Überblick: repositoryorientierte Programmierung
Qwen3-Coder-Flash ist ein Qwen3-basiertes Codegenerierungsmodell. Laut Hersteller übernimmt es Programmieragentenfähigkeiten von Qwen3-Coder-Plus und ist für Verständnis auf Repository-Ebene, stabile Werkzeugaufrufe und Interaktion über mehrere Gesprächsrunden optimiert. Dokumentierte Eingabe und Ausgabe sind Text. Nutzen Sie es für eine Programmieraufgabe mit vorgegebenem Projektkontext und einem konkreten Ergebnis wie vorgeschlagenem Patch, einer Funktion oder Erklärung.
Der Hersteller beschreibt qwen3-coder-flash derzeit als funktional gleichwertig mit qwen3-coder-flash-2025-07-28 und behält diesen datierten Stand als benannte Version bei. Bewahren Sie die angeforderte Kennung bei der Aufzeichnung der Modellauswahl. Die genaue Modellseite belegt weder Parameterzahl noch Gewichtsidentität eines offenen Coder-Checkpoints; der Name Flash ist daher keine Grundlage für eine unbelegte Größen- oder Architekturaussage.
Vorbereitung von Repository-Belegen
Geben Sie relevante Module, Schnittstellen, Anforderungen und eine das besprochene Verhalten zeigende Eingabe vor. Verlangen Sie einen nach betroffenen Komponenten gegliederten Implementierungsvorschlag und anschließend das bearbeitbare Artefakt getrennt von Kommentaren. Geben Sie bei einer Fehleranalyse beobachteten Fehler oder Ausgabe und erwartetes Verhalten vor. Beschreiben Sie bei einer Funktionalität die Interaktionen und Bedingungen, die das Ergebnis erfüllen muss.
Eine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zeigen. Bewahren Sie bei einem großen Projekt Datei- und Funktionskennungen im gelieferten Material, damit die Erklärung auf ihre Belege verweisen kann. Prüfen Sie vorgeschlagene Änderungen anhand der gelieferten Dateien, des erwarteten Verhaltens und der von verbundenen Prüfungen zurückgegebenen Ergebnisse.
Werkzeuge über mehrere Gesprächsrunden und Rückmeldungen
Der Hersteller betont Werkzeuginteraktion über mehrere Gesprächsrunden. Ein verbundener Ablauf kann Inspektions- oder Ausführungswerkzeuge liefern und tatsächliche Beobachtungen an das Modell zurückgeben. Nennen Sie zulässige Handlungen und beobachtbare Abschlusskriterien. Geben Sie bei einer fehlgeschlagenen Prüfung tatsächlichen Fehler und relevanten Code vor, statt lediglich einen neuen Versuch zu verlangen. Das Modell kann seine vorgeschlagene Arbeit mit dieser Rückmeldung überarbeiten; die Anwendung führt die Handlungen aus.
Die Fähigkeitsmatrix unterstützt Function Calling im Alibaba-Profil China (Peking) und kennzeichnet es in Singapur, Deutschland (Frankfurt) und USA (Virginia) als nicht unterstützt. Werkzeugverfügbarkeit ist daher bedingt, kein Versprechen allein aus dem Modellnamen. Textvorschlag, Werkzeuganforderung und abgeschlossene Operation sollten im endgültigen Bericht unterscheidbar bleiben. Geben Sie einen endgültigen Bericht zurück, der Codevorschlag, angeforderte Werkzeugaufrufe und tatsächliche Werkzeugergebnisse trennt.
Fähigkeiten und Ergebnisformatierung
Erzwungene strukturierte Ausgaben und eingebaute Websuche sind auf der speziellen Modellseite als nicht unterstützt gekennzeichnet. Ein Prompt kann eine Tabelle oder JSON-förmigen Text verlangen, erzeugt damit aber keinen Vertrag zur Schemaerzwingung. Ein Programmieragent kann aktuelle Belege von einem anwendungsseitigen Werkzeug erhalten, ohne dass das Modell selbst eingebaute Suche besitzt.
Prefix Completion ist in China (Peking) nicht unterstützt und in Singapur, Deutschland (Frankfurt) und USA (Virginia) unterstützt. Context Caching ist für den undatierten Alias in allen vier Profilen unterstützt, während der separat gelistete Stand vom 28. Juli es als nicht unterstützt ausweist. Beide Editionen kennzeichnen Batch-Inferenz und Fine-Tuning als nicht unterstützt. Verlangen Sie ein leicht überprüfbares endgültiges Ergebnis und bewahren Sie tatsächliche Werkzeugbeobachtungen, wenn ein Bericht behauptet, etwas geprüft zu haben.
Kontext- und Ausgabegrenzen
Die Spezifikation nennt ein Kontextfenster von 1.000.000 Tokens, eine maximale Eingabelänge von 997.952 Tokens und eine maximale Ausgabelänge von 65.536 Tokens. Dies sind separate Grenzen; die größte Eingabe und größte Ausgabe passen nicht notwendigerweise gleichzeitig in den Kontext. Projekttext, Verlauf, Werkzeugergebnisse und erzeugter Quellcode benötigen Raum im tatsächlichen Anfragebudget.
Ein großer Kontext kann mehr Repository-Belege in einer Aufgabe zusammenführen. Es bleibt sinnvoll, sachfremde erzeugte Dateien, wiederholtes Material und irrelevante Module zu entfernen und zugleich Definitionen und Schnittstellen zu bewahren, von denen die Änderung abhängt. Verlangen Sie bei einem umfangreichen Artefakt die erforderlichen Dateien oder Funktionen ausdrücklich und reservieren Sie ausreichend Antwortplatz. Halten Sie Codedateien und Erklärungen getrennt, damit Prüfer vorgeschlagene Änderungen untersuchen können.
Praktisches Ergebnis und wesentliche Grenzen
Verlangen Sie bei einer Repository-Änderung einen Patch mit betroffenen Dateien, Annahmen und tatsächlichen Ergebnissen verbundener Prüfungen. Legen Sie bei einem Algorithmus Eingabebeschränkungen und erwartete Ausgabe fest, bevor Sie Code verlangen. Die dokumentierte Eingabe ist Text; eine visuelle Referenz oder Aufnahme benötigt daher eine geeignete gesonderte Darstellung, wenn sie als Beleg dienen soll.
Prüfen Sie generierte Syntax, Schnittstellen und Randfälle im Entwicklungsablauf. Eine plausible Erklärung oder werkzeugorientierte Modellbeschreibung beweist keine erfolgreiche Codeausführung. Das praktische Ergebnis ist ein überprüfbares Text- oder Codeartefakt mit Bezug zum gelieferten Repository-Material, unter Bewahrung der genauen Flash-Kennung, Herstellergrenzen und des bedingten Werkzeugvertrags.
", "aboutText": "Überblick: repositoryorientierte Programmierung\n\nQwen3-Coder-Flash ist ein Qwen3-basiertes Codegenerierungsmodell. Laut Hersteller übernimmt es Programmieragentenfähigkeiten von Qwen3-Coder-Plus und ist für Verständnis auf Repository-Ebene, stabile Werkzeugaufrufe und Interaktion über mehrere Gesprächsrunden optimiert. Dokumentierte Eingabe und Ausgabe sind Text. Nutzen Sie es für eine Programmieraufgabe mit vorgegebenem Projektkontext und einem konkreten Ergebnis wie vorgeschlagenem Patch, einer Funktion oder Erklärung.\n\nDer Hersteller beschreibt qwen3-coder-flash derzeit als funktional gleichwertig mit qwen3-coder-flash-2025-07-28 und behält diesen datierten Stand als benannte Version bei. Bewahren Sie die angeforderte Kennung bei der Aufzeichnung der Modellauswahl. Die genaue Modellseite belegt weder Parameterzahl noch Gewichtsidentität eines offenen Coder-Checkpoints; der Name Flash ist daher keine Grundlage für eine unbelegte Größen- oder Architekturaussage.\n\nVorbereitung von Repository-Belegen\n\nGeben Sie relevante Module, Schnittstellen, Anforderungen und eine das besprochene Verhalten zeigende Eingabe vor. Verlangen Sie einen nach betroffenen Komponenten gegliederten Implementierungsvorschlag und anschließend das bearbeitbare Artefakt getrennt von Kommentaren. Geben Sie bei einer Fehleranalyse beobachteten Fehler oder Ausgabe und erwartetes Verhalten vor. Beschreiben Sie bei einer Funktionalität die Interaktionen und Bedingungen, die das Ergebnis erfüllen muss.\n\nEine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zeigen. Bewahren Sie bei einem großen Projekt Datei- und Funktionskennungen im gelieferten Material, damit die Erklärung auf ihre Belege verweisen kann. Prüfen Sie vorgeschlagene Änderungen anhand der gelieferten Dateien, des erwarteten Verhaltens und der von verbundenen Prüfungen zurückgegebenen Ergebnisse.\n\nWerkzeuge über mehrere Gesprächsrunden und Rückmeldungen\n\nDer Hersteller betont Werkzeuginteraktion über mehrere Gesprächsrunden. Ein verbundener Ablauf kann Inspektions- oder Ausführungswerkzeuge liefern und tatsächliche Beobachtungen an das Modell zurückgeben. Nennen Sie zulässige Handlungen und beobachtbare Abschlusskriterien. Geben Sie bei einer fehlgeschlagenen Prüfung tatsächlichen Fehler und relevanten Code vor, statt lediglich einen neuen Versuch zu verlangen. Das Modell kann seine vorgeschlagene Arbeit mit dieser Rückmeldung überarbeiten; die Anwendung führt die Handlungen aus.\n\nDie Fähigkeitsmatrix unterstützt Function Calling im Alibaba-Profil China (Peking) und kennzeichnet es in Singapur, Deutschland (Frankfurt) und USA (Virginia) als nicht unterstützt. Werkzeugverfügbarkeit ist daher bedingt, kein Versprechen allein aus dem Modellnamen. Textvorschlag, Werkzeuganforderung und abgeschlossene Operation sollten im endgültigen Bericht unterscheidbar bleiben. Geben Sie einen endgültigen Bericht zurück, der Codevorschlag, angeforderte Werkzeugaufrufe und tatsächliche Werkzeugergebnisse trennt.\n\nFähigkeiten und Ergebnisformatierung\n\nErzwungene strukturierte Ausgaben und eingebaute Websuche sind auf der speziellen Modellseite als nicht unterstützt gekennzeichnet. Ein Prompt kann eine Tabelle oder JSON-förmigen Text verlangen, erzeugt damit aber keinen Vertrag zur Schemaerzwingung. Ein Programmieragent kann aktuelle Belege von einem anwendungsseitigen Werkzeug erhalten, ohne dass das Modell selbst eingebaute Suche besitzt.\n\nPrefix Completion ist in China (Peking) nicht unterstützt und in Singapur, Deutschland (Frankfurt) und USA (Virginia) unterstützt. Context Caching ist für den undatierten Alias in allen vier Profilen unterstützt, während der separat gelistete Stand vom 28. Juli es als nicht unterstützt ausweist. Beide Editionen kennzeichnen Batch-Inferenz und Fine-Tuning als nicht unterstützt. Verlangen Sie ein leicht überprüfbares endgültiges Ergebnis und bewahren Sie tatsächliche Werkzeugbeobachtungen, wenn ein Bericht behauptet, etwas geprüft zu haben.\n\nKontext- und Ausgabegrenzen\n\nDie Spezifikation nennt ein Kontextfenster von 1.000.000 Tokens, eine maximale Eingabelänge von 997.952 Tokens und eine maximale Ausgabelänge von 65.536 Tokens. Dies sind separate Grenzen; die größte Eingabe und größte Ausgabe passen nicht notwendigerweise gleichzeitig in den Kontext. Projekttext, Verlauf, Werkzeugergebnisse und erzeugter Quellcode benötigen Raum im tatsächlichen Anfragebudget.\n\nEin großer Kontext kann mehr Repository-Belege in einer Aufgabe zusammenführen. Es bleibt sinnvoll, sachfremde erzeugte Dateien, wiederholtes Material und irrelevante Module zu entfernen und zugleich Definitionen und Schnittstellen zu bewahren, von denen die Änderung abhängt. Verlangen Sie bei einem umfangreichen Artefakt die erforderlichen Dateien oder Funktionen ausdrücklich und reservieren Sie ausreichend Antwortplatz. Halten Sie Codedateien und Erklärungen getrennt, damit Prüfer vorgeschlagene Änderungen untersuchen können.\n\nPraktisches Ergebnis und wesentliche Grenzen\n\nVerlangen Sie bei einer Repository-Änderung einen Patch mit betroffenen Dateien, Annahmen und tatsächlichen Ergebnissen verbundener Prüfungen. Legen Sie bei einem Algorithmus Eingabebeschränkungen und erwartete Ausgabe fest, bevor Sie Code verlangen. Die dokumentierte Eingabe ist Text; eine visuelle Referenz oder Aufnahme benötigt daher eine geeignete gesonderte Darstellung, wenn sie als Beleg dienen soll.\n\nPrüfen Sie generierte Syntax, Schnittstellen und Randfälle im Entwicklungsablauf. Eine plausible Erklärung oder werkzeugorientierte Modellbeschreibung beweist keine erfolgreiche Codeausführung. Das praktische Ergebnis ist ein überprüfbares Text- oder Codeartefakt mit Bezug zum gelieferten Repository-Material, unter Bewahrung der genauen Flash-Kennung, Herstellergrenzen und des bedingten Werkzeugvertrags.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Keep repository paths portable\n\nIn config.py, DATA_PATH = 'data/items.csv'. In runner.py, open(DATA_PATH) fails when the CLI is launched outside the repository directory. Propose a focused fix that anchors the resource path to the module location rather than the current working directory. Preserve the public CLI arguments and include a regression scenario launched from another directory.A small coordinated code proposal for the named modules and a regression scenario for an unrelated working directory.The proposed path does not depend on the launch directory and does not change the public CLI arguments.qwen/qwen3-coder-flashQwen3-Coder-Flash ist Qwens Textcodemodell für Repository-Verständnis und Werkzeuginteraktion über mehrere Gesprächsrunden. Die Spezifikation nennt eine Million Kontexttokens, maximal 997.952 Eingabetokens und 65.536 Ausgabetokens; Werkzeugfunktionen gelten für das Bereitstellungsprofil des Herstellers.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Überblick: repositoryorientierte Programmierung
Qwen3-Coder-Flash ist ein Qwen3-basiertes Codegenerierungsmodell. Laut Hersteller übernimmt es Programmieragentenfähigkeiten von Qwen3-Coder-Plus und ist für Verständnis auf Repository-Ebene, stabile Werkzeugaufrufe und Interaktion über mehrere Gesprächsrunden optimiert. Dokumentierte Eingabe und Ausgabe sind Text. Nutzen Sie es für eine Programmieraufgabe mit vorgegebenem Projektkontext und einem konkreten Ergebnis wie vorgeschlagenem Patch, einer Funktion oder Erklärung.
Der Hersteller beschreibt qwen3-coder-flash derzeit als funktional gleichwertig mit qwen3-coder-flash-2025-07-28 und behält diesen datierten Stand als benannte Version bei. Bewahren Sie die angeforderte Kennung bei der Aufzeichnung der Modellauswahl. Die genaue Modellseite belegt weder Parameterzahl noch Gewichtsidentität eines offenen Coder-Checkpoints; der Name Flash ist daher keine Grundlage für eine unbelegte Größen- oder Architekturaussage.
Vorbereitung von Repository-Belegen
Geben Sie relevante Module, Schnittstellen, Anforderungen und eine das besprochene Verhalten zeigende Eingabe vor. Verlangen Sie einen nach betroffenen Komponenten gegliederten Implementierungsvorschlag und anschließend das bearbeitbare Artefakt getrennt von Kommentaren. Geben Sie bei einer Fehleranalyse beobachteten Fehler oder Ausgabe und erwartetes Verhalten vor. Beschreiben Sie bei einer Funktionalität die Interaktionen und Bedingungen, die das Ergebnis erfüllen muss.
Eine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zeigen. Bewahren Sie bei einem großen Projekt Datei- und Funktionskennungen im gelieferten Material, damit die Erklärung auf ihre Belege verweisen kann. Prüfen Sie vorgeschlagene Änderungen anhand der gelieferten Dateien, des erwarteten Verhaltens und der von verbundenen Prüfungen zurückgegebenen Ergebnisse.
Werkzeuge über mehrere Gesprächsrunden und Rückmeldungen
Der Hersteller betont Werkzeuginteraktion über mehrere Gesprächsrunden. Ein verbundener Ablauf kann Inspektions- oder Ausführungswerkzeuge liefern und tatsächliche Beobachtungen an das Modell zurückgeben. Nennen Sie zulässige Handlungen und beobachtbare Abschlusskriterien. Geben Sie bei einer fehlgeschlagenen Prüfung tatsächlichen Fehler und relevanten Code vor, statt lediglich einen neuen Versuch zu verlangen. Das Modell kann seine vorgeschlagene Arbeit mit dieser Rückmeldung überarbeiten; die Anwendung führt die Handlungen aus.
Die Fähigkeitsmatrix unterstützt Function Calling im Alibaba-Profil China (Peking) und kennzeichnet es in Singapur, Deutschland (Frankfurt) und USA (Virginia) als nicht unterstützt. Werkzeugverfügbarkeit ist daher bedingt, kein Versprechen allein aus dem Modellnamen. Textvorschlag, Werkzeuganforderung und abgeschlossene Operation sollten im endgültigen Bericht unterscheidbar bleiben. Geben Sie einen endgültigen Bericht zurück, der Codevorschlag, angeforderte Werkzeugaufrufe und tatsächliche Werkzeugergebnisse trennt.
Fähigkeiten und Ergebnisformatierung
Erzwungene strukturierte Ausgaben und eingebaute Websuche sind auf der speziellen Modellseite als nicht unterstützt gekennzeichnet. Ein Prompt kann eine Tabelle oder JSON-förmigen Text verlangen, erzeugt damit aber keinen Vertrag zur Schemaerzwingung. Ein Programmieragent kann aktuelle Belege von einem anwendungsseitigen Werkzeug erhalten, ohne dass das Modell selbst eingebaute Suche besitzt.
Prefix Completion ist in China (Peking) nicht unterstützt und in Singapur, Deutschland (Frankfurt) und USA (Virginia) unterstützt. Context Caching ist für den undatierten Alias in allen vier Profilen unterstützt, während der separat gelistete Stand vom 28. Juli es als nicht unterstützt ausweist. Beide Editionen kennzeichnen Batch-Inferenz und Fine-Tuning als nicht unterstützt. Verlangen Sie ein leicht überprüfbares endgültiges Ergebnis und bewahren Sie tatsächliche Werkzeugbeobachtungen, wenn ein Bericht behauptet, etwas geprüft zu haben.
Kontext- und Ausgabegrenzen
Die Spezifikation nennt ein Kontextfenster von 1.000.000 Tokens, eine maximale Eingabelänge von 997.952 Tokens und eine maximale Ausgabelänge von 65.536 Tokens. Dies sind separate Grenzen; die größte Eingabe und größte Ausgabe passen nicht notwendigerweise gleichzeitig in den Kontext. Projekttext, Verlauf, Werkzeugergebnisse und erzeugter Quellcode benötigen Raum im tatsächlichen Anfragebudget.
Ein großer Kontext kann mehr Repository-Belege in einer Aufgabe zusammenführen. Es bleibt sinnvoll, sachfremde erzeugte Dateien, wiederholtes Material und irrelevante Module zu entfernen und zugleich Definitionen und Schnittstellen zu bewahren, von denen die Änderung abhängt. Verlangen Sie bei einem umfangreichen Artefakt die erforderlichen Dateien oder Funktionen ausdrücklich und reservieren Sie ausreichend Antwortplatz. Halten Sie Codedateien und Erklärungen getrennt, damit Prüfer vorgeschlagene Änderungen untersuchen können.
Praktisches Ergebnis und wesentliche Grenzen
Verlangen Sie bei einer Repository-Änderung einen Patch mit betroffenen Dateien, Annahmen und tatsächlichen Ergebnissen verbundener Prüfungen. Legen Sie bei einem Algorithmus Eingabebeschränkungen und erwartete Ausgabe fest, bevor Sie Code verlangen. Die dokumentierte Eingabe ist Text; eine visuelle Referenz oder Aufnahme benötigt daher eine geeignete gesonderte Darstellung, wenn sie als Beleg dienen soll.
Prüfen Sie generierte Syntax, Schnittstellen und Randfälle im Entwicklungsablauf. Eine plausible Erklärung oder werkzeugorientierte Modellbeschreibung beweist keine erfolgreiche Codeausführung. Das praktische Ergebnis ist ein überprüfbares Text- oder Codeartefakt mit Bezug zum gelieferten Repository-Material, unter Bewahrung der genauen Flash-Kennung, Herstellergrenzen und des bedingten Werkzeugvertrags.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-coder-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00039 / 1K Tokens Ausgabe · Ausgabetoken $0.00195 / 1K Tokens Eingabe · Cache lesen $0.000078 / 1K Tokens Eingabe · In Cache schreiben $0.0004875 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich32 000 | Gebühr Eingabe · Eingabetoken $0.00039 / 1K Tokens Ausgabe · Ausgabetoken $0.00195 / 1K Tokens Eingabe · Cache lesen $0.000078 / 1K Tokens Eingabe · In Cache schreiben $0.0004875 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als32 000 | Kontexttoken, bis einschließlich128 000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.00325 / 1K Tokens Eingabe · Cache lesen $0.00013 / 1K Tokens Eingabe · In Cache schreiben $0.0008125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 3 | Tarifstaffel— | Kontexttoken, mehr als128 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00104 / 1K Tokens Ausgabe · Ausgabetoken $0.0052 / 1K Tokens Eingabe · Cache lesen $0.000208 / 1K Tokens Eingabe · In Cache schreiben $0.0013 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-coder-flash", "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-coder-flash',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-coder-flash',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3-coder-flash, qwen3-coder-flash
/chat/completions
qwen/qwen3-coder-flashQwen3-Coder-Flash ist Qwens Textcodemodell für Repository-Verständnis und Werkzeuginteraktion über mehrere Gesprächsrunden. Die Spezifikation nennt eine Million Kontexttokens, maximal 997.952 Eingabetokens und 65.536 Ausgabetokens; Werkzeugfunktionen gelten für das Bereitstellungsprofil des Herstellers.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Überblick: repositoryorientierte Programmierung
Qwen3-Coder-Flash ist ein Qwen3-basiertes Codegenerierungsmodell. Laut Hersteller übernimmt es Programmieragentenfähigkeiten von Qwen3-Coder-Plus und ist für Verständnis auf Repository-Ebene, stabile Werkzeugaufrufe und Interaktion über mehrere Gesprächsrunden optimiert. Dokumentierte Eingabe und Ausgabe sind Text. Nutzen Sie es für eine Programmieraufgabe mit vorgegebenem Projektkontext und einem konkreten Ergebnis wie vorgeschlagenem Patch, einer Funktion oder Erklärung.
Der Hersteller beschreibt qwen3-coder-flash derzeit als funktional gleichwertig mit qwen3-coder-flash-2025-07-28 und behält diesen datierten Stand als benannte Version bei. Bewahren Sie die angeforderte Kennung bei der Aufzeichnung der Modellauswahl. Die genaue Modellseite belegt weder Parameterzahl noch Gewichtsidentität eines offenen Coder-Checkpoints; der Name Flash ist daher keine Grundlage für eine unbelegte Größen- oder Architekturaussage.
Vorbereitung von Repository-Belegen
Geben Sie relevante Module, Schnittstellen, Anforderungen und eine das besprochene Verhalten zeigende Eingabe vor. Verlangen Sie einen nach betroffenen Komponenten gegliederten Implementierungsvorschlag und anschließend das bearbeitbare Artefakt getrennt von Kommentaren. Geben Sie bei einer Fehleranalyse beobachteten Fehler oder Ausgabe und erwartetes Verhalten vor. Beschreiben Sie bei einer Funktionalität die Interaktionen und Bedingungen, die das Ergebnis erfüllen muss.
Eine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zeigen. Bewahren Sie bei einem großen Projekt Datei- und Funktionskennungen im gelieferten Material, damit die Erklärung auf ihre Belege verweisen kann. Prüfen Sie vorgeschlagene Änderungen anhand der gelieferten Dateien, des erwarteten Verhaltens und der von verbundenen Prüfungen zurückgegebenen Ergebnisse.
Werkzeuge über mehrere Gesprächsrunden und Rückmeldungen
Der Hersteller betont Werkzeuginteraktion über mehrere Gesprächsrunden. Ein verbundener Ablauf kann Inspektions- oder Ausführungswerkzeuge liefern und tatsächliche Beobachtungen an das Modell zurückgeben. Nennen Sie zulässige Handlungen und beobachtbare Abschlusskriterien. Geben Sie bei einer fehlgeschlagenen Prüfung tatsächlichen Fehler und relevanten Code vor, statt lediglich einen neuen Versuch zu verlangen. Das Modell kann seine vorgeschlagene Arbeit mit dieser Rückmeldung überarbeiten; die Anwendung führt die Handlungen aus.
Die Fähigkeitsmatrix unterstützt Function Calling im Alibaba-Profil China (Peking) und kennzeichnet es in Singapur, Deutschland (Frankfurt) und USA (Virginia) als nicht unterstützt. Werkzeugverfügbarkeit ist daher bedingt, kein Versprechen allein aus dem Modellnamen. Textvorschlag, Werkzeuganforderung und abgeschlossene Operation sollten im endgültigen Bericht unterscheidbar bleiben. Geben Sie einen endgültigen Bericht zurück, der Codevorschlag, angeforderte Werkzeugaufrufe und tatsächliche Werkzeugergebnisse trennt.
Fähigkeiten und Ergebnisformatierung
Erzwungene strukturierte Ausgaben und eingebaute Websuche sind auf der speziellen Modellseite als nicht unterstützt gekennzeichnet. Ein Prompt kann eine Tabelle oder JSON-förmigen Text verlangen, erzeugt damit aber keinen Vertrag zur Schemaerzwingung. Ein Programmieragent kann aktuelle Belege von einem anwendungsseitigen Werkzeug erhalten, ohne dass das Modell selbst eingebaute Suche besitzt.
Prefix Completion ist in China (Peking) nicht unterstützt und in Singapur, Deutschland (Frankfurt) und USA (Virginia) unterstützt. Context Caching ist für den undatierten Alias in allen vier Profilen unterstützt, während der separat gelistete Stand vom 28. Juli es als nicht unterstützt ausweist. Beide Editionen kennzeichnen Batch-Inferenz und Fine-Tuning als nicht unterstützt. Verlangen Sie ein leicht überprüfbares endgültiges Ergebnis und bewahren Sie tatsächliche Werkzeugbeobachtungen, wenn ein Bericht behauptet, etwas geprüft zu haben.
Kontext- und Ausgabegrenzen
Die Spezifikation nennt ein Kontextfenster von 1.000.000 Tokens, eine maximale Eingabelänge von 997.952 Tokens und eine maximale Ausgabelänge von 65.536 Tokens. Dies sind separate Grenzen; die größte Eingabe und größte Ausgabe passen nicht notwendigerweise gleichzeitig in den Kontext. Projekttext, Verlauf, Werkzeugergebnisse und erzeugter Quellcode benötigen Raum im tatsächlichen Anfragebudget.
Ein großer Kontext kann mehr Repository-Belege in einer Aufgabe zusammenführen. Es bleibt sinnvoll, sachfremde erzeugte Dateien, wiederholtes Material und irrelevante Module zu entfernen und zugleich Definitionen und Schnittstellen zu bewahren, von denen die Änderung abhängt. Verlangen Sie bei einem umfangreichen Artefakt die erforderlichen Dateien oder Funktionen ausdrücklich und reservieren Sie ausreichend Antwortplatz. Halten Sie Codedateien und Erklärungen getrennt, damit Prüfer vorgeschlagene Änderungen untersuchen können.
Praktisches Ergebnis und wesentliche Grenzen
Verlangen Sie bei einer Repository-Änderung einen Patch mit betroffenen Dateien, Annahmen und tatsächlichen Ergebnissen verbundener Prüfungen. Legen Sie bei einem Algorithmus Eingabebeschränkungen und erwartete Ausgabe fest, bevor Sie Code verlangen. Die dokumentierte Eingabe ist Text; eine visuelle Referenz oder Aufnahme benötigt daher eine geeignete gesonderte Darstellung, wenn sie als Beleg dienen soll.
Prüfen Sie generierte Syntax, Schnittstellen und Randfälle im Entwicklungsablauf. Eine plausible Erklärung oder werkzeugorientierte Modellbeschreibung beweist keine erfolgreiche Codeausführung. Das praktische Ergebnis ist ein überprüfbares Text- oder Codeartefakt mit Bezug zum gelieferten Repository-Material, unter Bewahrung der genauen Flash-Kennung, Herstellergrenzen und des bedingten Werkzeugvertrags.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-coder-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00039 / 1K Tokens Ausgabe · Ausgabetoken $0.00195 / 1K Tokens Eingabe · Cache lesen $0.000078 / 1K Tokens Eingabe · In Cache schreiben $0.0004875 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich32 000 | Gebühr Eingabe · Eingabetoken $0.00039 / 1K Tokens Ausgabe · Ausgabetoken $0.00195 / 1K Tokens Eingabe · Cache lesen $0.000078 / 1K Tokens Eingabe · In Cache schreiben $0.0004875 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als32 000 | Kontexttoken, bis einschließlich128 000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.00325 / 1K Tokens Eingabe · Cache lesen $0.00013 / 1K Tokens Eingabe · In Cache schreiben $0.0008125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 3 | Tarifstaffel— | Kontexttoken, mehr als128 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00104 / 1K Tokens Ausgabe · Ausgabetoken $0.0052 / 1K Tokens Eingabe · Cache lesen $0.000208 / 1K Tokens Eingabe · In Cache schreiben $0.0013 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-coder-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-coder-flash', '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-coder-flash', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3-coder-flash, qwen3-coder-flash
/chat/completions
qwen3-coder-flashQwen3-Coder-Flash ist Qwens Textcodemodell für Repository-Verständnis und Werkzeuginteraktion über mehrere Gesprächsrunden. Die Spezifikation nennt eine Million Kontexttokens, maximal 997.952 Eingabetokens und 65.536 Ausgabetokens; Werkzeugfunktionen gelten für das Bereitstellungsprofil des Herstellers.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Überblick: repositoryorientierte Programmierung
Qwen3-Coder-Flash ist ein Qwen3-basiertes Codegenerierungsmodell. Laut Hersteller übernimmt es Programmieragentenfähigkeiten von Qwen3-Coder-Plus und ist für Verständnis auf Repository-Ebene, stabile Werkzeugaufrufe und Interaktion über mehrere Gesprächsrunden optimiert. Dokumentierte Eingabe und Ausgabe sind Text. Nutzen Sie es für eine Programmieraufgabe mit vorgegebenem Projektkontext und einem konkreten Ergebnis wie vorgeschlagenem Patch, einer Funktion oder Erklärung.
Der Hersteller beschreibt qwen3-coder-flash derzeit als funktional gleichwertig mit qwen3-coder-flash-2025-07-28 und behält diesen datierten Stand als benannte Version bei. Bewahren Sie die angeforderte Kennung bei der Aufzeichnung der Modellauswahl. Die genaue Modellseite belegt weder Parameterzahl noch Gewichtsidentität eines offenen Coder-Checkpoints; der Name Flash ist daher keine Grundlage für eine unbelegte Größen- oder Architekturaussage.
Vorbereitung von Repository-Belegen
Geben Sie relevante Module, Schnittstellen, Anforderungen und eine das besprochene Verhalten zeigende Eingabe vor. Verlangen Sie einen nach betroffenen Komponenten gegliederten Implementierungsvorschlag und anschließend das bearbeitbare Artefakt getrennt von Kommentaren. Geben Sie bei einer Fehleranalyse beobachteten Fehler oder Ausgabe und erwartetes Verhalten vor. Beschreiben Sie bei einer Funktionalität die Interaktionen und Bedingungen, die das Ergebnis erfüllen muss.
Eine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zeigen. Bewahren Sie bei einem großen Projekt Datei- und Funktionskennungen im gelieferten Material, damit die Erklärung auf ihre Belege verweisen kann. Prüfen Sie vorgeschlagene Änderungen anhand der gelieferten Dateien, des erwarteten Verhaltens und der von verbundenen Prüfungen zurückgegebenen Ergebnisse.
Werkzeuge über mehrere Gesprächsrunden und Rückmeldungen
Der Hersteller betont Werkzeuginteraktion über mehrere Gesprächsrunden. Ein verbundener Ablauf kann Inspektions- oder Ausführungswerkzeuge liefern und tatsächliche Beobachtungen an das Modell zurückgeben. Nennen Sie zulässige Handlungen und beobachtbare Abschlusskriterien. Geben Sie bei einer fehlgeschlagenen Prüfung tatsächlichen Fehler und relevanten Code vor, statt lediglich einen neuen Versuch zu verlangen. Das Modell kann seine vorgeschlagene Arbeit mit dieser Rückmeldung überarbeiten; die Anwendung führt die Handlungen aus.
Die Fähigkeitsmatrix unterstützt Function Calling im Alibaba-Profil China (Peking) und kennzeichnet es in Singapur, Deutschland (Frankfurt) und USA (Virginia) als nicht unterstützt. Werkzeugverfügbarkeit ist daher bedingt, kein Versprechen allein aus dem Modellnamen. Textvorschlag, Werkzeuganforderung und abgeschlossene Operation sollten im endgültigen Bericht unterscheidbar bleiben. Geben Sie einen endgültigen Bericht zurück, der Codevorschlag, angeforderte Werkzeugaufrufe und tatsächliche Werkzeugergebnisse trennt.
Fähigkeiten und Ergebnisformatierung
Erzwungene strukturierte Ausgaben und eingebaute Websuche sind auf der speziellen Modellseite als nicht unterstützt gekennzeichnet. Ein Prompt kann eine Tabelle oder JSON-förmigen Text verlangen, erzeugt damit aber keinen Vertrag zur Schemaerzwingung. Ein Programmieragent kann aktuelle Belege von einem anwendungsseitigen Werkzeug erhalten, ohne dass das Modell selbst eingebaute Suche besitzt.
Prefix Completion ist in China (Peking) nicht unterstützt und in Singapur, Deutschland (Frankfurt) und USA (Virginia) unterstützt. Context Caching ist für den undatierten Alias in allen vier Profilen unterstützt, während der separat gelistete Stand vom 28. Juli es als nicht unterstützt ausweist. Beide Editionen kennzeichnen Batch-Inferenz und Fine-Tuning als nicht unterstützt. Verlangen Sie ein leicht überprüfbares endgültiges Ergebnis und bewahren Sie tatsächliche Werkzeugbeobachtungen, wenn ein Bericht behauptet, etwas geprüft zu haben.
Kontext- und Ausgabegrenzen
Die Spezifikation nennt ein Kontextfenster von 1.000.000 Tokens, eine maximale Eingabelänge von 997.952 Tokens und eine maximale Ausgabelänge von 65.536 Tokens. Dies sind separate Grenzen; die größte Eingabe und größte Ausgabe passen nicht notwendigerweise gleichzeitig in den Kontext. Projekttext, Verlauf, Werkzeugergebnisse und erzeugter Quellcode benötigen Raum im tatsächlichen Anfragebudget.
Ein großer Kontext kann mehr Repository-Belege in einer Aufgabe zusammenführen. Es bleibt sinnvoll, sachfremde erzeugte Dateien, wiederholtes Material und irrelevante Module zu entfernen und zugleich Definitionen und Schnittstellen zu bewahren, von denen die Änderung abhängt. Verlangen Sie bei einem umfangreichen Artefakt die erforderlichen Dateien oder Funktionen ausdrücklich und reservieren Sie ausreichend Antwortplatz. Halten Sie Codedateien und Erklärungen getrennt, damit Prüfer vorgeschlagene Änderungen untersuchen können.
Praktisches Ergebnis und wesentliche Grenzen
Verlangen Sie bei einer Repository-Änderung einen Patch mit betroffenen Dateien, Annahmen und tatsächlichen Ergebnissen verbundener Prüfungen. Legen Sie bei einem Algorithmus Eingabebeschränkungen und erwartete Ausgabe fest, bevor Sie Code verlangen. Die dokumentierte Eingabe ist Text; eine visuelle Referenz oder Aufnahme benötigt daher eine geeignete gesonderte Darstellung, wenn sie als Beleg dienen soll.
Prüfen Sie generierte Syntax, Schnittstellen und Randfälle im Entwicklungsablauf. Eine plausible Erklärung oder werkzeugorientierte Modellbeschreibung beweist keine erfolgreiche Codeausführung. Das praktische Ergebnis ist ein überprüfbares Text- oder Codeartefakt mit Bezug zum gelieferten Repository-Material, unter Bewahrung der genauen Flash-Kennung, Herstellergrenzen und des bedingten Werkzeugvertrags.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3-coder-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00039 / 1K Tokens Ausgabe · Ausgabetoken $0.00195 / 1K Tokens Eingabe · Cache lesen $0.000078 / 1K Tokens Eingabe · In Cache schreiben $0.0004875 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich32 000 | Gebühr Eingabe · Eingabetoken $0.00039 / 1K Tokens Ausgabe · Ausgabetoken $0.00195 / 1K Tokens Eingabe · Cache lesen $0.000078 / 1K Tokens Eingabe · In Cache schreiben $0.0004875 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als32 000 | Kontexttoken, bis einschließlich128 000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.00325 / 1K Tokens Eingabe · Cache lesen $0.00013 / 1K Tokens Eingabe · In Cache schreiben $0.0008125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 3 | Tarifstaffel— | Kontexttoken, mehr als128 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00104 / 1K Tokens Ausgabe · Ausgabetoken $0.0052 / 1K Tokens Eingabe · Cache lesen $0.000208 / 1K Tokens Eingabe · In Cache schreiben $0.0013 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen3-coder-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="qwen3-coder-flash", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3-coder-flash, qwen3-coder-flash
/chat/completions
qwen3-coder-flashQwen3-Coder-Flash ist Qwens Textcodemodell für Repository-Verständnis und Werkzeuginteraktion über mehrere Gesprächsrunden. Die Spezifikation nennt eine Million Kontexttokens, maximal 997.952 Eingabetokens und 65.536 Ausgabetokens; Werkzeugfunktionen gelten für das Bereitstellungsprofil des Herstellers.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Überblick: repositoryorientierte Programmierung
Qwen3-Coder-Flash ist ein Qwen3-basiertes Codegenerierungsmodell. Laut Hersteller übernimmt es Programmieragentenfähigkeiten von Qwen3-Coder-Plus und ist für Verständnis auf Repository-Ebene, stabile Werkzeugaufrufe und Interaktion über mehrere Gesprächsrunden optimiert. Dokumentierte Eingabe und Ausgabe sind Text. Nutzen Sie es für eine Programmieraufgabe mit vorgegebenem Projektkontext und einem konkreten Ergebnis wie vorgeschlagenem Patch, einer Funktion oder Erklärung.
Der Hersteller beschreibt qwen3-coder-flash derzeit als funktional gleichwertig mit qwen3-coder-flash-2025-07-28 und behält diesen datierten Stand als benannte Version bei. Bewahren Sie die angeforderte Kennung bei der Aufzeichnung der Modellauswahl. Die genaue Modellseite belegt weder Parameterzahl noch Gewichtsidentität eines offenen Coder-Checkpoints; der Name Flash ist daher keine Grundlage für eine unbelegte Größen- oder Architekturaussage.
Vorbereitung von Repository-Belegen
Geben Sie relevante Module, Schnittstellen, Anforderungen und eine das besprochene Verhalten zeigende Eingabe vor. Verlangen Sie einen nach betroffenen Komponenten gegliederten Implementierungsvorschlag und anschließend das bearbeitbare Artefakt getrennt von Kommentaren. Geben Sie bei einer Fehleranalyse beobachteten Fehler oder Ausgabe und erwartetes Verhalten vor. Beschreiben Sie bei einer Funktionalität die Interaktionen und Bedingungen, die das Ergebnis erfüllen muss.
Eine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zeigen. Bewahren Sie bei einem großen Projekt Datei- und Funktionskennungen im gelieferten Material, damit die Erklärung auf ihre Belege verweisen kann. Prüfen Sie vorgeschlagene Änderungen anhand der gelieferten Dateien, des erwarteten Verhaltens und der von verbundenen Prüfungen zurückgegebenen Ergebnisse.
Werkzeuge über mehrere Gesprächsrunden und Rückmeldungen
Der Hersteller betont Werkzeuginteraktion über mehrere Gesprächsrunden. Ein verbundener Ablauf kann Inspektions- oder Ausführungswerkzeuge liefern und tatsächliche Beobachtungen an das Modell zurückgeben. Nennen Sie zulässige Handlungen und beobachtbare Abschlusskriterien. Geben Sie bei einer fehlgeschlagenen Prüfung tatsächlichen Fehler und relevanten Code vor, statt lediglich einen neuen Versuch zu verlangen. Das Modell kann seine vorgeschlagene Arbeit mit dieser Rückmeldung überarbeiten; die Anwendung führt die Handlungen aus.
Die Fähigkeitsmatrix unterstützt Function Calling im Alibaba-Profil China (Peking) und kennzeichnet es in Singapur, Deutschland (Frankfurt) und USA (Virginia) als nicht unterstützt. Werkzeugverfügbarkeit ist daher bedingt, kein Versprechen allein aus dem Modellnamen. Textvorschlag, Werkzeuganforderung und abgeschlossene Operation sollten im endgültigen Bericht unterscheidbar bleiben. Geben Sie einen endgültigen Bericht zurück, der Codevorschlag, angeforderte Werkzeugaufrufe und tatsächliche Werkzeugergebnisse trennt.
Fähigkeiten und Ergebnisformatierung
Erzwungene strukturierte Ausgaben und eingebaute Websuche sind auf der speziellen Modellseite als nicht unterstützt gekennzeichnet. Ein Prompt kann eine Tabelle oder JSON-förmigen Text verlangen, erzeugt damit aber keinen Vertrag zur Schemaerzwingung. Ein Programmieragent kann aktuelle Belege von einem anwendungsseitigen Werkzeug erhalten, ohne dass das Modell selbst eingebaute Suche besitzt.
Prefix Completion ist in China (Peking) nicht unterstützt und in Singapur, Deutschland (Frankfurt) und USA (Virginia) unterstützt. Context Caching ist für den undatierten Alias in allen vier Profilen unterstützt, während der separat gelistete Stand vom 28. Juli es als nicht unterstützt ausweist. Beide Editionen kennzeichnen Batch-Inferenz und Fine-Tuning als nicht unterstützt. Verlangen Sie ein leicht überprüfbares endgültiges Ergebnis und bewahren Sie tatsächliche Werkzeugbeobachtungen, wenn ein Bericht behauptet, etwas geprüft zu haben.
Kontext- und Ausgabegrenzen
Die Spezifikation nennt ein Kontextfenster von 1.000.000 Tokens, eine maximale Eingabelänge von 997.952 Tokens und eine maximale Ausgabelänge von 65.536 Tokens. Dies sind separate Grenzen; die größte Eingabe und größte Ausgabe passen nicht notwendigerweise gleichzeitig in den Kontext. Projekttext, Verlauf, Werkzeugergebnisse und erzeugter Quellcode benötigen Raum im tatsächlichen Anfragebudget.
Ein großer Kontext kann mehr Repository-Belege in einer Aufgabe zusammenführen. Es bleibt sinnvoll, sachfremde erzeugte Dateien, wiederholtes Material und irrelevante Module zu entfernen und zugleich Definitionen und Schnittstellen zu bewahren, von denen die Änderung abhängt. Verlangen Sie bei einem umfangreichen Artefakt die erforderlichen Dateien oder Funktionen ausdrücklich und reservieren Sie ausreichend Antwortplatz. Halten Sie Codedateien und Erklärungen getrennt, damit Prüfer vorgeschlagene Änderungen untersuchen können.
Praktisches Ergebnis und wesentliche Grenzen
Verlangen Sie bei einer Repository-Änderung einen Patch mit betroffenen Dateien, Annahmen und tatsächlichen Ergebnissen verbundener Prüfungen. Legen Sie bei einem Algorithmus Eingabebeschränkungen und erwartete Ausgabe fest, bevor Sie Code verlangen. Die dokumentierte Eingabe ist Text; eine visuelle Referenz oder Aufnahme benötigt daher eine geeignete gesonderte Darstellung, wenn sie als Beleg dienen soll.
Prüfen Sie generierte Syntax, Schnittstellen und Randfälle im Entwicklungsablauf. Eine plausible Erklärung oder werkzeugorientierte Modellbeschreibung beweist keine erfolgreiche Codeausführung. Das praktische Ergebnis ist ein überprüfbares Text- oder Codeartefakt mit Bezug zum gelieferten Repository-Material, unter Bewahrung der genauen Flash-Kennung, Herstellergrenzen und des bedingten Werkzeugvertrags.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3-coder-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00039 / 1K Tokens Ausgabe · Ausgabetoken $0.00195 / 1K Tokens Eingabe · Cache lesen $0.000078 / 1K Tokens Eingabe · In Cache schreiben $0.0004875 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich32 000 | Gebühr Eingabe · Eingabetoken $0.00039 / 1K Tokens Ausgabe · Ausgabetoken $0.00195 / 1K Tokens Eingabe · Cache lesen $0.000078 / 1K Tokens Eingabe · In Cache schreiben $0.0004875 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als32 000 | Kontexttoken, bis einschließlich128 000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.00325 / 1K Tokens Eingabe · Cache lesen $0.00013 / 1K Tokens Eingabe · In Cache schreiben $0.0008125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 3 | Tarifstaffel— | Kontexttoken, mehr als128 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00104 / 1K Tokens Ausgabe · Ausgabetoken $0.0052 / 1K Tokens Eingabe · Cache lesen $0.000208 / 1K Tokens Eingabe · In Cache schreiben $0.0013 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen3-coder-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-coder-flash', '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': 'qwen3-coder-flash', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3-coder-flash, qwen3-coder-flash
/chat/completions
Technisches Beispiel auf Englisch
Keep repository paths portable\n\nIn config.py, DATA_PATH = 'data/items.csv'. In runner.py, open(DATA_PATH) fails when the CLI is launched outside the repository directory. Propose a focused fix that anchors the resource path to the module location rather than the current working directory. Preserve the public CLI arguments and include a regression scenario launched from another directory.A small coordinated code proposal for the named modules and a regression scenario for an unrelated working directory.The proposed path does not depend on the launch directory and does not change the public CLI arguments.