Qwen3-14B ist ein dichtes Sprachmodell der ursprünglichen Qwen3-Veröffentlichung, das Denken und Nichtdenken in einem Modell verbindet. Qwen positioniert die Familie für logisches Schlussfolgern, Mathematik, Code, kreatives Schreiben, Rollendialoge und Anweisungsbefolgung. Es nimmt Text entgegen und liefert Text, mit mehrsprachigen Anweisungs- und Übersetzungsfähigkeiten in 119 Sprachen und Dialekten der Familie. Ein nützlicher Gesprächsauftrag nennt Sprache, Kenntnisstand des Lesers und das genaue Ergebnis: Erklärung, Überarbeitung, durchgerechnete Aufgabe oder vorgeschlagene Codeänderung.
Das anweisungstrainierte Modell hat insgesamt 14,8 Milliarden Parameter in 40 Schichten. Es ist die dichte 14B-Edition, kein Mixture-of-Experts-Modell oder späteres Modell mit ähnlichem Familiennamen. Der native Kontext beträgt 32.768 Tokens. Geben Sie bei Dokumentaufgaben relevante Passagen mit Überschriften vor und verlangen Sie den benötigten Vergleich oder die Erklärung. Ein Auftrag kann zwei Prozessversionen und eine Tabelle geänderter Bedingungen mit einer überarbeiteten Vorgehensweise verlangen, die angegebene Ausnahmen erhält. Lassen Sie die überarbeitete Vorgehensweise die Quellüberschriften beibehalten und die geänderten Bedingungen kennzeichnen.
Denken ist in der Hersteller-Chatvorlage standardmäßig aktiv. Die harte Einstellung enable_thinking=False deaktiviert den Denkabschnitt vollständig. Bei aktivem Denken können /think oder /no_think im Prompt oder der Systemanweisung den Modus pro Runde ändern; die letzte Anweisung gilt. Eine aktivierte Vorlage kann bei einer weichen Nichtdenkanfrage weiterhin einen leeren <think>-Block liefern. Hartes Deaktivieren lässt sich nicht durch /think im Text umkehren. Wählen Sie den Modus passend zum Problem: Eine direkte Überarbeitung kann einen anderen Antwortstil als eine mehrstufige mathematische Erklärung nutzen.
Das offizielle Generierungsbeispiel trennt Denkinhalt und endgültige Antwort. Geben Sie für einen nützlichen Abschluss Voraussetzungen oder Quellen und die Struktur vor. Qwen empfiehlt ein eingerahmtes mathematisches Endergebnis und ein ausdrückliches Antwortfeld bei Multiple Choice. Ein Lehrauftrag kann entsprechend Ergebnis, wesentliche Erklärung und ein durchgerechnetes Beispiel verlangen. In Gesprächen über mehrere Runden empfiehlt der Hersteller, die finale Antwort in der Historie zu behalten und früheren Denkinhalt wegzulassen, damit Folgefragen auf dem gelieferten Ergebnis aufbauen.
Qwen beschreibt Agenten- und Werkzeugaufruffähigkeiten in beiden Modi. Die empfohlene Qwen-Agent-Integration liefert Vorlagen und Parser definierter Werkzeuge, im Beispiel einschließlich Recherche und Codeinterpreter. Eine Anwendung kann benannte Werkzeuge, akzeptierte Argumente und eine Abbruchbedingung bereitstellen. Liefern Sie für eine Codeuntersuchung Auszug und Fehlerdetails, lassen Sie erforderliche Prüfungen bestimmen und geben Sie das tatsächliche Werkzeugergebnis zur Interpretation zurück. Die finale Antwort kann Diagnose, Änderungsvorschlag und verbleibende Fragen anhand der Belege enthalten.
Der Hersteller validiert eine YaRN-Erweiterung auf 131.072 Tokens getrennt vom nativen Fenster. Er warnt vor Auswirkungen statischer Skalierung auf kurze Eingaben und empfiehlt sie bei längeren Kontexten. Die Karte erklärt auch die standardmäßige Zuweisung von 40.960 Positionen für typische Prompt- und Ausgabelängen. Ordnen Sie lange Eingaben in benannte Abschnitte und reservieren Sie Platz für Denken und Ergebnis, statt jede Position mit Hintergrund zu füllen. Die Erweiterung hängt von der vorgeschriebenen Konfiguration ab.
Qwen empfiehlt temperature 0,6 und top-p 0,95 für Denken, 0,7 und 0,8 für Nichtdenken, mit top-k 20 und min-p 0 in beiden Fällen. Greedy-Decoding im Denkmodus wird wegen möglicher Verschlechterung und Wiederholung nicht empfohlen. Das empfohlene Ausgabebudget ist 32.768 Tokens für die meisten Anfragen und 38.912 für besonders komplexe Mathematik- und Programmieraufgaben. Das steuert Generierung, definiert aber keine unabhängige feste Antwortgrenze. Klare Sprach- und Formatanweisungen helfen besonders bei konsistenten mehrsprachigen Gesprächen.
", "aboutText": "Qwen3-14B ist ein dichtes Sprachmodell der ursprünglichen Qwen3-Veröffentlichung, das Denken und Nichtdenken in einem Modell verbindet. Qwen positioniert die Familie für logisches Schlussfolgern, Mathematik, Code, kreatives Schreiben, Rollendialoge und Anweisungsbefolgung. Es nimmt Text entgegen und liefert Text, mit mehrsprachigen Anweisungs- und Übersetzungsfähigkeiten in 119 Sprachen und Dialekten der Familie. Ein nützlicher Gesprächsauftrag nennt Sprache, Kenntnisstand des Lesers und das genaue Ergebnis: Erklärung, Überarbeitung, durchgerechnete Aufgabe oder vorgeschlagene Codeänderung.\n\nDas anweisungstrainierte Modell hat insgesamt 14,8 Milliarden Parameter in 40 Schichten. Es ist die dichte 14B-Edition, kein Mixture-of-Experts-Modell oder späteres Modell mit ähnlichem Familiennamen. Der native Kontext beträgt 32.768 Tokens. Geben Sie bei Dokumentaufgaben relevante Passagen mit Überschriften vor und verlangen Sie den benötigten Vergleich oder die Erklärung. Ein Auftrag kann zwei Prozessversionen und eine Tabelle geänderter Bedingungen mit einer überarbeiteten Vorgehensweise verlangen, die angegebene Ausnahmen erhält. Lassen Sie die überarbeitete Vorgehensweise die Quellüberschriften beibehalten und die geänderten Bedingungen kennzeichnen.\n\nDenken ist in der Hersteller-Chatvorlage standardmäßig aktiv. Die harte Einstellung enable_thinking=False deaktiviert den Denkabschnitt vollständig. Bei aktivem Denken können /think oder /no_think im Prompt oder der Systemanweisung den Modus pro Runde ändern; die letzte Anweisung gilt. Eine aktivierte Vorlage kann bei einer weichen Nichtdenkanfrage weiterhin einen leerenTechnisches Beispiel auf Englisch
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.qwen/qwen3-14bQwen3-14B ist Qwens dichtes Textmodell für mehrsprachige Gespräche, Schreiben, Code und schrittweises Schlussfolgern. Sein ursprüngliches hybrides Design wechselt zwischen Denk- und Direktantwortmodus und besitzt 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.
Qwen3-14B ist ein dichtes Sprachmodell der ursprünglichen Qwen3-Veröffentlichung, das Denken und Nichtdenken in einem Modell verbindet. Qwen positioniert die Familie für logisches Schlussfolgern, Mathematik, Code, kreatives Schreiben, Rollendialoge und Anweisungsbefolgung. Es nimmt Text entgegen und liefert Text, mit mehrsprachigen Anweisungs- und Übersetzungsfähigkeiten in 119 Sprachen und Dialekten der Familie. Ein nützlicher Gesprächsauftrag nennt Sprache, Kenntnisstand des Lesers und das genaue Ergebnis: Erklärung, Überarbeitung, durchgerechnete Aufgabe oder vorgeschlagene Codeänderung.
Das anweisungstrainierte Modell hat insgesamt 14,8 Milliarden Parameter in 40 Schichten. Es ist die dichte 14B-Edition, kein Mixture-of-Experts-Modell oder späteres Modell mit ähnlichem Familiennamen. Der native Kontext beträgt 32.768 Tokens. Geben Sie bei Dokumentaufgaben relevante Passagen mit Überschriften vor und verlangen Sie den benötigten Vergleich oder die Erklärung. Ein Auftrag kann zwei Prozessversionen und eine Tabelle geänderter Bedingungen mit einer überarbeiteten Vorgehensweise verlangen, die angegebene Ausnahmen erhält. Lassen Sie die überarbeitete Vorgehensweise die Quellüberschriften beibehalten und die geänderten Bedingungen kennzeichnen.
Denken ist in der Hersteller-Chatvorlage standardmäßig aktiv. Die harte Einstellung enable_thinking=False deaktiviert den Denkabschnitt vollständig. Bei aktivem Denken können /think oder /no_think im Prompt oder der Systemanweisung den Modus pro Runde ändern; die letzte Anweisung gilt. Eine aktivierte Vorlage kann bei einer weichen Nichtdenkanfrage weiterhin einen leeren <think>-Block liefern. Hartes Deaktivieren lässt sich nicht durch /think im Text umkehren. Wählen Sie den Modus passend zum Problem: Eine direkte Überarbeitung kann einen anderen Antwortstil als eine mehrstufige mathematische Erklärung nutzen.
Das offizielle Generierungsbeispiel trennt Denkinhalt und endgültige Antwort. Geben Sie für einen nützlichen Abschluss Voraussetzungen oder Quellen und die Struktur vor. Qwen empfiehlt ein eingerahmtes mathematisches Endergebnis und ein ausdrückliches Antwortfeld bei Multiple Choice. Ein Lehrauftrag kann entsprechend Ergebnis, wesentliche Erklärung und ein durchgerechnetes Beispiel verlangen. In Gesprächen über mehrere Runden empfiehlt der Hersteller, die finale Antwort in der Historie zu behalten und früheren Denkinhalt wegzulassen, damit Folgefragen auf dem gelieferten Ergebnis aufbauen.
Qwen beschreibt Agenten- und Werkzeugaufruffähigkeiten in beiden Modi. Die empfohlene Qwen-Agent-Integration liefert Vorlagen und Parser definierter Werkzeuge, im Beispiel einschließlich Recherche und Codeinterpreter. Eine Anwendung kann benannte Werkzeuge, akzeptierte Argumente und eine Abbruchbedingung bereitstellen. Liefern Sie für eine Codeuntersuchung Auszug und Fehlerdetails, lassen Sie erforderliche Prüfungen bestimmen und geben Sie das tatsächliche Werkzeugergebnis zur Interpretation zurück. Die finale Antwort kann Diagnose, Änderungsvorschlag und verbleibende Fragen anhand der Belege enthalten.
Der Hersteller validiert eine YaRN-Erweiterung auf 131.072 Tokens getrennt vom nativen Fenster. Er warnt vor Auswirkungen statischer Skalierung auf kurze Eingaben und empfiehlt sie bei längeren Kontexten. Die Karte erklärt auch die standardmäßige Zuweisung von 40.960 Positionen für typische Prompt- und Ausgabelängen. Ordnen Sie lange Eingaben in benannte Abschnitte und reservieren Sie Platz für Denken und Ergebnis, statt jede Position mit Hintergrund zu füllen. Die Erweiterung hängt von der vorgeschriebenen Konfiguration ab.
Qwen empfiehlt temperature 0,6 und top-p 0,95 für Denken, 0,7 und 0,8 für Nichtdenken, mit top-k 20 und min-p 0 in beiden Fällen. Greedy-Decoding im Denkmodus wird wegen möglicher Verschlechterung und Wiederholung nicht empfohlen. Das empfohlene Ausgabebudget ist 32.768 Tokens für die meisten Anfragen und 38.912 für besonders komplexe Mathematik- und Programmieraufgaben. Das steuert Generierung, definiert aber keine unabhängige feste Antwortgrenze. Klare Sprach- und Formatanweisungen helfen besonders bei konsistenten mehrsprachigen Gesprächen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-14b | 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 Token Ausgabe · Ausgabetoken $0.00058 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.00058 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-14b", "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/qwen3-14b',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/qwen3-14b',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/qwen3-14b
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3-14bQwen3-14B ist Qwens dichtes Textmodell für mehrsprachige Gespräche, Schreiben, Code und schrittweises Schlussfolgern. Sein ursprüngliches hybrides Design wechselt zwischen Denk- und Direktantwortmodus und besitzt 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.
Qwen3-14B ist ein dichtes Sprachmodell der ursprünglichen Qwen3-Veröffentlichung, das Denken und Nichtdenken in einem Modell verbindet. Qwen positioniert die Familie für logisches Schlussfolgern, Mathematik, Code, kreatives Schreiben, Rollendialoge und Anweisungsbefolgung. Es nimmt Text entgegen und liefert Text, mit mehrsprachigen Anweisungs- und Übersetzungsfähigkeiten in 119 Sprachen und Dialekten der Familie. Ein nützlicher Gesprächsauftrag nennt Sprache, Kenntnisstand des Lesers und das genaue Ergebnis: Erklärung, Überarbeitung, durchgerechnete Aufgabe oder vorgeschlagene Codeänderung.
Das anweisungstrainierte Modell hat insgesamt 14,8 Milliarden Parameter in 40 Schichten. Es ist die dichte 14B-Edition, kein Mixture-of-Experts-Modell oder späteres Modell mit ähnlichem Familiennamen. Der native Kontext beträgt 32.768 Tokens. Geben Sie bei Dokumentaufgaben relevante Passagen mit Überschriften vor und verlangen Sie den benötigten Vergleich oder die Erklärung. Ein Auftrag kann zwei Prozessversionen und eine Tabelle geänderter Bedingungen mit einer überarbeiteten Vorgehensweise verlangen, die angegebene Ausnahmen erhält. Lassen Sie die überarbeitete Vorgehensweise die Quellüberschriften beibehalten und die geänderten Bedingungen kennzeichnen.
Denken ist in der Hersteller-Chatvorlage standardmäßig aktiv. Die harte Einstellung enable_thinking=False deaktiviert den Denkabschnitt vollständig. Bei aktivem Denken können /think oder /no_think im Prompt oder der Systemanweisung den Modus pro Runde ändern; die letzte Anweisung gilt. Eine aktivierte Vorlage kann bei einer weichen Nichtdenkanfrage weiterhin einen leeren <think>-Block liefern. Hartes Deaktivieren lässt sich nicht durch /think im Text umkehren. Wählen Sie den Modus passend zum Problem: Eine direkte Überarbeitung kann einen anderen Antwortstil als eine mehrstufige mathematische Erklärung nutzen.
Das offizielle Generierungsbeispiel trennt Denkinhalt und endgültige Antwort. Geben Sie für einen nützlichen Abschluss Voraussetzungen oder Quellen und die Struktur vor. Qwen empfiehlt ein eingerahmtes mathematisches Endergebnis und ein ausdrückliches Antwortfeld bei Multiple Choice. Ein Lehrauftrag kann entsprechend Ergebnis, wesentliche Erklärung und ein durchgerechnetes Beispiel verlangen. In Gesprächen über mehrere Runden empfiehlt der Hersteller, die finale Antwort in der Historie zu behalten und früheren Denkinhalt wegzulassen, damit Folgefragen auf dem gelieferten Ergebnis aufbauen.
Qwen beschreibt Agenten- und Werkzeugaufruffähigkeiten in beiden Modi. Die empfohlene Qwen-Agent-Integration liefert Vorlagen und Parser definierter Werkzeuge, im Beispiel einschließlich Recherche und Codeinterpreter. Eine Anwendung kann benannte Werkzeuge, akzeptierte Argumente und eine Abbruchbedingung bereitstellen. Liefern Sie für eine Codeuntersuchung Auszug und Fehlerdetails, lassen Sie erforderliche Prüfungen bestimmen und geben Sie das tatsächliche Werkzeugergebnis zur Interpretation zurück. Die finale Antwort kann Diagnose, Änderungsvorschlag und verbleibende Fragen anhand der Belege enthalten.
Der Hersteller validiert eine YaRN-Erweiterung auf 131.072 Tokens getrennt vom nativen Fenster. Er warnt vor Auswirkungen statischer Skalierung auf kurze Eingaben und empfiehlt sie bei längeren Kontexten. Die Karte erklärt auch die standardmäßige Zuweisung von 40.960 Positionen für typische Prompt- und Ausgabelängen. Ordnen Sie lange Eingaben in benannte Abschnitte und reservieren Sie Platz für Denken und Ergebnis, statt jede Position mit Hintergrund zu füllen. Die Erweiterung hängt von der vorgeschriebenen Konfiguration ab.
Qwen empfiehlt temperature 0,6 und top-p 0,95 für Denken, 0,7 und 0,8 für Nichtdenken, mit top-k 20 und min-p 0 in beiden Fällen. Greedy-Decoding im Denkmodus wird wegen möglicher Verschlechterung und Wiederholung nicht empfohlen. Das empfohlene Ausgabebudget ist 32.768 Tokens für die meisten Anfragen und 38.912 für besonders komplexe Mathematik- und Programmieraufgaben. Das steuert Generierung, definiert aber keine unabhängige feste Antwortgrenze. Klare Sprach- und Formatanweisungen helfen besonders bei konsistenten mehrsprachigen Gesprächen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-14b | 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 Token Ausgabe · Ausgabetoken $0.00058 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.00058 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-14b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-14b', '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/qwen3-14b', '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/qwen3-14b
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.