Qwen3-32B ist das grösste dichte Modell der ursprünglichen Qwen3-Veröffentlichung. Es verbindet den Thinking-Modus der Familie für komplexe Logik, Mathematik und Programmierung mit Non-Thinking-Antworten für allgemeine Gespräche. Qwen hebt ausserdem kreatives Schreiben, rollenbasierte Gespräche, Anweisungsbefolgung über mehrere Gesprächsrunden und agentenartige Werkzeugnutzung hervor. Das Modell verarbeitet Text und generiert Text; mehrsprachige Anweisungen und Übersetzungen gehören zur Unterstützung von 119 Sprachen und Dialekten durch die ursprüngliche Familie. Es kann Aufträge für eine analytische Erklärung, einen Codevorschlag oder einen sorgfältig definierten Text erhalten.
Die genaue Edition hat insgesamt 32,8 Milliarden Parameter über 64 Schichten. Es ist ein dichtes Modell, getrennt von der Expertenroutingarchitektur von Qwen3-30B-A3B und späteren separat benannten Qwen3-Editionen. Sein nativer Kontext beträgt 32’768 Tokens. Bereiten Sie eine anspruchsvolle Aufgabe mit relevanten Belegen, Anforderungen und erwartetem Ergebnis gemeinsam vor. Geben Sie für eine technische Prüfung Komponentenbeschreibung, Schnittstellenbeschränkungen und zu lösendes Problem vor und verlangen Sie dann einen Vorschlag, der Annahmen, Abhängigkeiten und Alternativen benennt und gegebenenfalls nur das gelieferte Material verwendet.
Die Chatvorlage des Herstellers aktiviert Thinking standardmässig und bietet einen festen Schalter enable_thinking an. Festes Deaktivieren verhindert Thinking-Inhalt vollständig. Bei aktiviertem Thinking geben /think und /no_think in Nutzer- oder Systemanweisungen textuelle Steuerung pro Gesprächsrunde; die neueste Anweisung bestimmt das gewünschte Verhalten. Eine textuelle Non-Thinking-Anforderung kann einen leeren Thinking-Block belassen; eine /think-Markierung überschreibt eine fest deaktivierte Vorlage nicht. Damit kann das ursprüngliche Modell zwischen einer direkten Entwurfsanfrage und einer Frage wechseln, die von einer längeren Schlussfolgerungskette profitiert, wenn die vorgeschriebenen Steuerungen verwendet werden.
Das Generierungsbeispiel parst einen <think>-Abschnitt getrennt von der endgültigen Antwort. Qwen empfiehlt, das endgültige Format ausdrücklich festzulegen, etwa eine eingerahmte mathematische Antwort oder ein einzelnes Antwortfeld für eine Multiple-Choice-Aufgabe. Geben Sie bei praktischer Analyse die gewünschte Schlussfolgerung und unterstützendes Material vor: beispielsweise eine endgültige Entwurfsentscheidung, gefolgt von erfüllten Bedingungen und offenen Fragen. Behalten Sie nach Herstelleranleitung die endgültige Antwort statt früherer Thinking-Inhalte im späteren Gesprächsverlauf. Das bewahrt das von späteren Fragen benötigte Ergebnis, ohne jeden Schlussfolgerungsschritt weiterzuführen.
Werkzeugaufrufe gehören in beiden Modi zum dokumentierten Modellprofil. Qwen empfiehlt Qwen-Agent für Werkzeugaufrufvorlagen und Parser und zeigt Informationsabruf, Zeitinformationen und einen Codeinterpreter. Definieren Sie Werkzeuge klar, geben Sie die Bedeutung ihrer Argumente an und legen Sie fest, was eine abgeschlossene Aufgabe ausmacht. Ein nützlicher Ablauf kann ausgewählte Informationen abrufen lassen, den tatsächlich zurückgegebenen Inhalt liefern und dann eine Synthese oder vorgeschlagene Implementierung verlangen. Der vom Modell gewünschte Aufruf und die Werkzeugausführung der Anwendung sind getrennte Schritte; die endgültige Antwort sollte auf den zurückgegebenen Belegen aufbauen.
Für längere Eingaben dokumentiert die Modellkarte eine YaRN-Erweiterung auf 131’072 Tokens. Das native Fenster ist kleiner, und statische Skalierung kann die Leistung bei kurzen Eingaben beeinflussen. Qwen empfiehlt die Erweiterung, wenn ein längerer Kontext tatsächlich benötigt wird; die Modellkarte erklärt ausserdem eine Standardzuweisung von 40’960 Positionen für Prompt und Ausgabe. Wählen Sie relevante Dokumente und bewahren Sie Überschriften, Quellgrenzen und Terminologie. Lassen Sie Platz für Schlussfolgern und die endgültige Antwort, besonders wenn die Aufgabe mehrere Spezifikationen abgleichen muss, statt eine Passage zusammenzufassen.
Die offiziellen Empfehlungen sind temperature 0,6, top-p 0,95, top-k 20 und min-p 0 für Thinking; für Non-Thinking ersetzen temperature 0,7 und top-p 0,8 die ersten beiden Einstellungen. Qwen rät von Greedy Decoding im Thinking-Modus ab und weist darauf hin, dass eine hohe Presence Penalty Sprachmischung oder geringere Qualität verursachen kann. Der Hersteller empfiehlt 32’768 Tokens Ausgabelänge für die meisten Anfragen und nennt 38’912 für besonders anspruchsvolle Mathematik- und Programmierprobleme. Diese Längen sind Generierungsanleitung, keine universelle harte Antwortgrenze. Ein präziser Auftrag und ein definiertes endgültiges Format helfen, das verfügbare Schlussfolgern des Modells auf die Arbeit zu konzentrieren, die der Leser benötigt.
", "aboutText": "Qwen3-32B ist das grösste dichte Modell der ursprünglichen Qwen3-Veröffentlichung. Es verbindet den Thinking-Modus der Familie für komplexe Logik, Mathematik und Programmierung mit Non-Thinking-Antworten für allgemeine Gespräche. Qwen hebt ausserdem kreatives Schreiben, rollenbasierte Gespräche, Anweisungsbefolgung über mehrere Gesprächsrunden und agentenartige Werkzeugnutzung hervor. Das Modell verarbeitet Text und generiert Text; mehrsprachige Anweisungen und Übersetzungen gehören zur Unterstützung von 119 Sprachen und Dialekten durch die ursprüngliche Familie. Es kann Aufträge für eine analytische Erklärung, einen Codevorschlag oder einen sorgfältig definierten Text erhalten.\n\nDie genaue Edition hat insgesamt 32,8 Milliarden Parameter über 64 Schichten. Es ist ein dichtes Modell, getrennt von der Expertenroutingarchitektur von Qwen3-30B-A3B und späteren separat benannten Qwen3-Editionen. Sein nativer Kontext beträgt 32’768 Tokens. Bereiten Sie eine anspruchsvolle Aufgabe mit relevanten Belegen, Anforderungen und erwartetem Ergebnis gemeinsam vor. Geben Sie für eine technische Prüfung Komponentenbeschreibung, Schnittstellenbeschränkungen und zu lösendes Problem vor und verlangen Sie dann einen Vorschlag, der Annahmen, Abhängigkeiten und Alternativen benennt und gegebenenfalls nur das gelieferte Material verwendet.\n\nDie Chatvorlage des Herstellers aktiviert Thinking standardmässig und bietet einen festen Schalter enable_thinking an. Festes Deaktivieren verhindert Thinking-Inhalt vollständig. Bei aktiviertem Thinking geben /think und /no_think in Nutzer- oder Systemanweisungen textuelle Steuerung pro Gesprächsrunde; die neueste Anweisung bestimmt das gewünschte Verhalten. Eine textuelle Non-Thinking-Anforderung kann einen leeren Thinking-Block belassen; eine /think-Markierung überschreibt eine fest deaktivierte Vorlage nicht. Damit kann das ursprüngliche Modell zwischen einer direkten Entwurfsanfrage und einer Frage wechseln, die von einer längeren Schlussfolgerungskette profitiert, wenn die vorgeschriebenen Steuerungen verwendet werden.\n\nDas Generierungsbeispiel parst einenTechnisches Beispiel auf Englisch
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.qwen/qwen3-32bQwen3-32B ist Qwens dichtes hybrides Textmodell für komplexes Schlussfolgern, Programmierung, mehrsprachiges Schreiben und werkzeuggesteuerte Aufgaben. Es verbindet Thinking- und Non-Thinking-Modi in einem Modell und hat einen nativen Kontext von 32’768 Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3-32B ist das grösste dichte Modell der ursprünglichen Qwen3-Veröffentlichung. Es verbindet den Thinking-Modus der Familie für komplexe Logik, Mathematik und Programmierung mit Non-Thinking-Antworten für allgemeine Gespräche. Qwen hebt ausserdem kreatives Schreiben, rollenbasierte Gespräche, Anweisungsbefolgung über mehrere Gesprächsrunden und agentenartige Werkzeugnutzung hervor. Das Modell verarbeitet Text und generiert Text; mehrsprachige Anweisungen und Übersetzungen gehören zur Unterstützung von 119 Sprachen und Dialekten durch die ursprüngliche Familie. Es kann Aufträge für eine analytische Erklärung, einen Codevorschlag oder einen sorgfältig definierten Text erhalten.
Die genaue Edition hat insgesamt 32,8 Milliarden Parameter über 64 Schichten. Es ist ein dichtes Modell, getrennt von der Expertenroutingarchitektur von Qwen3-30B-A3B und späteren separat benannten Qwen3-Editionen. Sein nativer Kontext beträgt 32’768 Tokens. Bereiten Sie eine anspruchsvolle Aufgabe mit relevanten Belegen, Anforderungen und erwartetem Ergebnis gemeinsam vor. Geben Sie für eine technische Prüfung Komponentenbeschreibung, Schnittstellenbeschränkungen und zu lösendes Problem vor und verlangen Sie dann einen Vorschlag, der Annahmen, Abhängigkeiten und Alternativen benennt und gegebenenfalls nur das gelieferte Material verwendet.
Die Chatvorlage des Herstellers aktiviert Thinking standardmässig und bietet einen festen Schalter enable_thinking an. Festes Deaktivieren verhindert Thinking-Inhalt vollständig. Bei aktiviertem Thinking geben /think und /no_think in Nutzer- oder Systemanweisungen textuelle Steuerung pro Gesprächsrunde; die neueste Anweisung bestimmt das gewünschte Verhalten. Eine textuelle Non-Thinking-Anforderung kann einen leeren Thinking-Block belassen; eine /think-Markierung überschreibt eine fest deaktivierte Vorlage nicht. Damit kann das ursprüngliche Modell zwischen einer direkten Entwurfsanfrage und einer Frage wechseln, die von einer längeren Schlussfolgerungskette profitiert, wenn die vorgeschriebenen Steuerungen verwendet werden.
Das Generierungsbeispiel parst einen <think>-Abschnitt getrennt von der endgültigen Antwort. Qwen empfiehlt, das endgültige Format ausdrücklich festzulegen, etwa eine eingerahmte mathematische Antwort oder ein einzelnes Antwortfeld für eine Multiple-Choice-Aufgabe. Geben Sie bei praktischer Analyse die gewünschte Schlussfolgerung und unterstützendes Material vor: beispielsweise eine endgültige Entwurfsentscheidung, gefolgt von erfüllten Bedingungen und offenen Fragen. Behalten Sie nach Herstelleranleitung die endgültige Antwort statt früherer Thinking-Inhalte im späteren Gesprächsverlauf. Das bewahrt das von späteren Fragen benötigte Ergebnis, ohne jeden Schlussfolgerungsschritt weiterzuführen.
Werkzeugaufrufe gehören in beiden Modi zum dokumentierten Modellprofil. Qwen empfiehlt Qwen-Agent für Werkzeugaufrufvorlagen und Parser und zeigt Informationsabruf, Zeitinformationen und einen Codeinterpreter. Definieren Sie Werkzeuge klar, geben Sie die Bedeutung ihrer Argumente an und legen Sie fest, was eine abgeschlossene Aufgabe ausmacht. Ein nützlicher Ablauf kann ausgewählte Informationen abrufen lassen, den tatsächlich zurückgegebenen Inhalt liefern und dann eine Synthese oder vorgeschlagene Implementierung verlangen. Der vom Modell gewünschte Aufruf und die Werkzeugausführung der Anwendung sind getrennte Schritte; die endgültige Antwort sollte auf den zurückgegebenen Belegen aufbauen.
Für längere Eingaben dokumentiert die Modellkarte eine YaRN-Erweiterung auf 131’072 Tokens. Das native Fenster ist kleiner, und statische Skalierung kann die Leistung bei kurzen Eingaben beeinflussen. Qwen empfiehlt die Erweiterung, wenn ein längerer Kontext tatsächlich benötigt wird; die Modellkarte erklärt ausserdem eine Standardzuweisung von 40’960 Positionen für Prompt und Ausgabe. Wählen Sie relevante Dokumente und bewahren Sie Überschriften, Quellgrenzen und Terminologie. Lassen Sie Platz für Schlussfolgern und die endgültige Antwort, besonders wenn die Aufgabe mehrere Spezifikationen abgleichen muss, statt eine Passage zusammenzufassen.
Die offiziellen Empfehlungen sind temperature 0,6, top-p 0,95, top-k 20 und min-p 0 für Thinking; für Non-Thinking ersetzen temperature 0,7 und top-p 0,8 die ersten beiden Einstellungen. Qwen rät von Greedy Decoding im Thinking-Modus ab und weist darauf hin, dass eine hohe Presence Penalty Sprachmischung oder geringere Qualität verursachen kann. Der Hersteller empfiehlt 32’768 Tokens Ausgabelänge für die meisten Anfragen und nennt 38’912 für besonders anspruchsvolle Mathematik- und Programmierprobleme. Diese Längen sind Generierungsanleitung, keine universelle harte Antwortgrenze. Ein präziser Auftrag und ein definiertes endgültiges Format helfen, das verfügbare Schlussfolgern des Modells auf die Arbeit zu konzentrieren, die der Leser benötigt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-32b | 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 $0.000286 / 1K Tokens Ausgabe · Ausgabetoken $0.001144 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000286 / 1K Tokens Ausgabe · Ausgabetoken $0.001144 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-32b", "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/qwen3-32b',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/qwen3-32b',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/qwen3-32b
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3-32bQwen3-32B ist Qwens dichtes hybrides Textmodell für komplexes Schlussfolgern, Programmierung, mehrsprachiges Schreiben und werkzeuggesteuerte Aufgaben. Es verbindet Thinking- und Non-Thinking-Modi in einem Modell und hat einen nativen Kontext von 32’768 Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3-32B ist das grösste dichte Modell der ursprünglichen Qwen3-Veröffentlichung. Es verbindet den Thinking-Modus der Familie für komplexe Logik, Mathematik und Programmierung mit Non-Thinking-Antworten für allgemeine Gespräche. Qwen hebt ausserdem kreatives Schreiben, rollenbasierte Gespräche, Anweisungsbefolgung über mehrere Gesprächsrunden und agentenartige Werkzeugnutzung hervor. Das Modell verarbeitet Text und generiert Text; mehrsprachige Anweisungen und Übersetzungen gehören zur Unterstützung von 119 Sprachen und Dialekten durch die ursprüngliche Familie. Es kann Aufträge für eine analytische Erklärung, einen Codevorschlag oder einen sorgfältig definierten Text erhalten.
Die genaue Edition hat insgesamt 32,8 Milliarden Parameter über 64 Schichten. Es ist ein dichtes Modell, getrennt von der Expertenroutingarchitektur von Qwen3-30B-A3B und späteren separat benannten Qwen3-Editionen. Sein nativer Kontext beträgt 32’768 Tokens. Bereiten Sie eine anspruchsvolle Aufgabe mit relevanten Belegen, Anforderungen und erwartetem Ergebnis gemeinsam vor. Geben Sie für eine technische Prüfung Komponentenbeschreibung, Schnittstellenbeschränkungen und zu lösendes Problem vor und verlangen Sie dann einen Vorschlag, der Annahmen, Abhängigkeiten und Alternativen benennt und gegebenenfalls nur das gelieferte Material verwendet.
Die Chatvorlage des Herstellers aktiviert Thinking standardmässig und bietet einen festen Schalter enable_thinking an. Festes Deaktivieren verhindert Thinking-Inhalt vollständig. Bei aktiviertem Thinking geben /think und /no_think in Nutzer- oder Systemanweisungen textuelle Steuerung pro Gesprächsrunde; die neueste Anweisung bestimmt das gewünschte Verhalten. Eine textuelle Non-Thinking-Anforderung kann einen leeren Thinking-Block belassen; eine /think-Markierung überschreibt eine fest deaktivierte Vorlage nicht. Damit kann das ursprüngliche Modell zwischen einer direkten Entwurfsanfrage und einer Frage wechseln, die von einer längeren Schlussfolgerungskette profitiert, wenn die vorgeschriebenen Steuerungen verwendet werden.
Das Generierungsbeispiel parst einen <think>-Abschnitt getrennt von der endgültigen Antwort. Qwen empfiehlt, das endgültige Format ausdrücklich festzulegen, etwa eine eingerahmte mathematische Antwort oder ein einzelnes Antwortfeld für eine Multiple-Choice-Aufgabe. Geben Sie bei praktischer Analyse die gewünschte Schlussfolgerung und unterstützendes Material vor: beispielsweise eine endgültige Entwurfsentscheidung, gefolgt von erfüllten Bedingungen und offenen Fragen. Behalten Sie nach Herstelleranleitung die endgültige Antwort statt früherer Thinking-Inhalte im späteren Gesprächsverlauf. Das bewahrt das von späteren Fragen benötigte Ergebnis, ohne jeden Schlussfolgerungsschritt weiterzuführen.
Werkzeugaufrufe gehören in beiden Modi zum dokumentierten Modellprofil. Qwen empfiehlt Qwen-Agent für Werkzeugaufrufvorlagen und Parser und zeigt Informationsabruf, Zeitinformationen und einen Codeinterpreter. Definieren Sie Werkzeuge klar, geben Sie die Bedeutung ihrer Argumente an und legen Sie fest, was eine abgeschlossene Aufgabe ausmacht. Ein nützlicher Ablauf kann ausgewählte Informationen abrufen lassen, den tatsächlich zurückgegebenen Inhalt liefern und dann eine Synthese oder vorgeschlagene Implementierung verlangen. Der vom Modell gewünschte Aufruf und die Werkzeugausführung der Anwendung sind getrennte Schritte; die endgültige Antwort sollte auf den zurückgegebenen Belegen aufbauen.
Für längere Eingaben dokumentiert die Modellkarte eine YaRN-Erweiterung auf 131’072 Tokens. Das native Fenster ist kleiner, und statische Skalierung kann die Leistung bei kurzen Eingaben beeinflussen. Qwen empfiehlt die Erweiterung, wenn ein längerer Kontext tatsächlich benötigt wird; die Modellkarte erklärt ausserdem eine Standardzuweisung von 40’960 Positionen für Prompt und Ausgabe. Wählen Sie relevante Dokumente und bewahren Sie Überschriften, Quellgrenzen und Terminologie. Lassen Sie Platz für Schlussfolgern und die endgültige Antwort, besonders wenn die Aufgabe mehrere Spezifikationen abgleichen muss, statt eine Passage zusammenzufassen.
Die offiziellen Empfehlungen sind temperature 0,6, top-p 0,95, top-k 20 und min-p 0 für Thinking; für Non-Thinking ersetzen temperature 0,7 und top-p 0,8 die ersten beiden Einstellungen. Qwen rät von Greedy Decoding im Thinking-Modus ab und weist darauf hin, dass eine hohe Presence Penalty Sprachmischung oder geringere Qualität verursachen kann. Der Hersteller empfiehlt 32’768 Tokens Ausgabelänge für die meisten Anfragen und nennt 38’912 für besonders anspruchsvolle Mathematik- und Programmierprobleme. Diese Längen sind Generierungsanleitung, keine universelle harte Antwortgrenze. Ein präziser Auftrag und ein definiertes endgültiges Format helfen, das verfügbare Schlussfolgern des Modells auf die Arbeit zu konzentrieren, die der Leser benötigt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-32b | 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 $0.000286 / 1K Tokens Ausgabe · Ausgabetoken $0.001144 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000286 / 1K Tokens Ausgabe · Ausgabetoken $0.001144 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-32b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-32b', '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/qwen3-32b', '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/qwen3-32b
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.