doporučuje u složitých úloh s přemýšlením pokud možno zachovat kontext alespoň 128K, i když by jeho snížení zmírnilo tlak na paměť. Zdrojový text, reprezentovaný obrazový obsah, historické zprávy, uvažování a konečná odpověď sdílejí nakonfigurovaný rozpočet sekvence.
Používání vstupů a režimů odpovědi
Karta ukazuje textové otázky i otázky s obrázky a videem. U diagramu nebo stránky zachovejte popisky a definujte přesnou otázku. U klipu ponechte časové údaje a uveďte událost zájmu. Podporovaný příklad videa od výrobce má ve výchozím stavu dva snímky za sekundu a umožňuje konfiguraci vzorkování. Doporučený postup rozšiřuje rozpočet procesoru videa přibližně na 224K video tokenů pro analýzu materiálů v řádu hodin při vyšší frekvenci vzorkování; jde o příklad konfigurace, nikoli pevný univerzální limit délky klipu.
Přemýšlení je ve výchozím stavu zapnuté. Ovládání enable_thinking od výrobce je může vypnout pro přímou odpověď. Qwen3.6 oficiálně nepodporuje starší měkké přepínače zadání Qwen3 /think a /nothink. Při prezentaci výsledku oddělte uvažování od konečného výstupu a řiďte se vlastním rozhraním tohoto checkpointu, místo předpokladu, že budou fungovat značky nebo ovládání zadání jiné generace.
Uchování historického přemýšlení
Šablona ve výchozím stavu zachovává bloky přemýšlení spojené s poslední zprávou uživatele. Qwen3.6 byl navíc trénován k používání historického uvažování při zapnutém preserve_thinking. Výslovný příklad nastavuje tuto možnost na true. To může iterativní úloze agenta pomoci uchovat rozhodovací kontext místo opakovaného odvozování dřívějších voleb; mění to také množství historie přenášené požadavkem. Dostupnost této možnosti závisí na rozhraní zpřístupňujícím postup výrobce.
Použití v agentech
Qwen dokumentuje volání nástrojů a doporučuje Qwen-Agent pro konfiguraci nástrojů včetně nástrojů připojených přes MCP. Qwen Code je dalším výrobcem dokumentovaným postupem programovacího agenta. Definujte povolené nástroje, cíl úlohy a očekávaný výstup a poté modelu vracejte skutečná pozorování nástrojů. Model může uvažovat o výsledku a upravit plán; přístup k souborům nebo prostředím provádění přichází z připojené aplikace, nikoli z názvu modelu.
Mimořádně dlouhý text
Dokumentované rozšíření kontextu používá YaRN s prokládaným pozičním nastavením checkpointu. Faktor čtyři cílí na postup s přibližně milionem tokenů; pro úlohy s 524,288 tokeny Qwen navrhuje faktor dva. Statické škálování může ovlivnit výkon u kratších textů, proto výrobce doporučuje změnit je, když je delší kontext potřeba. Ve velkém vstupu zachovejte identifikátory oddílů a kódu a požadujte, aby výsledek ukazoval důkazy podporující každý závěr.
Pokyny a limity generování
Pro obecné přemýšlení výrobce doporučuje temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 a repetition penalty 1.0. Pro přesné programování se temperature mění na 0.6 a presence penalty na nulu. Pro přímé odpovědi doporučuje temperature 0.7, top_p 0.8 a presence penalty 1.5 s ostatními hodnotami beze změny. Vyšší presence penalty může omezit opakování, ale může míchat jazyky nebo mírně snižovat kvalitu.
Qwen doporučuje povolené generování 32,768 tokenů pro většinu otázek a 81,920 pro neobvykle složité matematické nebo programovací úlohy. Jde o doporučení, nikoli samostatně doložené pevné stropy výstupu. Výslovně uveďte konečný formát a ověřte kód, výpočty a extrahované vizuální detaily podle zdroje. Kontinuita uvažování a dlouhý kontext pomáhají přenášet důkazy úlohy, zatímco ověřitelný konečný výstup dává výsledku praktickou hodnotu.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen/qwen3.6-35b-a3b | 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 $0.000566 / 1K tokenů Výstup · Výstupní tokeny $0.00341 / 1K tokenů Vstup · Čtení z mezipaměti $0.0001 / 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 $0.000566 / 1K tokenů Výstup · Výstupní tokeny $0.00341 / 1K tokenů Vstup · Čtení z mezipaměti $0.0001 / 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/qwen3.6-35b-a3b", "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/qwen3.6-35b-a3b',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/qwen3.6-35b-a3b',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/qwen3.6-35b-a3b
Použijte cesty metod uvedené výše.
qwen/qwen3.6-35b-a3bQwen3.6-35B-A3B je vizuálně jazykový model Qwen s architekturou mixture-of-experts s celkem 35 miliardami parametrů a 3 miliardami aktivovaných parametrů. Zaměřuje se na programování frontendu a práci s celým repozitářem, přidává volitelné uchování historického uvažování a přijímá text, obrázky a video s textovým výstupem.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Hlavní vlastnosti Qwen3.6: kontinuita programování a uvažování
Qwen3.6-35B-A3B je vizuálně jazykový model zaměřený na užitečné programování a práci agentů. Qwen zdůrazňuje lepší postupy frontendu a uvažování nad celým repozitářem spolu s novou možností uchovat přemýšlení z historických zpráv. Přijímá text, obrázky a video a vrací text: vysvětlení, návrh kódu, strukturovanou analýzu nebo jiný požadovaný textový výstup. Zachovejte tuto přesnou edici 35B-A3B a nezaměňujte ji za hustý Qwen3.6-27B nebo její dřívější protějšek Qwen3.5.
Pro úlohu frontendu dodejte příslušný snímek obrazovky, funkční požadavky a kontext stávajícího kódu. Požadujte upravitelný zdroj a popis zamýšlených stavů a interakcí. U úlohy s repozitářem určete dotčenou funkci, vstup odhalující problém a očekávané chování. Požadujte návrh opravy s předpoklady a příslušnými kontrolami.
Přehled modelu
Model mixture-of-experts má celkem 35 miliard parametrů a aktivuje tři miliardy. Jeho 40vrstvé hybridní uspořádání opakuje tři expertní vrstvy Gated DeltaNet následované jednou expertní vrstvou hradlované pozornosti. Má 256 směrovaných expertů a vybírá osm směrovaných expertů s jedním sdíleným expertem; součástí trénování je predikce více tokenů. Menší počet aktivovaných parametrů nepopisuje plnou velikost checkpointu. Vizuální enkodér poskytuje obrazovou část modelu.
Nativní kontext má 262,144 tokenů s podmíněným rozšířením na 1,010,000. Výrobce doporučuje u složitých úloh s přemýšlením pokud možno zachovat kontext alespoň 128K, i když by jeho snížení zmírnilo tlak na paměť. Zdrojový text, reprezentovaný obrazový obsah, historické zprávy, uvažování a konečná odpověď sdílejí nakonfigurovaný rozpočet sekvence.
Používání vstupů a režimů odpovědi
Karta ukazuje textové otázky i otázky s obrázky a videem. U diagramu nebo stránky zachovejte popisky a definujte přesnou otázku. U klipu ponechte časové údaje a uveďte událost zájmu. Podporovaný příklad videa od výrobce má ve výchozím stavu dva snímky za sekundu a umožňuje konfiguraci vzorkování. Doporučený postup rozšiřuje rozpočet procesoru videa přibližně na 224K video tokenů pro analýzu materiálů v řádu hodin při vyšší frekvenci vzorkování; jde o příklad konfigurace, nikoli pevný univerzální limit délky klipu.
Přemýšlení je ve výchozím stavu zapnuté. Ovládání enable_thinking od výrobce je může vypnout pro přímou odpověď. Qwen3.6 oficiálně nepodporuje starší měkké přepínače zadání Qwen3 /think a /nothink. Při prezentaci výsledku oddělte uvažování od konečného výstupu a řiďte se vlastním rozhraním tohoto checkpointu, místo předpokladu, že budou fungovat značky nebo ovládání zadání jiné generace.
Uchování historického přemýšlení
Šablona ve výchozím stavu zachovává bloky přemýšlení spojené s poslední zprávou uživatele. Qwen3.6 byl navíc trénován k používání historického uvažování při zapnutém preserve_thinking. Výslovný příklad nastavuje tuto možnost na true. To může iterativní úloze agenta pomoci uchovat rozhodovací kontext místo opakovaného odvozování dřívějších voleb; mění to také množství historie přenášené požadavkem. Dostupnost této možnosti závisí na rozhraní zpřístupňujícím postup výrobce.
Použití v agentech
Qwen dokumentuje volání nástrojů a doporučuje Qwen-Agent pro konfiguraci nástrojů včetně nástrojů připojených přes MCP. Qwen Code je dalším výrobcem dokumentovaným postupem programovacího agenta. Definujte povolené nástroje, cíl úlohy a očekávaný výstup a poté modelu vracejte skutečná pozorování nástrojů. Model může uvažovat o výsledku a upravit plán; přístup k souborům nebo prostředím provádění přichází z připojené aplikace, nikoli z názvu modelu.
Mimořádně dlouhý text
Dokumentované rozšíření kontextu používá YaRN s prokládaným pozičním nastavením checkpointu. Faktor čtyři cílí na postup s přibližně milionem tokenů; pro úlohy s 524,288 tokeny Qwen navrhuje faktor dva. Statické škálování může ovlivnit výkon u kratších textů, proto výrobce doporučuje změnit je, když je delší kontext potřeba. Ve velkém vstupu zachovejte identifikátory oddílů a kódu a požadujte, aby výsledek ukazoval důkazy podporující každý závěr.
Pokyny a limity generování
Pro obecné přemýšlení výrobce doporučuje temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 a repetition penalty 1.0. Pro přesné programování se temperature mění na 0.6 a presence penalty na nulu. Pro přímé odpovědi doporučuje temperature 0.7, top_p 0.8 a presence penalty 1.5 s ostatními hodnotami beze změny. Vyšší presence penalty může omezit opakování, ale může míchat jazyky nebo mírně snižovat kvalitu.
Qwen doporučuje povolené generování 32,768 tokenů pro většinu otázek a 81,920 pro neobvykle složité matematické nebo programovací úlohy. Jde o doporučení, nikoli samostatně doložené pevné stropy výstupu. Výslovně uveďte konečný formát a ověřte kód, výpočty a extrahované vizuální detaily podle zdroje. Kontinuita uvažování a dlouhý kontext pomáhají přenášet důkazy úlohy, zatímco ověřitelný konečný výstup dává výsledku praktickou hodnotu.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen/qwen3.6-35b-a3b | 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 $0.000566 / 1K tokenů Výstup · Výstupní tokeny $0.00341 / 1K tokenů Vstup · Čtení z mezipaměti $0.0001 / 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 $0.000566 / 1K tokenů Výstup · Výstupní tokeny $0.00341 / 1K tokenů Vstup · Čtení z mezipaměti $0.0001 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "qwen/qwen3.6-35b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.6-35b-a3b', '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/qwen3.6-35b-a3b', '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/qwen3.6-35b-a3b
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Correct a button loading state\n\nPropose a small JavaScript change for a save form. Current handler sets button.disabled = true, awaits saveDraft(), then reenables the button. When saveDraft rejects, the button stays disabled. Preserve the save operation and show pseudocode for displaying an error and always restoring the button. Add success and failure acceptance checks.A focused async handler or pseudocode plus two checks covering button and error states.Verify the cleanup happens on rejection and success without converting a failed save into a success message.