Schwerpunkte: repositoryweite Programmierung
Qwen3-Coder-30B-A3B-Instruct ist ein anweisungsorientiertes Textmodell für Programmieragenten. Qwen dokumentiert Programmierung, Browseragentennutzung und repositoryweites Verständnis mit einem eigenen Funktionsaufrufformat und Integration über Abläufe wie Qwen Code. Eingabe und Ausgabe sind Text. Bewahren Sie diesen genauen Coder-Checkpoint, statt das allgemeine Qwen3-30B-A3B-Instruct-2507 oder Qwen3-Coder-Next einzusetzen, deren Trainingsschwerpunkte und Generierungsanleitungen sich unterscheiden.
Der native Kontext beträgt 262’144 Tokens; der Hersteller beschreibt eine Erweiterung auf ungefähr eine Million mit YaRN. Ein grosser Kontext kann mehr Repository-Belege zusammenführen, aber eine klare Aufgabe benötigt weiterhin relevante Module, Schnittstellen und Anforderungen. Geben Sie das erwartete Ergebnis und beobachtbares Verhalten vor, bevor Sie eine Codeänderung verlangen.
Modellüberblick
Das Mixture-of-Experts-Modell hat insgesamt 30,5 Milliarden Parameter und aktiviert 3,3 Milliarden. Es hat 48 Schichten, 128 Experten und acht pro Token ausgewählte Experten. Gesamte und aktivierte Parameter haben unterschiedliche Bedeutungen; die aktivierte Zahl ist nicht die Grösse des vollständigen Checkpoints. Seine Konfiguration als kausales Sprachmodell ist ein Textmodell, keine Bild- oder Sprachschnittstelle.
Coder-30B-A3B-Instruct unterstützt nur Non-Thinking und erzeugt keine ausdrücklichen Thinking-Blöcke. Die Einstellung enable_thinking=False ist im Herstellerbeispiel unnötig. Es kann weiterhin einen Algorithmus erklären oder einen Patch in gewöhnlichem Text begründen. Die Anforderung von Schlussfolgerungsschritten ist nicht mit der Aktivierung des separaten Thinking-Verhaltens einer anderen Qwen-Edition zu verwechseln.
Vorbereitung einer Entwicklungsanfrage
Geben Sie relevanten Code, eine das aktuelle Verhalten zeigende Eingabe, das beobachtete Ergebnis und die gewünschte Änderung vor. Legen Sie für einen Algorithmus Eingabebeschränkungen und erforderliche Ausgabe fest, bevor Sie nach einem Ansatz fragen. Benennen Sie für eine Repository-Änderung die betroffene Funktionalität und die von der Implementierung zu bewahrenden Schnittstellen. Verlangen Sie einen bearbeitbaren Patch oder eine vollständige Funktion getrennt von erläuternden Kommentaren.
Eine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zur Beurteilung gliedern. Geben Sie bei einer Aufgabe mit visueller Referenz oder aufgezeichnetem Verhalten eine geeignete textuelle Darstellung vor und bewahren Sie Kennungen, die den Ergebnisvergleich mit dem Original ermöglichen. Vergleichen Sie den vorgeschlagenen Patch mit geliefertem Code, erwartetem Verhalten und von verbundenen Prüfungen zurückgegebenen Ergebnissen.
Agentenprogrammierung und Browserabläufe
Der Hersteller betont Werkzeugaufrufe und ein speziell entwickeltes Funktionsaufrufformat. Ein verbundener Agentenablauf liefert Werkzeugbeschreibungen, Eingabeschemata und Beobachtungen und führt die tatsächlichen Operationen aus. Definieren Sie zulässige Handlungen und eine Abschlussbedingung und geben Sie tatsächliche Inspektions- oder Ausführungsergebnisse an das Modell zurück, damit es seine vorgeschlagene Arbeit aktualisieren kann.
Browseragentenfähigkeit bedeutet Teilnahme an einem Ablauf mit verbundenem Browserwerkzeug, keinen automatischen Zugriff auf den Browser eines Nutzers oder aktuelle Seiten. Das Gleiche gilt für Repository-Inspektion und Codeausführung. Ein vorgeschlagener Befehl, eine Werkzeuganforderung und eine abgeschlossene Operation sollten im endgültigen Bericht getrennt bleiben. Bewahren Sie Werkzeugformat und Parsing-Ansatz des nativen Modells, statt die Vorlage eines anderen als austauschbar anzunehmen.
Langer Kontext und Konfiguration
Der Hersteller beschreibt eine YaRN-Erweiterung vom nativen Kontext von 262’144 Tokens auf ungefähr eine Million für repositoryweite Aufgaben. Nutzen Sie eine für das Repository-Material geeignete Kontextkonfiguration und reservieren Sie Platz für Werkzeugbeobachtungen und Ergebnis. Sein Schnellstart schlägt auch einen kleineren Kontext wie 32’768 vor, wenn Speicherdruck die grössere Einstellung verhindert.
Bewahren Sie Codepfade, Funktionsnamen und relevante Definitionen in einer langen Eingabe. Entfernen Sie sachfremde erzeugte Dateien oder wiederholtes Material und reservieren Sie Platz für die Antwort. Ausgangstext, Verlauf, Werkzeugbeobachtungen und erzeugter Code teilen das konfigurierte Sequenzbudget; die grösstmögliche Eingabe gilt nicht als perfekte Erinnerung an jede Abhängigkeit.
Generierungsanleitung
Best Practices empfehlen temperature 0,7, top_p 0,8, top_k 20 und eine Repetition Penalty von 1,05. Die genaue Wiederholungsstrafenempfehlung unterscheidet sich von mehreren anderen Qwen-Modellen und bleibt Teil des Ansatzes dieser Coder-Edition. Qwen empfiehlt 65’536 Tokens Generierungsbudget für die meisten Anfragen; dies ist eine Empfehlung, kein unabhängig festgelegtes hartes Maximum.
Legen Sie Ausgabesprache und Form fest, etwa Patch, vollständige Funktion oder Erklärung, und prüfen Sie Syntax und Schnittstellen des Artefakts im tatsächlichen Entwicklungsablauf. Das Funktionsbeispiel des Herstellers zeigt den Werkzeugmechanismus; ein Werkzeugvertrag benötigt weiterhin intern konsistente Argumentnamen und Rückgabesemantik in der nutzenden Anwendung.
Wesentliche Grenzen und nützliches Ergebnis
Die dokumentierte Eingabe dieses Checkpoints ist Text. Sie belegt nicht unmittelbar Bild-, Audio- oder Videoverständnis. Generierter Code und eine selbstsicher formulierte Erklärung sind Entwurfsartefakte, bis relevante Prüfungen oder Beobachtungen tatsächlich aus der verbundenen Umgebung zurückgegeben wurden. Das nützliche Ergebnis ist ein überprüfbarer Implementierungsvorschlag mit Bezug zu den vorgegebenen Repository-Bedingungen, unter Wahrung der genauen Coder-Kennung, des Non-Thinking-Modus und der Generierungsanleitung des Herstellers.
", "aboutText": "Schwerpunkte: repositoryweite Programmierung\n\nQwen3-Coder-30B-A3B-Instruct ist ein anweisungsorientiertes Textmodell für Programmieragenten. Qwen dokumentiert Programmierung, Browseragentennutzung und repositoryweites Verständnis mit einem eigenen Funktionsaufrufformat und Integration über Abläufe wie Qwen Code. Eingabe und Ausgabe sind Text. Bewahren Sie diesen genauen Coder-Checkpoint, statt das allgemeine Qwen3-30B-A3B-Instruct-2507 oder Qwen3-Coder-Next einzusetzen, deren Trainingsschwerpunkte und Generierungsanleitungen sich unterscheiden.\n\nDer native Kontext beträgt 262’144 Tokens; der Hersteller beschreibt eine Erweiterung auf ungefähr eine Million mit YaRN. Ein grosser Kontext kann mehr Repository-Belege zusammenführen, aber eine klare Aufgabe benötigt weiterhin relevante Module, Schnittstellen und Anforderungen. Geben Sie das erwartete Ergebnis und beobachtbares Verhalten vor, bevor Sie eine Codeänderung verlangen.\n\nModellüberblick\n\nDas Mixture-of-Experts-Modell hat insgesamt 30,5 Milliarden Parameter und aktiviert 3,3 Milliarden. Es hat 48 Schichten, 128 Experten und acht pro Token ausgewählte Experten. Gesamte und aktivierte Parameter haben unterschiedliche Bedeutungen; die aktivierte Zahl ist nicht die Grösse des vollständigen Checkpoints. Seine Konfiguration als kausales Sprachmodell ist ein Textmodell, keine Bild- oder Sprachschnittstelle.\n\nCoder-30B-A3B-Instruct unterstützt nur Non-Thinking und erzeugt keine ausdrücklichen Thinking-Blöcke. Die Einstellung enable_thinking=False ist im Herstellerbeispiel unnötig. Es kann weiterhin einen Algorithmus erklären oder einen Patch in gewöhnlichem Text begründen. Die Anforderung von Schlussfolgerungsschritten ist nicht mit der Aktivierung des separaten Thinking-Verhaltens einer anderen Qwen-Edition zu verwechseln.\n\nVorbereitung einer Entwicklungsanfrage\n\nGeben Sie relevanten Code, eine das aktuelle Verhalten zeigende Eingabe, das beobachtete Ergebnis und die gewünschte Änderung vor. Legen Sie für einen Algorithmus Eingabebeschränkungen und erforderliche Ausgabe fest, bevor Sie nach einem Ansatz fragen. Benennen Sie für eine Repository-Änderung die betroffene Funktionalität und die von der Implementierung zu bewahrenden Schnittstellen. Verlangen Sie einen bearbeitbaren Patch oder eine vollständige Funktion getrennt von erläuternden Kommentaren.\n\nEine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zur Beurteilung gliedern. Geben Sie bei einer Aufgabe mit visueller Referenz oder aufgezeichnetem Verhalten eine geeignete textuelle Darstellung vor und bewahren Sie Kennungen, die den Ergebnisvergleich mit dem Original ermöglichen. Vergleichen Sie den vorgeschlagenen Patch mit geliefertem Code, erwartetem Verhalten und von verbundenen Prüfungen zurückgegebenen Ergebnissen.\n\nAgentenprogrammierung und Browserabläufe\n\nDer Hersteller betont Werkzeugaufrufe und ein speziell entwickeltes Funktionsaufrufformat. Ein verbundener Agentenablauf liefert Werkzeugbeschreibungen, Eingabeschemata und Beobachtungen und führt die tatsächlichen Operationen aus. Definieren Sie zulässige Handlungen und eine Abschlussbedingung und geben Sie tatsächliche Inspektions- oder Ausführungsergebnisse an das Modell zurück, damit es seine vorgeschlagene Arbeit aktualisieren kann.\n\nBrowseragentenfähigkeit bedeutet Teilnahme an einem Ablauf mit verbundenem Browserwerkzeug, keinen automatischen Zugriff auf den Browser eines Nutzers oder aktuelle Seiten. Das Gleiche gilt für Repository-Inspektion und Codeausführung. Ein vorgeschlagener Befehl, eine Werkzeuganforderung und eine abgeschlossene Operation sollten im endgültigen Bericht getrennt bleiben. Bewahren Sie Werkzeugformat und Parsing-Ansatz des nativen Modells, statt die Vorlage eines anderen als austauschbar anzunehmen.\n\nLanger Kontext und Konfiguration\n\nDer Hersteller beschreibt eine YaRN-Erweiterung vom nativen Kontext von 262’144 Tokens auf ungefähr eine Million für repositoryweite Aufgaben. Nutzen Sie eine für das Repository-Material geeignete Kontextkonfiguration und reservieren Sie Platz für Werkzeugbeobachtungen und Ergebnis. Sein Schnellstart schlägt auch einen kleineren Kontext wie 32’768 vor, wenn Speicherdruck die grössere Einstellung verhindert.\n\nBewahren Sie Codepfade, Funktionsnamen und relevante Definitionen in einer langen Eingabe. Entfernen Sie sachfremde erzeugte Dateien oder wiederholtes Material und reservieren Sie Platz für die Antwort. Ausgangstext, Verlauf, Werkzeugbeobachtungen und erzeugter Code teilen das konfigurierte Sequenzbudget; die grösstmögliche Eingabe gilt nicht als perfekte Erinnerung an jede Abhängigkeit.\n\nGenerierungsanleitung\n\nBest Practices empfehlen temperature 0,7, top_p 0,8, top_k 20 und eine Repetition Penalty von 1,05. Die genaue Wiederholungsstrafenempfehlung unterscheidet sich von mehreren anderen Qwen-Modellen und bleibt Teil des Ansatzes dieser Coder-Edition. Qwen empfiehlt 65’536 Tokens Generierungsbudget für die meisten Anfragen; dies ist eine Empfehlung, kein unabhängig festgelegtes hartes Maximum.\n\nLegen Sie Ausgabesprache und Form fest, etwa Patch, vollständige Funktion oder Erklärung, und prüfen Sie Syntax und Schnittstellen des Artefakts im tatsächlichen Entwicklungsablauf. Das Funktionsbeispiel des Herstellers zeigt den Werkzeugmechanismus; ein Werkzeugvertrag benötigt weiterhin intern konsistente Argumentnamen und Rückgabesemantik in der nutzenden Anwendung.\n\nWesentliche Grenzen und nützliches Ergebnis\n\nDie dokumentierte Eingabe dieses Checkpoints ist Text. Sie belegt nicht unmittelbar Bild-, Audio- oder Videoverständnis. Generierter Code und eine selbstsicher formulierte Erklärung sind Entwurfsartefakte, bis relevante Prüfungen oder Beobachtungen tatsächlich aus der verbundenen Umgebung zurückgegeben wurden. Das nützliche Ergebnis ist ein überprüfbarer Implementierungsvorschlag mit Bezug zu den vorgegebenen Repository-Bedingungen, unter Wahrung der genauen Coder-Kennung, des Non-Thinking-Modus und der Generierungsanleitung des Herstellers.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct ist Qwens Non-Thinking-Textcodemodell mit insgesamt 30,5 Milliarden und 3,3 Milliarden aktivierten Parametern. Es zielt auf repositoryweite Entwicklung, Programmierung und Browseragentenabläufe mit nativem Kontext von 262’144 Tokens und eigenem Funktionsaufrufformat.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Schwerpunkte: repositoryweite Programmierung
Qwen3-Coder-30B-A3B-Instruct ist ein anweisungsorientiertes Textmodell für Programmieragenten. Qwen dokumentiert Programmierung, Browseragentennutzung und repositoryweites Verständnis mit einem eigenen Funktionsaufrufformat und Integration über Abläufe wie Qwen Code. Eingabe und Ausgabe sind Text. Bewahren Sie diesen genauen Coder-Checkpoint, statt das allgemeine Qwen3-30B-A3B-Instruct-2507 oder Qwen3-Coder-Next einzusetzen, deren Trainingsschwerpunkte und Generierungsanleitungen sich unterscheiden.
Der native Kontext beträgt 262’144 Tokens; der Hersteller beschreibt eine Erweiterung auf ungefähr eine Million mit YaRN. Ein grosser Kontext kann mehr Repository-Belege zusammenführen, aber eine klare Aufgabe benötigt weiterhin relevante Module, Schnittstellen und Anforderungen. Geben Sie das erwartete Ergebnis und beobachtbares Verhalten vor, bevor Sie eine Codeänderung verlangen.
Modellüberblick
Das Mixture-of-Experts-Modell hat insgesamt 30,5 Milliarden Parameter und aktiviert 3,3 Milliarden. Es hat 48 Schichten, 128 Experten und acht pro Token ausgewählte Experten. Gesamte und aktivierte Parameter haben unterschiedliche Bedeutungen; die aktivierte Zahl ist nicht die Grösse des vollständigen Checkpoints. Seine Konfiguration als kausales Sprachmodell ist ein Textmodell, keine Bild- oder Sprachschnittstelle.
Coder-30B-A3B-Instruct unterstützt nur Non-Thinking und erzeugt keine ausdrücklichen Thinking-Blöcke. Die Einstellung enable_thinking=False ist im Herstellerbeispiel unnötig. Es kann weiterhin einen Algorithmus erklären oder einen Patch in gewöhnlichem Text begründen. Die Anforderung von Schlussfolgerungsschritten ist nicht mit der Aktivierung des separaten Thinking-Verhaltens einer anderen Qwen-Edition zu verwechseln.
Vorbereitung einer Entwicklungsanfrage
Geben Sie relevanten Code, eine das aktuelle Verhalten zeigende Eingabe, das beobachtete Ergebnis und die gewünschte Änderung vor. Legen Sie für einen Algorithmus Eingabebeschränkungen und erforderliche Ausgabe fest, bevor Sie nach einem Ansatz fragen. Benennen Sie für eine Repository-Änderung die betroffene Funktionalität und die von der Implementierung zu bewahrenden Schnittstellen. Verlangen Sie einen bearbeitbaren Patch oder eine vollständige Funktion getrennt von erläuternden Kommentaren.
Eine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zur Beurteilung gliedern. Geben Sie bei einer Aufgabe mit visueller Referenz oder aufgezeichnetem Verhalten eine geeignete textuelle Darstellung vor und bewahren Sie Kennungen, die den Ergebnisvergleich mit dem Original ermöglichen. Vergleichen Sie den vorgeschlagenen Patch mit geliefertem Code, erwartetem Verhalten und von verbundenen Prüfungen zurückgegebenen Ergebnissen.
Agentenprogrammierung und Browserabläufe
Der Hersteller betont Werkzeugaufrufe und ein speziell entwickeltes Funktionsaufrufformat. Ein verbundener Agentenablauf liefert Werkzeugbeschreibungen, Eingabeschemata und Beobachtungen und führt die tatsächlichen Operationen aus. Definieren Sie zulässige Handlungen und eine Abschlussbedingung und geben Sie tatsächliche Inspektions- oder Ausführungsergebnisse an das Modell zurück, damit es seine vorgeschlagene Arbeit aktualisieren kann.
Browseragentenfähigkeit bedeutet Teilnahme an einem Ablauf mit verbundenem Browserwerkzeug, keinen automatischen Zugriff auf den Browser eines Nutzers oder aktuelle Seiten. Das Gleiche gilt für Repository-Inspektion und Codeausführung. Ein vorgeschlagener Befehl, eine Werkzeuganforderung und eine abgeschlossene Operation sollten im endgültigen Bericht getrennt bleiben. Bewahren Sie Werkzeugformat und Parsing-Ansatz des nativen Modells, statt die Vorlage eines anderen als austauschbar anzunehmen.
Langer Kontext und Konfiguration
Der Hersteller beschreibt eine YaRN-Erweiterung vom nativen Kontext von 262’144 Tokens auf ungefähr eine Million für repositoryweite Aufgaben. Nutzen Sie eine für das Repository-Material geeignete Kontextkonfiguration und reservieren Sie Platz für Werkzeugbeobachtungen und Ergebnis. Sein Schnellstart schlägt auch einen kleineren Kontext wie 32’768 vor, wenn Speicherdruck die grössere Einstellung verhindert.
Bewahren Sie Codepfade, Funktionsnamen und relevante Definitionen in einer langen Eingabe. Entfernen Sie sachfremde erzeugte Dateien oder wiederholtes Material und reservieren Sie Platz für die Antwort. Ausgangstext, Verlauf, Werkzeugbeobachtungen und erzeugter Code teilen das konfigurierte Sequenzbudget; die grösstmögliche Eingabe gilt nicht als perfekte Erinnerung an jede Abhängigkeit.
Generierungsanleitung
Best Practices empfehlen temperature 0,7, top_p 0,8, top_k 20 und eine Repetition Penalty von 1,05. Die genaue Wiederholungsstrafenempfehlung unterscheidet sich von mehreren anderen Qwen-Modellen und bleibt Teil des Ansatzes dieser Coder-Edition. Qwen empfiehlt 65’536 Tokens Generierungsbudget für die meisten Anfragen; dies ist eine Empfehlung, kein unabhängig festgelegtes hartes Maximum.
Legen Sie Ausgabesprache und Form fest, etwa Patch, vollständige Funktion oder Erklärung, und prüfen Sie Syntax und Schnittstellen des Artefakts im tatsächlichen Entwicklungsablauf. Das Funktionsbeispiel des Herstellers zeigt den Werkzeugmechanismus; ein Werkzeugvertrag benötigt weiterhin intern konsistente Argumentnamen und Rückgabesemantik in der nutzenden Anwendung.
Wesentliche Grenzen und nützliches Ergebnis
Die dokumentierte Eingabe dieses Checkpoints ist Text. Sie belegt nicht unmittelbar Bild-, Audio- oder Videoverständnis. Generierter Code und eine selbstsicher formulierte Erklärung sind Entwurfsartefakte, bis relevante Prüfungen oder Beobachtungen tatsächlich aus der verbundenen Umgebung zurückgegeben wurden. Das nützliche Ergebnis ist ein überprüfbarer Implementierungsvorschlag mit Bezug zu den vorgegebenen Repository-Bedingungen, unter Wahrung der genauen Coder-Kennung, des Non-Thinking-Modus und der Generierungsanleitung des Herstellers.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-coder-30b-a3b-instruct | 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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0008 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0008 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-coder-30b-a3b-instruct", "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-30b-a3b-instruct',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-30b-a3b-instruct',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-30b-a3b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct ist Qwens Non-Thinking-Textcodemodell mit insgesamt 30,5 Milliarden und 3,3 Milliarden aktivierten Parametern. Es zielt auf repositoryweite Entwicklung, Programmierung und Browseragentenabläufe mit nativem Kontext von 262’144 Tokens und eigenem Funktionsaufrufformat.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Schwerpunkte: repositoryweite Programmierung
Qwen3-Coder-30B-A3B-Instruct ist ein anweisungsorientiertes Textmodell für Programmieragenten. Qwen dokumentiert Programmierung, Browseragentennutzung und repositoryweites Verständnis mit einem eigenen Funktionsaufrufformat und Integration über Abläufe wie Qwen Code. Eingabe und Ausgabe sind Text. Bewahren Sie diesen genauen Coder-Checkpoint, statt das allgemeine Qwen3-30B-A3B-Instruct-2507 oder Qwen3-Coder-Next einzusetzen, deren Trainingsschwerpunkte und Generierungsanleitungen sich unterscheiden.
Der native Kontext beträgt 262’144 Tokens; der Hersteller beschreibt eine Erweiterung auf ungefähr eine Million mit YaRN. Ein grosser Kontext kann mehr Repository-Belege zusammenführen, aber eine klare Aufgabe benötigt weiterhin relevante Module, Schnittstellen und Anforderungen. Geben Sie das erwartete Ergebnis und beobachtbares Verhalten vor, bevor Sie eine Codeänderung verlangen.
Modellüberblick
Das Mixture-of-Experts-Modell hat insgesamt 30,5 Milliarden Parameter und aktiviert 3,3 Milliarden. Es hat 48 Schichten, 128 Experten und acht pro Token ausgewählte Experten. Gesamte und aktivierte Parameter haben unterschiedliche Bedeutungen; die aktivierte Zahl ist nicht die Grösse des vollständigen Checkpoints. Seine Konfiguration als kausales Sprachmodell ist ein Textmodell, keine Bild- oder Sprachschnittstelle.
Coder-30B-A3B-Instruct unterstützt nur Non-Thinking und erzeugt keine ausdrücklichen Thinking-Blöcke. Die Einstellung enable_thinking=False ist im Herstellerbeispiel unnötig. Es kann weiterhin einen Algorithmus erklären oder einen Patch in gewöhnlichem Text begründen. Die Anforderung von Schlussfolgerungsschritten ist nicht mit der Aktivierung des separaten Thinking-Verhaltens einer anderen Qwen-Edition zu verwechseln.
Vorbereitung einer Entwicklungsanfrage
Geben Sie relevanten Code, eine das aktuelle Verhalten zeigende Eingabe, das beobachtete Ergebnis und die gewünschte Änderung vor. Legen Sie für einen Algorithmus Eingabebeschränkungen und erforderliche Ausgabe fest, bevor Sie nach einem Ansatz fragen. Benennen Sie für eine Repository-Änderung die betroffene Funktionalität und die von der Implementierung zu bewahrenden Schnittstellen. Verlangen Sie einen bearbeitbaren Patch oder eine vollständige Funktion getrennt von erläuternden Kommentaren.
Eine nützliche Antwort kann Diagnose, vorgeschlagene Änderung und erforderliche Prüfungen zur Beurteilung gliedern. Geben Sie bei einer Aufgabe mit visueller Referenz oder aufgezeichnetem Verhalten eine geeignete textuelle Darstellung vor und bewahren Sie Kennungen, die den Ergebnisvergleich mit dem Original ermöglichen. Vergleichen Sie den vorgeschlagenen Patch mit geliefertem Code, erwartetem Verhalten und von verbundenen Prüfungen zurückgegebenen Ergebnissen.
Agentenprogrammierung und Browserabläufe
Der Hersteller betont Werkzeugaufrufe und ein speziell entwickeltes Funktionsaufrufformat. Ein verbundener Agentenablauf liefert Werkzeugbeschreibungen, Eingabeschemata und Beobachtungen und führt die tatsächlichen Operationen aus. Definieren Sie zulässige Handlungen und eine Abschlussbedingung und geben Sie tatsächliche Inspektions- oder Ausführungsergebnisse an das Modell zurück, damit es seine vorgeschlagene Arbeit aktualisieren kann.
Browseragentenfähigkeit bedeutet Teilnahme an einem Ablauf mit verbundenem Browserwerkzeug, keinen automatischen Zugriff auf den Browser eines Nutzers oder aktuelle Seiten. Das Gleiche gilt für Repository-Inspektion und Codeausführung. Ein vorgeschlagener Befehl, eine Werkzeuganforderung und eine abgeschlossene Operation sollten im endgültigen Bericht getrennt bleiben. Bewahren Sie Werkzeugformat und Parsing-Ansatz des nativen Modells, statt die Vorlage eines anderen als austauschbar anzunehmen.
Langer Kontext und Konfiguration
Der Hersteller beschreibt eine YaRN-Erweiterung vom nativen Kontext von 262’144 Tokens auf ungefähr eine Million für repositoryweite Aufgaben. Nutzen Sie eine für das Repository-Material geeignete Kontextkonfiguration und reservieren Sie Platz für Werkzeugbeobachtungen und Ergebnis. Sein Schnellstart schlägt auch einen kleineren Kontext wie 32’768 vor, wenn Speicherdruck die grössere Einstellung verhindert.
Bewahren Sie Codepfade, Funktionsnamen und relevante Definitionen in einer langen Eingabe. Entfernen Sie sachfremde erzeugte Dateien oder wiederholtes Material und reservieren Sie Platz für die Antwort. Ausgangstext, Verlauf, Werkzeugbeobachtungen und erzeugter Code teilen das konfigurierte Sequenzbudget; die grösstmögliche Eingabe gilt nicht als perfekte Erinnerung an jede Abhängigkeit.
Generierungsanleitung
Best Practices empfehlen temperature 0,7, top_p 0,8, top_k 20 und eine Repetition Penalty von 1,05. Die genaue Wiederholungsstrafenempfehlung unterscheidet sich von mehreren anderen Qwen-Modellen und bleibt Teil des Ansatzes dieser Coder-Edition. Qwen empfiehlt 65’536 Tokens Generierungsbudget für die meisten Anfragen; dies ist eine Empfehlung, kein unabhängig festgelegtes hartes Maximum.
Legen Sie Ausgabesprache und Form fest, etwa Patch, vollständige Funktion oder Erklärung, und prüfen Sie Syntax und Schnittstellen des Artefakts im tatsächlichen Entwicklungsablauf. Das Funktionsbeispiel des Herstellers zeigt den Werkzeugmechanismus; ein Werkzeugvertrag benötigt weiterhin intern konsistente Argumentnamen und Rückgabesemantik in der nutzenden Anwendung.
Wesentliche Grenzen und nützliches Ergebnis
Die dokumentierte Eingabe dieses Checkpoints ist Text. Sie belegt nicht unmittelbar Bild-, Audio- oder Videoverständnis. Generierter Code und eine selbstsicher formulierte Erklärung sind Entwurfsartefakte, bis relevante Prüfungen oder Beobachtungen tatsächlich aus der verbundenen Umgebung zurückgegeben wurden. Das nützliche Ergebnis ist ein überprüfbarer Implementierungsvorschlag mit Bezug zu den vorgegebenen Repository-Bedingungen, unter Wahrung der genauen Coder-Kennung, des Non-Thinking-Modus und der Generierungsanleitung des Herstellers.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-coder-30b-a3b-instruct | 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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0008 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0008 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-30b-a3b-instruct', '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-30b-a3b-instruct', '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-30b-a3b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.