Qwen3-32B ist das größte dichte Modell der ursprünglichen Qwen3-Veröffentlichung. Es verbindet den Thinking-Modus der Familie für komplexe Logik, Mathematik und Code mit direkten Non-Thinking-Antworten für allgemeine Gespräche. Qwen betont auch kreatives Schreiben, rollenbasierte Dialoge, Anweisungsbefolgung über mehrere Gesprächsrunden und agentenartige Werkzeugnutzung. Es verarbeitet und erzeugt Text; mehrsprachige Anweisungen und Übersetzung gehören zur Unterstützung von 119 Sprachen und Dialekten. Mögliche Aufträge sind analytische Erklärung, Codevorschlag oder sorgfältig definierter Text.
Diese Edition hat 32,8 Milliarden Gesamtparameter in 64 Schichten. Sie ist dicht, getrennt von Qwen3-30B-A3Bs Expertenrouting und später benannten Editionen. Der native Kontext beträgt 32.768 Tokens. Liefern Sie für anspruchsvolle Aufgaben Belege, Anforderungen und Ergebnis zusammen. Eine technische Prüfung kann Komponentenbeschreibung, Schnittstellenbedingungen und Problem angeben und einen Vorschlag mit Annahmen, Abhängigkeiten und Alternativen nur anhand des gelieferten Materials verlangen, wo angebracht.
Die Chatvorlage aktiviert den Thinking-Modus standardmäßig und bietet den harten enable_thinking-Schalter. Hartes Ausschalten verhindert Denkinhalt vollständig. Bei aktiviertem Thinking steuern /think und /no_think in Nutzer- oder Systemanweisungen den gewünschten Modus pro Gesprächsrunde; die jüngste Anweisung gilt. Eine textuelle Non-Thinking-Anforderung kann einen leeren Thinking-Block hinterlassen; ein /think-Marker kann eine harte Deaktivierung nicht aufheben. Mit den dokumentierten Kontrollen kann das ursprüngliche Modell direkte Entwürfe und Fragen mit längerer Denkkette abwechseln.
Das Generierungsbeispiel parst <think> separat von der finalen Antwort. Qwen empfiehlt ein explizites Format, etwa eingerahmte Mathematik oder einzelnes Antwortfeld bei Multiple Choice. Definieren Sie bei Analyse Schluss und Belege, etwa endgültige Designwahl mit erfüllten Bedingungen und offenen Fragen. Bewahren Sie nach Herstelleranleitung die finale Antwort statt früheren Denkens in späterer Historie. Das erhält benötigte Ergebnisse ohne jede Denkstufe weiterzutragen.
Werkzeugaufrufe sind in beiden Modi dokumentiert. Qwen empfiehlt Qwen-Agent für Vorlagen und Parser und zeigt Recherche, Zeitinformation und Codeinterpreter. Definieren Sie Werkzeuge, Bedeutung ihrer Argumente und Abschluss. Ein Ablauf kann ausgewählte Informationen abrufen, deren wirklichen Inhalt zurückgeben und Synthese oder Implementierungsvorschlag anfordern. Der vom Modell angeforderte Aufruf und die Werkzeugausführung durch die Anwendung sind getrennte Schritte; die finale Antwort sollte auf zurückgegebenen Belegen aufbauen.
Für längere Eingaben nennt die Karte YaRN bis 131.072 Tokens. Das native Fenster ist kleiner, statische Skalierung kann kurze Eingaben beeinflussen. Qwen empfiehlt Erweiterung bei tatsächlichem Bedarf und erklärt zusätzlich 40.960 Standardpositionen für Prompt und Ausgabe. Wählen Sie relevante Dokumente und bewahren Sie Überschriften, Grenzen und Terminologie. Lassen Sie Platz für Denken und finale Antwort, besonders beim Abgleich mehrerer Spezifikationen statt Zusammenfassung einer Passage.
Offiziell werden temperature 0,6, top-p 0,95, top-k 20 und min-p 0 für Denken empfohlen; direkt ändern sich die ersten beiden auf 0,7 und 0,8. Qwen rät von Greedy-Decoding im Thinking-Modus ab und weist auf Sprachmischung oder Qualitätsverlust bei hohem presence penalty hin. Empfohlen sind 32.768 Ausgabetokens für die meisten Anfragen und 38.912 für besonders anspruchsvolle Mathematik und Programmierung. Das ist Generierungshinweis, keine universelle harte Antwortgrenze. Präziser Auftrag und definiertes Format richten das Denken auf die benötigte Arbeit.
", "aboutText": "Qwen3-32B ist das größte dichte Modell der ursprünglichen Qwen3-Veröffentlichung. Es verbindet den Thinking-Modus der Familie für komplexe Logik, Mathematik und Code mit direkten Non-Thinking-Antworten für allgemeine Gespräche. Qwen betont auch kreatives Schreiben, rollenbasierte Dialoge, Anweisungsbefolgung über mehrere Gesprächsrunden und agentenartige Werkzeugnutzung. Es verarbeitet und erzeugt Text; mehrsprachige Anweisungen und Übersetzung gehören zur Unterstützung von 119 Sprachen und Dialekten. Mögliche Aufträge sind analytische Erklärung, Codevorschlag oder sorgfältig definierter Text.\n\nDiese Edition hat 32,8 Milliarden Gesamtparameter in 64 Schichten. Sie ist dicht, getrennt von Qwen3-30B-A3Bs Expertenrouting und später benannten Editionen. Der native Kontext beträgt 32.768 Tokens. Liefern Sie für anspruchsvolle Aufgaben Belege, Anforderungen und Ergebnis zusammen. Eine technische Prüfung kann Komponentenbeschreibung, Schnittstellenbedingungen und Problem angeben und einen Vorschlag mit Annahmen, Abhängigkeiten und Alternativen nur anhand des gelieferten Materials verlangen, wo angebracht.\n\nDie Chatvorlage aktiviert den Thinking-Modus standardmäßig und bietet den harten enable_thinking-Schalter. Hartes Ausschalten verhindert Denkinhalt vollständig. Bei aktiviertem Thinking steuern /think und /no_think in Nutzer- oder Systemanweisungen den gewünschten Modus pro Gesprächsrunde; die jüngste Anweisung gilt. Eine textuelle Non-Thinking-Anforderung kann einen leeren Thinking-Block hinterlassen; ein /think-Marker kann eine harte Deaktivierung nicht aufheben. Mit den dokumentierten Kontrollen kann das ursprüngliche Modell direkte Entwürfe und Fragen mit längerer Denkkette abwechseln.\n\nDas Generierungsbeispiel parstTechnisches 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 Denken, Code, mehrsprachiges Schreiben und werkzeuggesteuerte Aufgaben. Es verbindet Thinking- und Non-Thinking-Modi in einem Modell mit 32.768 nativen Kontexttokens.
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 Code mit direkten Non-Thinking-Antworten für allgemeine Gespräche. Qwen betont auch kreatives Schreiben, rollenbasierte Dialoge, Anweisungsbefolgung über mehrere Gesprächsrunden und agentenartige Werkzeugnutzung. Es verarbeitet und erzeugt Text; mehrsprachige Anweisungen und Übersetzung gehören zur Unterstützung von 119 Sprachen und Dialekten. Mögliche Aufträge sind analytische Erklärung, Codevorschlag oder sorgfältig definierter Text.
Diese Edition hat 32,8 Milliarden Gesamtparameter in 64 Schichten. Sie ist dicht, getrennt von Qwen3-30B-A3Bs Expertenrouting und später benannten Editionen. Der native Kontext beträgt 32.768 Tokens. Liefern Sie für anspruchsvolle Aufgaben Belege, Anforderungen und Ergebnis zusammen. Eine technische Prüfung kann Komponentenbeschreibung, Schnittstellenbedingungen und Problem angeben und einen Vorschlag mit Annahmen, Abhängigkeiten und Alternativen nur anhand des gelieferten Materials verlangen, wo angebracht.
Die Chatvorlage aktiviert den Thinking-Modus standardmäßig und bietet den harten enable_thinking-Schalter. Hartes Ausschalten verhindert Denkinhalt vollständig. Bei aktiviertem Thinking steuern /think und /no_think in Nutzer- oder Systemanweisungen den gewünschten Modus pro Gesprächsrunde; die jüngste Anweisung gilt. Eine textuelle Non-Thinking-Anforderung kann einen leeren Thinking-Block hinterlassen; ein /think-Marker kann eine harte Deaktivierung nicht aufheben. Mit den dokumentierten Kontrollen kann das ursprüngliche Modell direkte Entwürfe und Fragen mit längerer Denkkette abwechseln.
Das Generierungsbeispiel parst <think> separat von der finalen Antwort. Qwen empfiehlt ein explizites Format, etwa eingerahmte Mathematik oder einzelnes Antwortfeld bei Multiple Choice. Definieren Sie bei Analyse Schluss und Belege, etwa endgültige Designwahl mit erfüllten Bedingungen und offenen Fragen. Bewahren Sie nach Herstelleranleitung die finale Antwort statt früheren Denkens in späterer Historie. Das erhält benötigte Ergebnisse ohne jede Denkstufe weiterzutragen.
Werkzeugaufrufe sind in beiden Modi dokumentiert. Qwen empfiehlt Qwen-Agent für Vorlagen und Parser und zeigt Recherche, Zeitinformation und Codeinterpreter. Definieren Sie Werkzeuge, Bedeutung ihrer Argumente und Abschluss. Ein Ablauf kann ausgewählte Informationen abrufen, deren wirklichen Inhalt zurückgeben und Synthese oder Implementierungsvorschlag anfordern. Der vom Modell angeforderte Aufruf und die Werkzeugausführung durch die Anwendung sind getrennte Schritte; die finale Antwort sollte auf zurückgegebenen Belegen aufbauen.
Für längere Eingaben nennt die Karte YaRN bis 131.072 Tokens. Das native Fenster ist kleiner, statische Skalierung kann kurze Eingaben beeinflussen. Qwen empfiehlt Erweiterung bei tatsächlichem Bedarf und erklärt zusätzlich 40.960 Standardpositionen für Prompt und Ausgabe. Wählen Sie relevante Dokumente und bewahren Sie Überschriften, Grenzen und Terminologie. Lassen Sie Platz für Denken und finale Antwort, besonders beim Abgleich mehrerer Spezifikationen statt Zusammenfassung einer Passage.
Offiziell werden temperature 0,6, top-p 0,95, top-k 20 und min-p 0 für Denken empfohlen; direkt ändern sich die ersten beiden auf 0,7 und 0,8. Qwen rät von Greedy-Decoding im Thinking-Modus ab und weist auf Sprachmischung oder Qualitätsverlust bei hohem presence penalty hin. Empfohlen sind 32.768 Ausgabetokens für die meisten Anfragen und 38.912 für besonders anspruchsvolle Mathematik und Programmierung. Das ist Generierungshinweis, keine universelle harte Antwortgrenze. Präziser Auftrag und definiertes Format richten das Denken auf die benötigte Arbeit.
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 Token Ausgabe · Ausgabetoken $0.001144 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000286 / 1K Token Ausgabe · Ausgabetoken $0.001144 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-32b", "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 Denken, Code, mehrsprachiges Schreiben und werkzeuggesteuerte Aufgaben. Es verbindet Thinking- und Non-Thinking-Modi in einem Modell mit 32.768 nativen Kontexttokens.
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 Code mit direkten Non-Thinking-Antworten für allgemeine Gespräche. Qwen betont auch kreatives Schreiben, rollenbasierte Dialoge, Anweisungsbefolgung über mehrere Gesprächsrunden und agentenartige Werkzeugnutzung. Es verarbeitet und erzeugt Text; mehrsprachige Anweisungen und Übersetzung gehören zur Unterstützung von 119 Sprachen und Dialekten. Mögliche Aufträge sind analytische Erklärung, Codevorschlag oder sorgfältig definierter Text.
Diese Edition hat 32,8 Milliarden Gesamtparameter in 64 Schichten. Sie ist dicht, getrennt von Qwen3-30B-A3Bs Expertenrouting und später benannten Editionen. Der native Kontext beträgt 32.768 Tokens. Liefern Sie für anspruchsvolle Aufgaben Belege, Anforderungen und Ergebnis zusammen. Eine technische Prüfung kann Komponentenbeschreibung, Schnittstellenbedingungen und Problem angeben und einen Vorschlag mit Annahmen, Abhängigkeiten und Alternativen nur anhand des gelieferten Materials verlangen, wo angebracht.
Die Chatvorlage aktiviert den Thinking-Modus standardmäßig und bietet den harten enable_thinking-Schalter. Hartes Ausschalten verhindert Denkinhalt vollständig. Bei aktiviertem Thinking steuern /think und /no_think in Nutzer- oder Systemanweisungen den gewünschten Modus pro Gesprächsrunde; die jüngste Anweisung gilt. Eine textuelle Non-Thinking-Anforderung kann einen leeren Thinking-Block hinterlassen; ein /think-Marker kann eine harte Deaktivierung nicht aufheben. Mit den dokumentierten Kontrollen kann das ursprüngliche Modell direkte Entwürfe und Fragen mit längerer Denkkette abwechseln.
Das Generierungsbeispiel parst <think> separat von der finalen Antwort. Qwen empfiehlt ein explizites Format, etwa eingerahmte Mathematik oder einzelnes Antwortfeld bei Multiple Choice. Definieren Sie bei Analyse Schluss und Belege, etwa endgültige Designwahl mit erfüllten Bedingungen und offenen Fragen. Bewahren Sie nach Herstelleranleitung die finale Antwort statt früheren Denkens in späterer Historie. Das erhält benötigte Ergebnisse ohne jede Denkstufe weiterzutragen.
Werkzeugaufrufe sind in beiden Modi dokumentiert. Qwen empfiehlt Qwen-Agent für Vorlagen und Parser und zeigt Recherche, Zeitinformation und Codeinterpreter. Definieren Sie Werkzeuge, Bedeutung ihrer Argumente und Abschluss. Ein Ablauf kann ausgewählte Informationen abrufen, deren wirklichen Inhalt zurückgeben und Synthese oder Implementierungsvorschlag anfordern. Der vom Modell angeforderte Aufruf und die Werkzeugausführung durch die Anwendung sind getrennte Schritte; die finale Antwort sollte auf zurückgegebenen Belegen aufbauen.
Für längere Eingaben nennt die Karte YaRN bis 131.072 Tokens. Das native Fenster ist kleiner, statische Skalierung kann kurze Eingaben beeinflussen. Qwen empfiehlt Erweiterung bei tatsächlichem Bedarf und erklärt zusätzlich 40.960 Standardpositionen für Prompt und Ausgabe. Wählen Sie relevante Dokumente und bewahren Sie Überschriften, Grenzen und Terminologie. Lassen Sie Platz für Denken und finale Antwort, besonders beim Abgleich mehrerer Spezifikationen statt Zusammenfassung einer Passage.
Offiziell werden temperature 0,6, top-p 0,95, top-k 20 und min-p 0 für Denken empfohlen; direkt ändern sich die ersten beiden auf 0,7 und 0,8. Qwen rät von Greedy-Decoding im Thinking-Modus ab und weist auf Sprachmischung oder Qualitätsverlust bei hohem presence penalty hin. Empfohlen sind 32.768 Ausgabetokens für die meisten Anfragen und 38.912 für besonders anspruchsvolle Mathematik und Programmierung. Das ist Generierungshinweis, keine universelle harte Antwortgrenze. Präziser Auftrag und definiertes Format richten das Denken auf die benötigte Arbeit.
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 Token Ausgabe · Ausgabetoken $0.001144 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000286 / 1K Token Ausgabe · Ausgabetoken $0.001144 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-32b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.