Βασικά σημεία: η ενημέρωση της σταθερής έκδοσης Instruct-2507
Το Qwen3-30B-A3B-Instruct-2507 είναι η ενημερωμένη έκδοση του Qwen3-30B-A3B χωρίς λειτουργία συλλογισμού. Ο δημιουργός επισημαίνει βελτιώσεις στην τήρηση οδηγιών, στον λογικό συλλογισμό, στην κατανόηση κειμένου, στα μαθηματικά, στις επιστήμες, στον προγραμματισμό και στη χρήση εργαλείων, με ευρύτερη γνώση λιγότερο συνηθισμένων θεμάτων σε πολλές γλώσσες και καλύτερη ευθυγράμμιση για ανοικτές εργασίες. Δέχεται κείμενο και παράγει κείμενο: μια απάντηση, εξήγηση, πρόταση κώδικα ή ζητούμενο γραπτό παραδοτέο.
Διατηρήστε τη σταθερή ταυτότητα 2507 χωριστά από το αρχικό υβριδικό Qwen3-30B-A3B, την κατασκευή του FP8 και την έκδοση Thinking-2507. Η περιγραφή της πολυγλωσσικής γνώσης του μοντέλου δεν δίνει χωριστή εγγύηση αριθμού γλωσσών για αυτό το στιγμιότυπο. Προσδιορίστε τη γλώσσα στόχο, το κοινό και τους όρους που πρέπει να παραμείνουν αμετάβλητοι όταν η εργασία αφορά μετάφραση ή αναδιατύπωση.
Επισκόπηση μοντέλου
Το μοντέλο μείγματος ειδικών έχει συνολικά 30,5 δισεκατομμύρια παραμέτρους και ενεργοποιεί 3,3 δισεκατομμύρια. Έχει 48 επίπεδα, 128 ειδικούς και οκτώ ειδικούς που επιλέγονται ανά token. Το εγγενές πλαίσιό του είναι 262.144 token. Οι ενεργοποιημένες παράμετροι δεν είναι το μέγεθος του πλήρους σημείου ελέγχου και η αρχιτεκτονική από μόνη της δεν καθορίζει σταθερό χρόνο απάντησης σε μια εφαρμογή.
Αυτή η έκδοση υποστηρίζει μόνο λειτουργία χωρίς συλλογισμό και δεν παράγει ρητά μπλοκ συλλογισμού. Η ρύθμιση enable_thinking=False είναι περιττή στη συνταγή του δημιουργού. Μπορεί ακόμη να δείχνει υπολογισμούς ή να εξηγεί κώδικα σε συνηθισμένο κείμενο· ένα αίτημα για υποστηρικτικά βήματα δεν τη μετατρέπει στο χωριστό σημείο ελέγχου Thinking.
Προετοιμασία χρήσιμου αιτήματος κειμένου
Για εργασία προγραμματισμού, δώστε τη σχετική συνάρτηση ή μονάδα, τους περιορισμούς εισόδου, την παρατηρούμενη συμπεριφορά και το απαιτούμενο αποτέλεσμα. Ζητήστε προτεινόμενη διόρθωση ή πλήρη συνάρτηση με εξήγηση των παραδοχών που επηρεάζονται. Για μαθηματική ή επιστημονική ερώτηση, δώστε την πλήρη εκφώνηση, τις μονάδες και τους ορισμούς και έπειτα ζητήστε σαφώς οριοθετημένη τελική απάντηση που υποστηρίζεται από τις παρεχόμενες προϋποθέσεις.
Για ανοικτή εργασία συγγραφής, προσδιορίστε το κοινό, τον σκοπό, τον τόνο και τις πληροφορίες που πρέπει να εμφανίζονται. Μια χρήσιμη απάντηση μπορεί να είναι επεξεργάσιμο προσχέδιο οργανωμένο στις ζητούμενες ενότητες, με χωριστό προσδιορισμό των αστήρικτων παραδοχών. Συγκρίνετε το επιστρεφόμενο προσχέδιο, τους υπολογισμούς ή τον προτεινόμενο κώδικα με τα παρεχόμενα γεγονότα, ορισμούς και απαιτήσεις.
Χρήση με πράκτορες
Η Qwen τεκμηριώνει κλήση εργαλείων και συνιστά Qwen-Agent για πρότυπα και ανάλυση, με διαμορφωμένα εργαλεία ή εργαλεία συνδεδεμένα μέσω MCP. Δηλώστε τις επιτρεπόμενες ενέργειες και τις παρατηρήσιμες συνθήκες ολοκλήρωσης. Τα συνδεδεμένα εργαλεία εκτελούν εξωτερικές λειτουργίες και επιστρέφουν παρατηρήσεις· το μοντέλο μπορεί να χρησιμοποιεί αυτή την ανατροφοδότηση σε επόμενη απάντηση. Μια προτεινόμενη εντολή ή ένας ισχυρισμός για ανακτημένη πηγή θα πρέπει να παραμένει χωριστός από αποτέλεσμα που επέστρεψε πραγματικά η ροή εργασίας.
Ένα σαφές τελικό παραδοτέο μπορεί να είναι πρόταση κώδικα, πίνακας στοιχείων ή σύντομη αναφορά. Η υποστήριξη εργαλείων δεν δημιουργεί από μόνη της πρόσβαση σε επίκαιρες πηγές, αρχεία ή περιβάλλον εκτέλεσης μέσω κάθε διεπαφής. Διατηρήστε τη συμπεριφορά απάντησης χωρίς συλλογισμό του συγκεκριμένου μοντέλου, αντί να εισάγετε τους διακόπτες προτροπής ενός υβριδικού μοντέλου ή τα περιθώρια εξόδου μιας έκδοσης Thinking.
Επεξεργασία εξαιρετικά μεγάλου κειμένου
Ο δημιουργός τεκμηριώνει μια προαιρετική ροή εργασίας που φτάνει περίπου το ένα εκατομμύριο token μέσω Dual Chunk Attention και αραιής προσοχής MInference. Η πρώτη χωρίζει μια μεγάλη ακολουθία σε διαχειρίσιμα τμήματα, διατηρώντας τις αλληλεπιδράσεις μεταξύ τμημάτων· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Πρόκειται για πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές πλαίσιο 262.144, που χρησιμοποιεί ειδική διαμόρφωση μεγάλου πλαισίου.
Η συνταγή εκτιμά περίπου 240 GB συνολικής μνήμης GPU για τα βάρη του μοντέλου, την προσωρινά αποθηκευμένη κατάσταση ακολουθίας και τις μέγιστες ενεργοποιήσεις. Περιγράφει επίσης χωριστές αστοχίες χωρητικότητας από την κρυφή μνήμη ακολουθίας, τη μνήμη ενεργοποιήσεων ή μια είσοδο που υπερβαίνει το διαμορφωμένο μήκος. Επομένως, η ροή εργασίας εκατομμυρίου token εξαρτάται από τη διαμόρφωση και τους πόρους· η κεντρική αυτή δυνατότητα δεν θα πρέπει να αντιμετωπίζεται ως άνευ όρων προεπιλογή.
Προετοιμάστε μεγάλη είσοδο με όρια εγγράφων, ονόματα ενοτήτων ή αναγνωριστικά κώδικα και μια συγκεκριμένη ερώτηση. Κρατήστε χώρο για την απάντηση και ζητήστε τα στοιχεία που υποστηρίζουν κάθε συμπέρασμα.
Συστάσεις παραγωγής
Οι βέλτιστες πρακτικές συνιστούν θερμοκρασία 0,7, top_p 0,8, top_k 20 και min_p 0. Όπου υποστηρίζεται, μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώνει το επαναλαμβανόμενο κείμενο, ενώ μεγαλύτερες τιμές μπορεί να αναμειγνύουν γλώσσες ή να μειώνουν ελαφρά την ποιότητα. Ο δημιουργός συνιστά περιθώριο εξόδου 16.384 token για τα περισσότερα ερωτήματα, αντί για τα μεγαλύτερα περιθώρια που τεκμηριώνονται για το Thinking-2507. Πρόκειται για σύσταση, όχι ανεξάρτητα καθορισμένο αυστηρό ανώτατο όριο εξόδου.
Προσδιορίστε ρητά την τελική μορφή, όπως μαθηματικό οριοθέτη ή πεδίο απάντησης. Η τεκμηριωμένη είσοδος του μοντέλου είναι κείμενο, οπότε οπτικά ή ηχητικά στοιχεία απαιτούν κατάλληλη χωριστή αναπαράσταση πριν από αυτή τη ροή εργασίας. Ελέγξτε τους υπολογισμούς, τις παραθέσεις και τον παραγόμενο κώδικα έναντι της πηγής. Το χρήσιμο αποτέλεσμα είναι ένα πλήρες, ελέγξιμο παραδοτέο κειμένου, του οποίου η σταθερή ταυτότητα Instruct-2507, η λειτουργία χωρίς συλλογισμό και η υπό προϋποθέσεις διαδικασία μεγάλου πλαισίου παραμένουν σαφείς.
", "aboutText": "Βασικά σημεία: η ενημέρωση της σταθερής έκδοσης Instruct-2507\n\nΤο Qwen3-30B-A3B-Instruct-2507 είναι η ενημερωμένη έκδοση του Qwen3-30B-A3B χωρίς λειτουργία συλλογισμού. Ο δημιουργός επισημαίνει βελτιώσεις στην τήρηση οδηγιών, στον λογικό συλλογισμό, στην κατανόηση κειμένου, στα μαθηματικά, στις επιστήμες, στον προγραμματισμό και στη χρήση εργαλείων, με ευρύτερη γνώση λιγότερο συνηθισμένων θεμάτων σε πολλές γλώσσες και καλύτερη ευθυγράμμιση για ανοικτές εργασίες. Δέχεται κείμενο και παράγει κείμενο: μια απάντηση, εξήγηση, πρόταση κώδικα ή ζητούμενο γραπτό παραδοτέο.\n\nΔιατηρήστε τη σταθερή ταυτότητα 2507 χωριστά από το αρχικό υβριδικό Qwen3-30B-A3B, την κατασκευή του FP8 και την έκδοση Thinking-2507. Η περιγραφή της πολυγλωσσικής γνώσης του μοντέλου δεν δίνει χωριστή εγγύηση αριθμού γλωσσών για αυτό το στιγμιότυπο. Προσδιορίστε τη γλώσσα στόχο, το κοινό και τους όρους που πρέπει να παραμείνουν αμετάβλητοι όταν η εργασία αφορά μετάφραση ή αναδιατύπωση.\n\nΕπισκόπηση μοντέλου\n\nΤο μοντέλο μείγματος ειδικών έχει συνολικά 30,5 δισεκατομμύρια παραμέτρους και ενεργοποιεί 3,3 δισεκατομμύρια. Έχει 48 επίπεδα, 128 ειδικούς και οκτώ ειδικούς που επιλέγονται ανά token. Το εγγενές πλαίσιό του είναι 262.144 token. Οι ενεργοποιημένες παράμετροι δεν είναι το μέγεθος του πλήρους σημείου ελέγχου και η αρχιτεκτονική από μόνη της δεν καθορίζει σταθερό χρόνο απάντησης σε μια εφαρμογή.\n\nΑυτή η έκδοση υποστηρίζει μόνο λειτουργία χωρίς συλλογισμό και δεν παράγει ρητά μπλοκ συλλογισμού. Η ρύθμιση enable_thinking=False είναι περιττή στη συνταγή του δημιουργού. Μπορεί ακόμη να δείχνει υπολογισμούς ή να εξηγεί κώδικα σε συνηθισμένο κείμενο· ένα αίτημα για υποστηρικτικά βήματα δεν τη μετατρέπει στο χωριστό σημείο ελέγχου Thinking.\n\nΠροετοιμασία χρήσιμου αιτήματος κειμένου\n\nΓια εργασία προγραμματισμού, δώστε τη σχετική συνάρτηση ή μονάδα, τους περιορισμούς εισόδου, την παρατηρούμενη συμπεριφορά και το απαιτούμενο αποτέλεσμα. Ζητήστε προτεινόμενη διόρθωση ή πλήρη συνάρτηση με εξήγηση των παραδοχών που επηρεάζονται. Για μαθηματική ή επιστημονική ερώτηση, δώστε την πλήρη εκφώνηση, τις μονάδες και τους ορισμούς και έπειτα ζητήστε σαφώς οριοθετημένη τελική απάντηση που υποστηρίζεται από τις παρεχόμενες προϋποθέσεις.\n\nΓια ανοικτή εργασία συγγραφής, προσδιορίστε το κοινό, τον σκοπό, τον τόνο και τις πληροφορίες που πρέπει να εμφανίζονται. Μια χρήσιμη απάντηση μπορεί να είναι επεξεργάσιμο προσχέδιο οργανωμένο στις ζητούμενες ενότητες, με χωριστό προσδιορισμό των αστήρικτων παραδοχών. Συγκρίνετε το επιστρεφόμενο προσχέδιο, τους υπολογισμούς ή τον προτεινόμενο κώδικα με τα παρεχόμενα γεγονότα, ορισμούς και απαιτήσεις.\n\nΧρήση με πράκτορες\n\nΗ Qwen τεκμηριώνει κλήση εργαλείων και συνιστά Qwen-Agent για πρότυπα και ανάλυση, με διαμορφωμένα εργαλεία ή εργαλεία συνδεδεμένα μέσω MCP. Δηλώστε τις επιτρεπόμενες ενέργειες και τις παρατηρήσιμες συνθήκες ολοκλήρωσης. Τα συνδεδεμένα εργαλεία εκτελούν εξωτερικές λειτουργίες και επιστρέφουν παρατηρήσεις· το μοντέλο μπορεί να χρησιμοποιεί αυτή την ανατροφοδότηση σε επόμενη απάντηση. Μια προτεινόμενη εντολή ή ένας ισχυρισμός για ανακτημένη πηγή θα πρέπει να παραμένει χωριστός από αποτέλεσμα που επέστρεψε πραγματικά η ροή εργασίας.\n\nΈνα σαφές τελικό παραδοτέο μπορεί να είναι πρόταση κώδικα, πίνακας στοιχείων ή σύντομη αναφορά. Η υποστήριξη εργαλείων δεν δημιουργεί από μόνη της πρόσβαση σε επίκαιρες πηγές, αρχεία ή περιβάλλον εκτέλεσης μέσω κάθε διεπαφής. Διατηρήστε τη συμπεριφορά απάντησης χωρίς συλλογισμό του συγκεκριμένου μοντέλου, αντί να εισάγετε τους διακόπτες προτροπής ενός υβριδικού μοντέλου ή τα περιθώρια εξόδου μιας έκδοσης Thinking.\n\nΕπεξεργασία εξαιρετικά μεγάλου κειμένου\n\nΟ δημιουργός τεκμηριώνει μια προαιρετική ροή εργασίας που φτάνει περίπου το ένα εκατομμύριο token μέσω Dual Chunk Attention και αραιής προσοχής MInference. Η πρώτη χωρίζει μια μεγάλη ακολουθία σε διαχειρίσιμα τμήματα, διατηρώντας τις αλληλεπιδράσεις μεταξύ τμημάτων· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Πρόκειται για πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές πλαίσιο 262.144, που χρησιμοποιεί ειδική διαμόρφωση μεγάλου πλαισίου.\n\nΗ συνταγή εκτιμά περίπου 240 GB συνολικής μνήμης GPU για τα βάρη του μοντέλου, την προσωρινά αποθηκευμένη κατάσταση ακολουθίας και τις μέγιστες ενεργοποιήσεις. Περιγράφει επίσης χωριστές αστοχίες χωρητικότητας από την κρυφή μνήμη ακολουθίας, τη μνήμη ενεργοποιήσεων ή μια είσοδο που υπερβαίνει το διαμορφωμένο μήκος. Επομένως, η ροή εργασίας εκατομμυρίου token εξαρτάται από τη διαμόρφωση και τους πόρους· η κεντρική αυτή δυνατότητα δεν θα πρέπει να αντιμετωπίζεται ως άνευ όρων προεπιλογή.\n\nΠροετοιμάστε μεγάλη είσοδο με όρια εγγράφων, ονόματα ενοτήτων ή αναγνωριστικά κώδικα και μια συγκεκριμένη ερώτηση. Κρατήστε χώρο για την απάντηση και ζητήστε τα στοιχεία που υποστηρίζουν κάθε συμπέρασμα.\n\nΣυστάσεις παραγωγής\n\nΟι βέλτιστες πρακτικές συνιστούν θερμοκρασία 0,7, top_p 0,8, top_k 20 και min_p 0. Όπου υποστηρίζεται, μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώνει το επαναλαμβανόμενο κείμενο, ενώ μεγαλύτερες τιμές μπορεί να αναμειγνύουν γλώσσες ή να μειώνουν ελαφρά την ποιότητα. Ο δημιουργός συνιστά περιθώριο εξόδου 16.384 token για τα περισσότερα ερωτήματα, αντί για τα μεγαλύτερα περιθώρια που τεκμηριώνονται για το Thinking-2507. Πρόκειται για σύσταση, όχι ανεξάρτητα καθορισμένο αυστηρό ανώτατο όριο εξόδου.\n\nΠροσδιορίστε ρητά την τελική μορφή, όπως μαθηματικό οριοθέτη ή πεδίο απάντησης. Η τεκμηριωμένη είσοδος του μοντέλου είναι κείμενο, οπότε οπτικά ή ηχητικά στοιχεία απαιτούν κατάλληλη χωριστή αναπαράσταση πριν από αυτή τη ροή εργασίας. Ελέγξτε τους υπολογισμούς, τις παραθέσεις και τον παραγόμενο κώδικα έναντι της πηγής. Το χρήσιμο αποτέλεσμα είναι ένα πλήρες, ελέγξιμο παραδοτέο κειμένου, του οποίου η σταθερή ταυτότητα Instruct-2507, η λειτουργία χωρίς συλλογισμό και η υπό προϋποθέσεις διαδικασία μεγάλου πλαισίου παραμένουν σαφείς.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.qwen/qwen3-30b-a3b-instruct-2507Το Qwen3-30B-A3B-Instruct-2507 είναι η σταθερή έκδοση κειμένου της Qwen του Ιουλίου, με κωδικό 2507 και λειτουργία χωρίς συλλογισμό, με συνολικά 30,5 δισεκατομμύρια παραμέτρους και 3,3 δισεκατομμύρια ενεργοποιημένες. Βελτιώνει την τήρηση οδηγιών, τον προγραμματισμό, την πολυγλωσσική γνώση και την ανοικτή συγγραφή, με εγγενές πλαίσιο 262.144 token.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Βασικά σημεία: η ενημέρωση της σταθερής έκδοσης Instruct-2507
Το Qwen3-30B-A3B-Instruct-2507 είναι η ενημερωμένη έκδοση του Qwen3-30B-A3B χωρίς λειτουργία συλλογισμού. Ο δημιουργός επισημαίνει βελτιώσεις στην τήρηση οδηγιών, στον λογικό συλλογισμό, στην κατανόηση κειμένου, στα μαθηματικά, στις επιστήμες, στον προγραμματισμό και στη χρήση εργαλείων, με ευρύτερη γνώση λιγότερο συνηθισμένων θεμάτων σε πολλές γλώσσες και καλύτερη ευθυγράμμιση για ανοικτές εργασίες. Δέχεται κείμενο και παράγει κείμενο: μια απάντηση, εξήγηση, πρόταση κώδικα ή ζητούμενο γραπτό παραδοτέο.
Διατηρήστε τη σταθερή ταυτότητα 2507 χωριστά από το αρχικό υβριδικό Qwen3-30B-A3B, την κατασκευή του FP8 και την έκδοση Thinking-2507. Η περιγραφή της πολυγλωσσικής γνώσης του μοντέλου δεν δίνει χωριστή εγγύηση αριθμού γλωσσών για αυτό το στιγμιότυπο. Προσδιορίστε τη γλώσσα στόχο, το κοινό και τους όρους που πρέπει να παραμείνουν αμετάβλητοι όταν η εργασία αφορά μετάφραση ή αναδιατύπωση.
Επισκόπηση μοντέλου
Το μοντέλο μείγματος ειδικών έχει συνολικά 30,5 δισεκατομμύρια παραμέτρους και ενεργοποιεί 3,3 δισεκατομμύρια. Έχει 48 επίπεδα, 128 ειδικούς και οκτώ ειδικούς που επιλέγονται ανά token. Το εγγενές πλαίσιό του είναι 262.144 token. Οι ενεργοποιημένες παράμετροι δεν είναι το μέγεθος του πλήρους σημείου ελέγχου και η αρχιτεκτονική από μόνη της δεν καθορίζει σταθερό χρόνο απάντησης σε μια εφαρμογή.
Αυτή η έκδοση υποστηρίζει μόνο λειτουργία χωρίς συλλογισμό και δεν παράγει ρητά μπλοκ συλλογισμού. Η ρύθμιση enable_thinking=False είναι περιττή στη συνταγή του δημιουργού. Μπορεί ακόμη να δείχνει υπολογισμούς ή να εξηγεί κώδικα σε συνηθισμένο κείμενο· ένα αίτημα για υποστηρικτικά βήματα δεν τη μετατρέπει στο χωριστό σημείο ελέγχου Thinking.
Προετοιμασία χρήσιμου αιτήματος κειμένου
Για εργασία προγραμματισμού, δώστε τη σχετική συνάρτηση ή μονάδα, τους περιορισμούς εισόδου, την παρατηρούμενη συμπεριφορά και το απαιτούμενο αποτέλεσμα. Ζητήστε προτεινόμενη διόρθωση ή πλήρη συνάρτηση με εξήγηση των παραδοχών που επηρεάζονται. Για μαθηματική ή επιστημονική ερώτηση, δώστε την πλήρη εκφώνηση, τις μονάδες και τους ορισμούς και έπειτα ζητήστε σαφώς οριοθετημένη τελική απάντηση που υποστηρίζεται από τις παρεχόμενες προϋποθέσεις.
Για ανοικτή εργασία συγγραφής, προσδιορίστε το κοινό, τον σκοπό, τον τόνο και τις πληροφορίες που πρέπει να εμφανίζονται. Μια χρήσιμη απάντηση μπορεί να είναι επεξεργάσιμο προσχέδιο οργανωμένο στις ζητούμενες ενότητες, με χωριστό προσδιορισμό των αστήρικτων παραδοχών. Συγκρίνετε το επιστρεφόμενο προσχέδιο, τους υπολογισμούς ή τον προτεινόμενο κώδικα με τα παρεχόμενα γεγονότα, ορισμούς και απαιτήσεις.
Χρήση με πράκτορες
Η Qwen τεκμηριώνει κλήση εργαλείων και συνιστά Qwen-Agent για πρότυπα και ανάλυση, με διαμορφωμένα εργαλεία ή εργαλεία συνδεδεμένα μέσω MCP. Δηλώστε τις επιτρεπόμενες ενέργειες και τις παρατηρήσιμες συνθήκες ολοκλήρωσης. Τα συνδεδεμένα εργαλεία εκτελούν εξωτερικές λειτουργίες και επιστρέφουν παρατηρήσεις· το μοντέλο μπορεί να χρησιμοποιεί αυτή την ανατροφοδότηση σε επόμενη απάντηση. Μια προτεινόμενη εντολή ή ένας ισχυρισμός για ανακτημένη πηγή θα πρέπει να παραμένει χωριστός από αποτέλεσμα που επέστρεψε πραγματικά η ροή εργασίας.
Ένα σαφές τελικό παραδοτέο μπορεί να είναι πρόταση κώδικα, πίνακας στοιχείων ή σύντομη αναφορά. Η υποστήριξη εργαλείων δεν δημιουργεί από μόνη της πρόσβαση σε επίκαιρες πηγές, αρχεία ή περιβάλλον εκτέλεσης μέσω κάθε διεπαφής. Διατηρήστε τη συμπεριφορά απάντησης χωρίς συλλογισμό του συγκεκριμένου μοντέλου, αντί να εισάγετε τους διακόπτες προτροπής ενός υβριδικού μοντέλου ή τα περιθώρια εξόδου μιας έκδοσης Thinking.
Επεξεργασία εξαιρετικά μεγάλου κειμένου
Ο δημιουργός τεκμηριώνει μια προαιρετική ροή εργασίας που φτάνει περίπου το ένα εκατομμύριο token μέσω Dual Chunk Attention και αραιής προσοχής MInference. Η πρώτη χωρίζει μια μεγάλη ακολουθία σε διαχειρίσιμα τμήματα, διατηρώντας τις αλληλεπιδράσεις μεταξύ τμημάτων· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Πρόκειται για πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές πλαίσιο 262.144, που χρησιμοποιεί ειδική διαμόρφωση μεγάλου πλαισίου.
Η συνταγή εκτιμά περίπου 240 GB συνολικής μνήμης GPU για τα βάρη του μοντέλου, την προσωρινά αποθηκευμένη κατάσταση ακολουθίας και τις μέγιστες ενεργοποιήσεις. Περιγράφει επίσης χωριστές αστοχίες χωρητικότητας από την κρυφή μνήμη ακολουθίας, τη μνήμη ενεργοποιήσεων ή μια είσοδο που υπερβαίνει το διαμορφωμένο μήκος. Επομένως, η ροή εργασίας εκατομμυρίου token εξαρτάται από τη διαμόρφωση και τους πόρους· η κεντρική αυτή δυνατότητα δεν θα πρέπει να αντιμετωπίζεται ως άνευ όρων προεπιλογή.
Προετοιμάστε μεγάλη είσοδο με όρια εγγράφων, ονόματα ενοτήτων ή αναγνωριστικά κώδικα και μια συγκεκριμένη ερώτηση. Κρατήστε χώρο για την απάντηση και ζητήστε τα στοιχεία που υποστηρίζουν κάθε συμπέρασμα.
Συστάσεις παραγωγής
Οι βέλτιστες πρακτικές συνιστούν θερμοκρασία 0,7, top_p 0,8, top_k 20 και min_p 0. Όπου υποστηρίζεται, μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώνει το επαναλαμβανόμενο κείμενο, ενώ μεγαλύτερες τιμές μπορεί να αναμειγνύουν γλώσσες ή να μειώνουν ελαφρά την ποιότητα. Ο δημιουργός συνιστά περιθώριο εξόδου 16.384 token για τα περισσότερα ερωτήματα, αντί για τα μεγαλύτερα περιθώρια που τεκμηριώνονται για το Thinking-2507. Πρόκειται για σύσταση, όχι ανεξάρτητα καθορισμένο αυστηρό ανώτατο όριο εξόδου.
Προσδιορίστε ρητά την τελική μορφή, όπως μαθηματικό οριοθέτη ή πεδίο απάντησης. Η τεκμηριωμένη είσοδος του μοντέλου είναι κείμενο, οπότε οπτικά ή ηχητικά στοιχεία απαιτούν κατάλληλη χωριστή αναπαράσταση πριν από αυτή τη ροή εργασίας. Ελέγξτε τους υπολογισμούς, τις παραθέσεις και τον παραγόμενο κώδικα έναντι της πηγής. Το χρήσιμο αποτέλεσμα είναι ένα πλήρες, ελέγξιμο παραδοτέο κειμένου, του οποίου η σταθερή ταυτότητα Instruct-2507, η λειτουργία χωρίς συλλογισμό και η υπό προϋποθέσεις διαδικασία μεγάλου πλαισίου παραμένουν σαφείς.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια qwen/qwen3-30b-a3b-instruct-2507 | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Token συμφραζομένων, πάνω από | Token συμφραζομένων, έως και | Χρέωση |
|---|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Token συμφραζομένων, πάνω από— | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.0002 / 1K token Έξοδος · Token εξόδου $0.0008 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| ΔιαμόρφωσηΕπίπεδο 1 βάσει μήκους αιτήματος | Πίνακας χρεώσεων— | Token συμφραζομένων, πάνω από0 | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.0002 / 1K token Έξοδος · Token εξόδου $0.0008 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-30b-a3b-instruct-2507", "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/qwen3-30b-a3b-instruct-2507',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/qwen3-30b-a3b-instruct-2507',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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
qwen/qwen3-30b-a3b-instruct-2507Το Qwen3-30B-A3B-Instruct-2507 είναι η σταθερή έκδοση κειμένου της Qwen του Ιουλίου, με κωδικό 2507 και λειτουργία χωρίς συλλογισμό, με συνολικά 30,5 δισεκατομμύρια παραμέτρους και 3,3 δισεκατομμύρια ενεργοποιημένες. Βελτιώνει την τήρηση οδηγιών, τον προγραμματισμό, την πολυγλωσσική γνώση και την ανοικτή συγγραφή, με εγγενές πλαίσιο 262.144 token.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Βασικά σημεία: η ενημέρωση της σταθερής έκδοσης Instruct-2507
Το Qwen3-30B-A3B-Instruct-2507 είναι η ενημερωμένη έκδοση του Qwen3-30B-A3B χωρίς λειτουργία συλλογισμού. Ο δημιουργός επισημαίνει βελτιώσεις στην τήρηση οδηγιών, στον λογικό συλλογισμό, στην κατανόηση κειμένου, στα μαθηματικά, στις επιστήμες, στον προγραμματισμό και στη χρήση εργαλείων, με ευρύτερη γνώση λιγότερο συνηθισμένων θεμάτων σε πολλές γλώσσες και καλύτερη ευθυγράμμιση για ανοικτές εργασίες. Δέχεται κείμενο και παράγει κείμενο: μια απάντηση, εξήγηση, πρόταση κώδικα ή ζητούμενο γραπτό παραδοτέο.
Διατηρήστε τη σταθερή ταυτότητα 2507 χωριστά από το αρχικό υβριδικό Qwen3-30B-A3B, την κατασκευή του FP8 και την έκδοση Thinking-2507. Η περιγραφή της πολυγλωσσικής γνώσης του μοντέλου δεν δίνει χωριστή εγγύηση αριθμού γλωσσών για αυτό το στιγμιότυπο. Προσδιορίστε τη γλώσσα στόχο, το κοινό και τους όρους που πρέπει να παραμείνουν αμετάβλητοι όταν η εργασία αφορά μετάφραση ή αναδιατύπωση.
Επισκόπηση μοντέλου
Το μοντέλο μείγματος ειδικών έχει συνολικά 30,5 δισεκατομμύρια παραμέτρους και ενεργοποιεί 3,3 δισεκατομμύρια. Έχει 48 επίπεδα, 128 ειδικούς και οκτώ ειδικούς που επιλέγονται ανά token. Το εγγενές πλαίσιό του είναι 262.144 token. Οι ενεργοποιημένες παράμετροι δεν είναι το μέγεθος του πλήρους σημείου ελέγχου και η αρχιτεκτονική από μόνη της δεν καθορίζει σταθερό χρόνο απάντησης σε μια εφαρμογή.
Αυτή η έκδοση υποστηρίζει μόνο λειτουργία χωρίς συλλογισμό και δεν παράγει ρητά μπλοκ συλλογισμού. Η ρύθμιση enable_thinking=False είναι περιττή στη συνταγή του δημιουργού. Μπορεί ακόμη να δείχνει υπολογισμούς ή να εξηγεί κώδικα σε συνηθισμένο κείμενο· ένα αίτημα για υποστηρικτικά βήματα δεν τη μετατρέπει στο χωριστό σημείο ελέγχου Thinking.
Προετοιμασία χρήσιμου αιτήματος κειμένου
Για εργασία προγραμματισμού, δώστε τη σχετική συνάρτηση ή μονάδα, τους περιορισμούς εισόδου, την παρατηρούμενη συμπεριφορά και το απαιτούμενο αποτέλεσμα. Ζητήστε προτεινόμενη διόρθωση ή πλήρη συνάρτηση με εξήγηση των παραδοχών που επηρεάζονται. Για μαθηματική ή επιστημονική ερώτηση, δώστε την πλήρη εκφώνηση, τις μονάδες και τους ορισμούς και έπειτα ζητήστε σαφώς οριοθετημένη τελική απάντηση που υποστηρίζεται από τις παρεχόμενες προϋποθέσεις.
Για ανοικτή εργασία συγγραφής, προσδιορίστε το κοινό, τον σκοπό, τον τόνο και τις πληροφορίες που πρέπει να εμφανίζονται. Μια χρήσιμη απάντηση μπορεί να είναι επεξεργάσιμο προσχέδιο οργανωμένο στις ζητούμενες ενότητες, με χωριστό προσδιορισμό των αστήρικτων παραδοχών. Συγκρίνετε το επιστρεφόμενο προσχέδιο, τους υπολογισμούς ή τον προτεινόμενο κώδικα με τα παρεχόμενα γεγονότα, ορισμούς και απαιτήσεις.
Χρήση με πράκτορες
Η Qwen τεκμηριώνει κλήση εργαλείων και συνιστά Qwen-Agent για πρότυπα και ανάλυση, με διαμορφωμένα εργαλεία ή εργαλεία συνδεδεμένα μέσω MCP. Δηλώστε τις επιτρεπόμενες ενέργειες και τις παρατηρήσιμες συνθήκες ολοκλήρωσης. Τα συνδεδεμένα εργαλεία εκτελούν εξωτερικές λειτουργίες και επιστρέφουν παρατηρήσεις· το μοντέλο μπορεί να χρησιμοποιεί αυτή την ανατροφοδότηση σε επόμενη απάντηση. Μια προτεινόμενη εντολή ή ένας ισχυρισμός για ανακτημένη πηγή θα πρέπει να παραμένει χωριστός από αποτέλεσμα που επέστρεψε πραγματικά η ροή εργασίας.
Ένα σαφές τελικό παραδοτέο μπορεί να είναι πρόταση κώδικα, πίνακας στοιχείων ή σύντομη αναφορά. Η υποστήριξη εργαλείων δεν δημιουργεί από μόνη της πρόσβαση σε επίκαιρες πηγές, αρχεία ή περιβάλλον εκτέλεσης μέσω κάθε διεπαφής. Διατηρήστε τη συμπεριφορά απάντησης χωρίς συλλογισμό του συγκεκριμένου μοντέλου, αντί να εισάγετε τους διακόπτες προτροπής ενός υβριδικού μοντέλου ή τα περιθώρια εξόδου μιας έκδοσης Thinking.
Επεξεργασία εξαιρετικά μεγάλου κειμένου
Ο δημιουργός τεκμηριώνει μια προαιρετική ροή εργασίας που φτάνει περίπου το ένα εκατομμύριο token μέσω Dual Chunk Attention και αραιής προσοχής MInference. Η πρώτη χωρίζει μια μεγάλη ακολουθία σε διαχειρίσιμα τμήματα, διατηρώντας τις αλληλεπιδράσεις μεταξύ τμημάτων· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Πρόκειται για πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές πλαίσιο 262.144, που χρησιμοποιεί ειδική διαμόρφωση μεγάλου πλαισίου.
Η συνταγή εκτιμά περίπου 240 GB συνολικής μνήμης GPU για τα βάρη του μοντέλου, την προσωρινά αποθηκευμένη κατάσταση ακολουθίας και τις μέγιστες ενεργοποιήσεις. Περιγράφει επίσης χωριστές αστοχίες χωρητικότητας από την κρυφή μνήμη ακολουθίας, τη μνήμη ενεργοποιήσεων ή μια είσοδο που υπερβαίνει το διαμορφωμένο μήκος. Επομένως, η ροή εργασίας εκατομμυρίου token εξαρτάται από τη διαμόρφωση και τους πόρους· η κεντρική αυτή δυνατότητα δεν θα πρέπει να αντιμετωπίζεται ως άνευ όρων προεπιλογή.
Προετοιμάστε μεγάλη είσοδο με όρια εγγράφων, ονόματα ενοτήτων ή αναγνωριστικά κώδικα και μια συγκεκριμένη ερώτηση. Κρατήστε χώρο για την απάντηση και ζητήστε τα στοιχεία που υποστηρίζουν κάθε συμπέρασμα.
Συστάσεις παραγωγής
Οι βέλτιστες πρακτικές συνιστούν θερμοκρασία 0,7, top_p 0,8, top_k 20 και min_p 0. Όπου υποστηρίζεται, μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώνει το επαναλαμβανόμενο κείμενο, ενώ μεγαλύτερες τιμές μπορεί να αναμειγνύουν γλώσσες ή να μειώνουν ελαφρά την ποιότητα. Ο δημιουργός συνιστά περιθώριο εξόδου 16.384 token για τα περισσότερα ερωτήματα, αντί για τα μεγαλύτερα περιθώρια που τεκμηριώνονται για το Thinking-2507. Πρόκειται για σύσταση, όχι ανεξάρτητα καθορισμένο αυστηρό ανώτατο όριο εξόδου.
Προσδιορίστε ρητά την τελική μορφή, όπως μαθηματικό οριοθέτη ή πεδίο απάντησης. Η τεκμηριωμένη είσοδος του μοντέλου είναι κείμενο, οπότε οπτικά ή ηχητικά στοιχεία απαιτούν κατάλληλη χωριστή αναπαράσταση πριν από αυτή τη ροή εργασίας. Ελέγξτε τους υπολογισμούς, τις παραθέσεις και τον παραγόμενο κώδικα έναντι της πηγής. Το χρήσιμο αποτέλεσμα είναι ένα πλήρες, ελέγξιμο παραδοτέο κειμένου, του οποίου η σταθερή ταυτότητα Instruct-2507, η λειτουργία χωρίς συλλογισμό και η υπό προϋποθέσεις διαδικασία μεγάλου πλαισίου παραμένουν σαφείς.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια qwen/qwen3-30b-a3b-instruct-2507 | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Token συμφραζομένων, πάνω από | Token συμφραζομένων, έως και | Χρέωση |
|---|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Token συμφραζομένων, πάνω από— | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.0002 / 1K token Έξοδος · Token εξόδου $0.0008 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| ΔιαμόρφωσηΕπίπεδο 1 βάσει μήκους αιτήματος | Πίνακας χρεώσεων— | Token συμφραζομένων, πάνω από0 | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.0002 / 1K token Έξοδος · Token εξόδου $0.0008 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "qwen/qwen3-30b-a3b-instruct-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-30b-a3b-instruct-2507', '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/qwen3-30b-a3b-instruct-2507', '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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.