{ "aboutHtml": "

Κύρια χαρακτηριστικά: η σταθερή κυκλοφορία Thinking-2507

Το Qwen3-30B-A3B-Thinking-2507 είναι μοντέλο παραγωγής κειμένου που εστιάζει στη δύσκολη συλλογιστική. Η Qwen περιγράφει βελτιώσεις στη λογική, τα μαθηματικά, τις επιστήμες, τον προγραμματισμό, την τήρηση οδηγιών, τη χρήση εργαλείων και την παραγωγή κειμένου, μαζί με μεγαλύτερες αλληλουχίες σκέψης και ισχυρότερη κατανόηση εκτεταμένων συμφραζομένων. Επιλέξτε αυτή ακριβώς την έκδοση 2507 όταν η εργασία ωφελείται από παρατεταμένη συλλογιστική, όπως εξέταση ανταγωνιστικών εξηγήσεων, επίλυση μαθηματικού προβλήματος πολλών σταδίων ή επεξεργασία σύνθετης αλλαγής κώδικα.

Επισκόπηση μοντέλου και λειτουργία

Το μοντέλο μείγματος ειδικών έχει 30.5 δισεκατομμύρια συνολικές παραμέτρους και 3.3 δισεκατομμύρια ενεργοποιημένες παραμέτρους, με 128 ειδικούς και οκτώ επιλεγμένους ανά token σε 48 επίπεδα. Το εγγενές παράθυρο συμφραζομένων του είναι 262,144 tokens. Δέχεται κείμενο και επιστρέφει κείμενο· τα αποτελέσματα εργαλείων παρέχονται μέσω συνδεδεμένης ροής εφαρμογής. Αυτό το checkpoint υποστηρίζει μόνο σκέψη. Διαφέρει από το προηγούμενο υβριδικό Qwen3-30B-A3B, την έκδοσή του FP8 και το Qwen3-30B-A3B-Instruct-2507. Δεν πρέπει να θεωρείται ότι ο διακόπτης χωρίς σκέψη του υβριδικού μοντέλου ισχύει εδώ.

Το προεπιλεγμένο πρότυπο συνομιλίας ξεκινά ήδη την αλληλουχία συλλογιστικής με δείκτη ανοίγματος σκέψης, οπότε μια ρητή ρύθμιση enable_thinking=True είναι περιττή. Μια επιστρεφόμενη αλληλουχία μπορεί να περιέχει τον δείκτη κλεισίματος χωρίς επανάληψη του δείκτη ανοίγματος. Το παράδειγμα του κατασκευαστή διαχωρίζει τη συλλογιστική από την τελική απάντηση. Διατηρήστε αυτή τη διάκριση όταν ζητάτε συγκεκριμένο παραδοτέο: ένα συμπέρασμα απόδειξης, patch ή πίνακας αποφάσεων πρέπει να παραμένει εύκολο να εντοπιστεί μετά την εκτενέστερη εξήγηση.

Προετοιμασία δύσκολης εργασίας

Δώστε στο μοντέλο την πλήρη διατύπωση του προβλήματος, τους περιορισμούς και τα σχετικά τεκμήρια. Για αλλαγή κώδικα, συμπεριλάβετε την υπάρχουσα συνάρτηση, μια είσοδο αστοχίας και την αναμενόμενη συμπεριφορά και έπειτα ζητήστε προτεινόμενο patch με εξήγηση οριακών περιπτώσεων. Για επιστημονική ερώτηση, διαχωρίστε τις παρατηρήσεις από τις παραδοχές και ρωτήστε ποιο συμπέρασμα προκύπτει από καθεμία. Για εκτεταμένη πολιτική ή προδιαγραφή, διατηρήστε τα αναγνωριστικά ενοτήτων και ζητήστε σύντομη απόφαση που στηρίζεται στις σχετικές ρήτρες. Πρόκειται για πρακτικές χρήσεις των τεκμηριωμένων πεδίων συλλογιστικής και όχι για ισχυρισμούς ότι το μοντέλο εκτέλεσε patch ή επικύρωσε πείραμα.

Επειδή αυτή η έκδοση μπορεί να συλλογίζεται εκτενώς, κρατήστε χώρο τόσο για συλλογιστική όσο και για το τελικό τεχνούργημα. Η Qwen συνιστά διατήρηση παραθύρου συμφραζομένων άνω των 131,072 tokens όπου είναι δυνατό κατά τη διαμόρφωση του μοντέλου, ακόμη και αν μικρότερο παράθυρο θα μείωνε την πίεση μνήμης. Το εγγενές μέγεθος συμφραζομένων περιλαμβάνει τον προϋπολογισμό αλληλουχίας· δεν είναι υπόσχεση ότι όλο μπορεί να χρησιμοποιηθεί για έγγραφο αφήνοντας απεριόριστο χώρο απάντησης.

Χρήση μέσω πρακτόρων

Ο κατασκευαστής τεκμηριώνει κλήση εργαλείων και συνιστά το Qwen-Agent για πρότυπα και ανάλυση εργαλείων, συμπεριλαμβανομένης ενσωμάτωσης με διαμορφωμένα εργαλεία και ροές διερμηνέα κώδικα. Ορίστε ρητά τα εργαλεία και το επιδιωκόμενο αποτέλεσμα. Για παράδειγμα, μια εφαρμογή θα μπορούσε να επιτρέπει στο μοντέλο να εξετάσει ανακτημένα τεκμήρια, να χρησιμοποιήσει επιτρεπόμενη αριθμομηχανή και έπειτα να παράγει αναφορά που εξηγεί τον υπολογισμό. Η ανάκτηση και η εκτέλεση ανήκουν στα συνδεδεμένα εργαλεία· η δυνατότητα κλήσης εργαλείων του μοντέλου δεν καθιερώνει από μόνη της πρόσβαση στο διαδίκτυο, σε περιβάλλον κώδικα ή σε επιχειρηματικά συστήματα.

Επεξεργασία εξαιρετικά εκτεταμένου κειμένου

Η Qwen τεκμηριώνει προαιρετική ροή που φτάνει περίπου ένα εκατομμύριο tokens συνδυάζοντας Dual Chunk Attention με αραιή προσοχή MInference. Η πρώτη τεχνική χωρίζει μεγάλες αλληλουχίες σε τμήματα διατηρώντας τις αλληλεπιδράσεις μεταξύ τους· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Αυτή είναι πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές παράθυρο συμφραζομένων 262,144 tokens. Η συνταγή του κατασκευαστή απαιτεί ειδική διαμόρφωση εκτεταμένων συμφραζομένων και εκτιμά περίπου 240 GB συνολικής μνήμης GPU για βάρη, προσωρινά αποθηκευμένη κατάσταση προσοχής και μέγιστες ενεργοποιήσεις.

Αυτή η συνταγή έχει συγκεκριμένα όρια πόρων: η προσωρινά αποθηκευμένη κατάσταση αλληλουχίας, η μνήμη ενεργοποιήσεων και το συνολικό μήκος εισόδου μπορούν το καθένα να εξαντλήσουν τη διαμορφωμένη χωρητικότητα. Μια ροή εκατομμυρίου tokens εξαρτάται επομένως από τη διαμόρφωση, τη μνήμη και την υποστηριζόμενη υλοποίηση προσοχής. Για πρακτικό έλεγχο εγγράφων, ξεκινήστε με το σχετικό υλικό, σημάνετε τα όρια εγγράφων και ζητήστε ανιχνεύσιμα τεκμήρια αντί να θεωρείτε τη μεγαλύτερη δυνατή είσοδο υποκατάστατο μιας σαφούς ερώτησης.

Οδηγίες και όρια παραγωγής

Η Qwen συνιστά temperature 0.6, top_p 0.95, top_k 20 και min_p 0. Προτείνει προϋπολογισμό εξόδου 32,768 tokens για τα περισσότερα ερωτήματα και 81,920 για ασυνήθιστα δύσκολα μαθηματικά ή προγραμματιστικά προβλήματα. Αυτές είναι συστάσεις προϋπολογισμού παραγωγής και όχι ξεχωριστά δημοσιευμένο αυστηρό ανώτατο όριο εξόδου. Μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώσει την επανάληψη, αλλά υψηλότερες τιμές μπορεί να αναμείξουν γλώσσες ή να μειώσουν ελαφρώς την ποιότητα.

Προσδιορίστε τη μορφή τελικής απάντησης στην προτροπή, όπως οριοθετημένο μαθηματικό αποτέλεσμα ή πεδίο απάντησης για ερώτηση πολλαπλής επιλογής. Κρατήστε μόνο το τμήμα τελικής απάντησης στο ιστορικό συνομιλίας, όπως συνιστά ο κατασκευαστής. Η εκτενέστερη συλλογιστική είναι χρήσιμη όταν παράγει ελέγξιμο αποτέλεσμα· εξετάστε παραδοχές, υπολογισμούς και προτεινόμενο κώδικα πριν βασιστείτε στο αποτέλεσμα.

", "aboutText": "Κύρια χαρακτηριστικά: η σταθερή κυκλοφορία Thinking-2507\n\nΤο Qwen3-30B-A3B-Thinking-2507 είναι μοντέλο παραγωγής κειμένου που εστιάζει στη δύσκολη συλλογιστική. Η Qwen περιγράφει βελτιώσεις στη λογική, τα μαθηματικά, τις επιστήμες, τον προγραμματισμό, την τήρηση οδηγιών, τη χρήση εργαλείων και την παραγωγή κειμένου, μαζί με μεγαλύτερες αλληλουχίες σκέψης και ισχυρότερη κατανόηση εκτεταμένων συμφραζομένων. Επιλέξτε αυτή ακριβώς την έκδοση 2507 όταν η εργασία ωφελείται από παρατεταμένη συλλογιστική, όπως εξέταση ανταγωνιστικών εξηγήσεων, επίλυση μαθηματικού προβλήματος πολλών σταδίων ή επεξεργασία σύνθετης αλλαγής κώδικα.\n\nΕπισκόπηση μοντέλου και λειτουργία\n\nΤο μοντέλο μείγματος ειδικών έχει 30.5 δισεκατομμύρια συνολικές παραμέτρους και 3.3 δισεκατομμύρια ενεργοποιημένες παραμέτρους, με 128 ειδικούς και οκτώ επιλεγμένους ανά token σε 48 επίπεδα. Το εγγενές παράθυρο συμφραζομένων του είναι 262,144 tokens. Δέχεται κείμενο και επιστρέφει κείμενο· τα αποτελέσματα εργαλείων παρέχονται μέσω συνδεδεμένης ροής εφαρμογής. Αυτό το checkpoint υποστηρίζει μόνο σκέψη. Διαφέρει από το προηγούμενο υβριδικό Qwen3-30B-A3B, την έκδοσή του FP8 και το Qwen3-30B-A3B-Instruct-2507. Δεν πρέπει να θεωρείται ότι ο διακόπτης χωρίς σκέψη του υβριδικού μοντέλου ισχύει εδώ.\n\nΤο προεπιλεγμένο πρότυπο συνομιλίας ξεκινά ήδη την αλληλουχία συλλογιστικής με δείκτη ανοίγματος σκέψης, οπότε μια ρητή ρύθμιση enable_thinking=True είναι περιττή. Μια επιστρεφόμενη αλληλουχία μπορεί να περιέχει τον δείκτη κλεισίματος χωρίς επανάληψη του δείκτη ανοίγματος. Το παράδειγμα του κατασκευαστή διαχωρίζει τη συλλογιστική από την τελική απάντηση. Διατηρήστε αυτή τη διάκριση όταν ζητάτε συγκεκριμένο παραδοτέο: ένα συμπέρασμα απόδειξης, patch ή πίνακας αποφάσεων πρέπει να παραμένει εύκολο να εντοπιστεί μετά την εκτενέστερη εξήγηση.\n\nΠροετοιμασία δύσκολης εργασίας\n\nΔώστε στο μοντέλο την πλήρη διατύπωση του προβλήματος, τους περιορισμούς και τα σχετικά τεκμήρια. Για αλλαγή κώδικα, συμπεριλάβετε την υπάρχουσα συνάρτηση, μια είσοδο αστοχίας και την αναμενόμενη συμπεριφορά και έπειτα ζητήστε προτεινόμενο patch με εξήγηση οριακών περιπτώσεων. Για επιστημονική ερώτηση, διαχωρίστε τις παρατηρήσεις από τις παραδοχές και ρωτήστε ποιο συμπέρασμα προκύπτει από καθεμία. Για εκτεταμένη πολιτική ή προδιαγραφή, διατηρήστε τα αναγνωριστικά ενοτήτων και ζητήστε σύντομη απόφαση που στηρίζεται στις σχετικές ρήτρες. Πρόκειται για πρακτικές χρήσεις των τεκμηριωμένων πεδίων συλλογιστικής και όχι για ισχυρισμούς ότι το μοντέλο εκτέλεσε patch ή επικύρωσε πείραμα.\n\nΕπειδή αυτή η έκδοση μπορεί να συλλογίζεται εκτενώς, κρατήστε χώρο τόσο για συλλογιστική όσο και για το τελικό τεχνούργημα. Η Qwen συνιστά διατήρηση παραθύρου συμφραζομένων άνω των 131,072 tokens όπου είναι δυνατό κατά τη διαμόρφωση του μοντέλου, ακόμη και αν μικρότερο παράθυρο θα μείωνε την πίεση μνήμης. Το εγγενές μέγεθος συμφραζομένων περιλαμβάνει τον προϋπολογισμό αλληλουχίας· δεν είναι υπόσχεση ότι όλο μπορεί να χρησιμοποιηθεί για έγγραφο αφήνοντας απεριόριστο χώρο απάντησης.\n\nΧρήση μέσω πρακτόρων\n\nΟ κατασκευαστής τεκμηριώνει κλήση εργαλείων και συνιστά το Qwen-Agent για πρότυπα και ανάλυση εργαλείων, συμπεριλαμβανομένης ενσωμάτωσης με διαμορφωμένα εργαλεία και ροές διερμηνέα κώδικα. Ορίστε ρητά τα εργαλεία και το επιδιωκόμενο αποτέλεσμα. Για παράδειγμα, μια εφαρμογή θα μπορούσε να επιτρέπει στο μοντέλο να εξετάσει ανακτημένα τεκμήρια, να χρησιμοποιήσει επιτρεπόμενη αριθμομηχανή και έπειτα να παράγει αναφορά που εξηγεί τον υπολογισμό. Η ανάκτηση και η εκτέλεση ανήκουν στα συνδεδεμένα εργαλεία· η δυνατότητα κλήσης εργαλείων του μοντέλου δεν καθιερώνει από μόνη της πρόσβαση στο διαδίκτυο, σε περιβάλλον κώδικα ή σε επιχειρηματικά συστήματα.\n\nΕπεξεργασία εξαιρετικά εκτεταμένου κειμένου\n\nΗ Qwen τεκμηριώνει προαιρετική ροή που φτάνει περίπου ένα εκατομμύριο tokens συνδυάζοντας Dual Chunk Attention με αραιή προσοχή MInference. Η πρώτη τεχνική χωρίζει μεγάλες αλληλουχίες σε τμήματα διατηρώντας τις αλληλεπιδράσεις μεταξύ τους· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Αυτή είναι πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές παράθυρο συμφραζομένων 262,144 tokens. Η συνταγή του κατασκευαστή απαιτεί ειδική διαμόρφωση εκτεταμένων συμφραζομένων και εκτιμά περίπου 240 GB συνολικής μνήμης GPU για βάρη, προσωρινά αποθηκευμένη κατάσταση προσοχής και μέγιστες ενεργοποιήσεις.\n\nΑυτή η συνταγή έχει συγκεκριμένα όρια πόρων: η προσωρινά αποθηκευμένη κατάσταση αλληλουχίας, η μνήμη ενεργοποιήσεων και το συνολικό μήκος εισόδου μπορούν το καθένα να εξαντλήσουν τη διαμορφωμένη χωρητικότητα. Μια ροή εκατομμυρίου tokens εξαρτάται επομένως από τη διαμόρφωση, τη μνήμη και την υποστηριζόμενη υλοποίηση προσοχής. Για πρακτικό έλεγχο εγγράφων, ξεκινήστε με το σχετικό υλικό, σημάνετε τα όρια εγγράφων και ζητήστε ανιχνεύσιμα τεκμήρια αντί να θεωρείτε τη μεγαλύτερη δυνατή είσοδο υποκατάστατο μιας σαφούς ερώτησης.\n\nΟδηγίες και όρια παραγωγής\n\nΗ Qwen συνιστά temperature 0.6, top_p 0.95, top_k 20 και min_p 0. Προτείνει προϋπολογισμό εξόδου 32,768 tokens για τα περισσότερα ερωτήματα και 81,920 για ασυνήθιστα δύσκολα μαθηματικά ή προγραμματιστικά προβλήματα. Αυτές είναι συστάσεις προϋπολογισμού παραγωγής και όχι ξεχωριστά δημοσιευμένο αυστηρό ανώτατο όριο εξόδου. Μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώσει την επανάληψη, αλλά υψηλότερες τιμές μπορεί να αναμείξουν γλώσσες ή να μειώσουν ελαφρώς την ποιότητα.\n\nΠροσδιορίστε τη μορφή τελικής απάντησης στην προτροπή, όπως οριοθετημένο μαθηματικό αποτέλεσμα ή πεδίο απάντησης για ερώτηση πολλαπλής επιλογής. Κρατήστε μόνο το τμήμα τελικής απάντησης στο ιστορικό συνομιλίας, όπως συνιστά ο κατασκευαστής. Η εκτενέστερη συλλογιστική είναι χρήσιμη όταν παράγει ελέγξιμο αποτέλεσμα· εξετάστε παραδοχές, υπολογισμούς και προτεινόμενο κώδικα πριν βασιστείτε στο αποτέλεσμα.", "editorialOverlay": { "copy_fields": { "practical_html": "

Πρακτική εργασία

Τεχνικό παράδειγμα στα αγγλικά

Solve a constrained staffing assignment\n\nAssign three reviewers, Ada, Ben and Cy, to morning, afternoon and evening shifts, one each. Ada cannot work evening. Ben must work later than Ada. Cy cannot work morning. List every valid assignment and explain how each constraint eliminates alternatives. Finish with whether the assignment is unique; do not assume additional availability.

Αναμενόμενο αποτέλεσμα

An enumeration of all valid assignments, a constraint check and a separate uniqueness conclusion.

Έλεγχος αποτελέσματος

Every assignment uses all three shifts once and satisfies Ben later than Ada without adding availability rules.

" }, "copy_sha256": "537d9be485c58bfae9c12be2b4cd98523f3609f04d91986af54f1aab633b4088", "copy_source": { "locale": "el", "pack_sha256": "0f56d90ba41881e1134accf82e57338f246f8753ca4c0cee929aaffada5d10e7", "record_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "source_facts_sha256": "c114fcffe0f3252a5f52af2b90ce138d22c0ee1b27e11edd647029b7f75437ac", "validation_sha256": "a2ac2f28056280fc0b2ea34a501bf156d5ce155406e57e708edf30bfdf6bfdc6" }, "html_sha256": "64ffefa2bdc800f65a6e8a7ddaefb37703036d26c6ad908b338fc30095c042aa", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "

Al

Qwen3 30B A3B Thinking 2507

Alibaba /Qwen/Qwen3-30B-A3B-Thinking-2507

ID μοντέλου

Εισαγωγή

Το Qwen3-30B-A3B-Thinking-2507 είναι το μοντέλο κειμένου μόνο σκέψης της Qwen για απαιτητικά μαθηματικά, επιστήμες, προγραμματισμό και λογική συλλογιστική. Αυτή η σταθερή έκδοση 2507 παρέχει εγγενές παράθυρο συμφραζομένων 262,144 tokens και μεγαλύτερο προϋπολογισμό συλλογιστικής, με τεκμηριωμένη κλήση εργαλείων και ροές εξαιρετικά εκτεταμένων συμφραζομένων υπό προϋποθέσεις.

Αποδεκτές είσοδοι: Κείμενο
Αποτελέσματα: Κείμενο

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Κύρια χαρακτηριστικά: η σταθερή κυκλοφορία Thinking-2507

Το Qwen3-30B-A3B-Thinking-2507 είναι μοντέλο παραγωγής κειμένου που εστιάζει στη δύσκολη συλλογιστική. Η Qwen περιγράφει βελτιώσεις στη λογική, τα μαθηματικά, τις επιστήμες, τον προγραμματισμό, την τήρηση οδηγιών, τη χρήση εργαλείων και την παραγωγή κειμένου, μαζί με μεγαλύτερες αλληλουχίες σκέψης και ισχυρότερη κατανόηση εκτεταμένων συμφραζομένων. Επιλέξτε αυτή ακριβώς την έκδοση 2507 όταν η εργασία ωφελείται από παρατεταμένη συλλογιστική, όπως εξέταση ανταγωνιστικών εξηγήσεων, επίλυση μαθηματικού προβλήματος πολλών σταδίων ή επεξεργασία σύνθετης αλλαγής κώδικα.

Επισκόπηση μοντέλου και λειτουργία

Το μοντέλο μείγματος ειδικών έχει 30.5 δισεκατομμύρια συνολικές παραμέτρους και 3.3 δισεκατομμύρια ενεργοποιημένες παραμέτρους, με 128 ειδικούς και οκτώ επιλεγμένους ανά token σε 48 επίπεδα. Το εγγενές παράθυρο συμφραζομένων του είναι 262,144 tokens. Δέχεται κείμενο και επιστρέφει κείμενο· τα αποτελέσματα εργαλείων παρέχονται μέσω συνδεδεμένης ροής εφαρμογής. Αυτό το checkpoint υποστηρίζει μόνο σκέψη. Διαφέρει από το προηγούμενο υβριδικό Qwen3-30B-A3B, την έκδοσή του FP8 και το Qwen3-30B-A3B-Instruct-2507. Δεν πρέπει να θεωρείται ότι ο διακόπτης χωρίς σκέψη του υβριδικού μοντέλου ισχύει εδώ.

Το προεπιλεγμένο πρότυπο συνομιλίας ξεκινά ήδη την αλληλουχία συλλογιστικής με δείκτη ανοίγματος σκέψης, οπότε μια ρητή ρύθμιση enable_thinking=True είναι περιττή. Μια επιστρεφόμενη αλληλουχία μπορεί να περιέχει τον δείκτη κλεισίματος χωρίς επανάληψη του δείκτη ανοίγματος. Το παράδειγμα του κατασκευαστή διαχωρίζει τη συλλογιστική από την τελική απάντηση. Διατηρήστε αυτή τη διάκριση όταν ζητάτε συγκεκριμένο παραδοτέο: ένα συμπέρασμα απόδειξης, patch ή πίνακας αποφάσεων πρέπει να παραμένει εύκολο να εντοπιστεί μετά την εκτενέστερη εξήγηση.

Προετοιμασία δύσκολης εργασίας

Δώστε στο μοντέλο την πλήρη διατύπωση του προβλήματος, τους περιορισμούς και τα σχετικά τεκμήρια. Για αλλαγή κώδικα, συμπεριλάβετε την υπάρχουσα συνάρτηση, μια είσοδο αστοχίας και την αναμενόμενη συμπεριφορά και έπειτα ζητήστε προτεινόμενο patch με εξήγηση οριακών περιπτώσεων. Για επιστημονική ερώτηση, διαχωρίστε τις παρατηρήσεις από τις παραδοχές και ρωτήστε ποιο συμπέρασμα προκύπτει από καθεμία. Για εκτεταμένη πολιτική ή προδιαγραφή, διατηρήστε τα αναγνωριστικά ενοτήτων και ζητήστε σύντομη απόφαση που στηρίζεται στις σχετικές ρήτρες. Πρόκειται για πρακτικές χρήσεις των τεκμηριωμένων πεδίων συλλογιστικής και όχι για ισχυρισμούς ότι το μοντέλο εκτέλεσε patch ή επικύρωσε πείραμα.

Επειδή αυτή η έκδοση μπορεί να συλλογίζεται εκτενώς, κρατήστε χώρο τόσο για συλλογιστική όσο και για το τελικό τεχνούργημα. Η Qwen συνιστά διατήρηση παραθύρου συμφραζομένων άνω των 131,072 tokens όπου είναι δυνατό κατά τη διαμόρφωση του μοντέλου, ακόμη και αν μικρότερο παράθυρο θα μείωνε την πίεση μνήμης. Το εγγενές μέγεθος συμφραζομένων περιλαμβάνει τον προϋπολογισμό αλληλουχίας· δεν είναι υπόσχεση ότι όλο μπορεί να χρησιμοποιηθεί για έγγραφο αφήνοντας απεριόριστο χώρο απάντησης.

Χρήση μέσω πρακτόρων

Ο κατασκευαστής τεκμηριώνει κλήση εργαλείων και συνιστά το Qwen-Agent για πρότυπα και ανάλυση εργαλείων, συμπεριλαμβανομένης ενσωμάτωσης με διαμορφωμένα εργαλεία και ροές διερμηνέα κώδικα. Ορίστε ρητά τα εργαλεία και το επιδιωκόμενο αποτέλεσμα. Για παράδειγμα, μια εφαρμογή θα μπορούσε να επιτρέπει στο μοντέλο να εξετάσει ανακτημένα τεκμήρια, να χρησιμοποιήσει επιτρεπόμενη αριθμομηχανή και έπειτα να παράγει αναφορά που εξηγεί τον υπολογισμό. Η ανάκτηση και η εκτέλεση ανήκουν στα συνδεδεμένα εργαλεία· η δυνατότητα κλήσης εργαλείων του μοντέλου δεν καθιερώνει από μόνη της πρόσβαση στο διαδίκτυο, σε περιβάλλον κώδικα ή σε επιχειρηματικά συστήματα.

Επεξεργασία εξαιρετικά εκτεταμένου κειμένου

Η Qwen τεκμηριώνει προαιρετική ροή που φτάνει περίπου ένα εκατομμύριο tokens συνδυάζοντας Dual Chunk Attention με αραιή προσοχή MInference. Η πρώτη τεχνική χωρίζει μεγάλες αλληλουχίες σε τμήματα διατηρώντας τις αλληλεπιδράσεις μεταξύ τους· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Αυτή είναι πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές παράθυρο συμφραζομένων 262,144 tokens. Η συνταγή του κατασκευαστή απαιτεί ειδική διαμόρφωση εκτεταμένων συμφραζομένων και εκτιμά περίπου 240 GB συνολικής μνήμης GPU για βάρη, προσωρινά αποθηκευμένη κατάσταση προσοχής και μέγιστες ενεργοποιήσεις.

Αυτή η συνταγή έχει συγκεκριμένα όρια πόρων: η προσωρινά αποθηκευμένη κατάσταση αλληλουχίας, η μνήμη ενεργοποιήσεων και το συνολικό μήκος εισόδου μπορούν το καθένα να εξαντλήσουν τη διαμορφωμένη χωρητικότητα. Μια ροή εκατομμυρίου tokens εξαρτάται επομένως από τη διαμόρφωση, τη μνήμη και την υποστηριζόμενη υλοποίηση προσοχής. Για πρακτικό έλεγχο εγγράφων, ξεκινήστε με το σχετικό υλικό, σημάνετε τα όρια εγγράφων και ζητήστε ανιχνεύσιμα τεκμήρια αντί να θεωρείτε τη μεγαλύτερη δυνατή είσοδο υποκατάστατο μιας σαφούς ερώτησης.

Οδηγίες και όρια παραγωγής

Η Qwen συνιστά temperature 0.6, top_p 0.95, top_k 20 και min_p 0. Προτείνει προϋπολογισμό εξόδου 32,768 tokens για τα περισσότερα ερωτήματα και 81,920 για ασυνήθιστα δύσκολα μαθηματικά ή προγραμματιστικά προβλήματα. Αυτές είναι συστάσεις προϋπολογισμού παραγωγής και όχι ξεχωριστά δημοσιευμένο αυστηρό ανώτατο όριο εξόδου. Μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώσει την επανάληψη, αλλά υψηλότερες τιμές μπορεί να αναμείξουν γλώσσες ή να μειώσουν ελαφρώς την ποιότητα.

Προσδιορίστε τη μορφή τελικής απάντησης στην προτροπή, όπως οριοθετημένο μαθηματικό αποτέλεσμα ή πεδίο απάντησης για ερώτηση πολλαπλής επιλογής. Κρατήστε μόνο το τμήμα τελικής απάντησης στο ιστορικό συνομιλίας, όπως συνιστά ο κατασκευαστής. Η εκτενέστερη συλλογιστική είναι χρήσιμη όταν παράγει ελέγξιμο αποτέλεσμα· εξετάστε παραδοχές, υπολογισμούς και προτεινόμενο κώδικα πριν βασιστείτε στο αποτέλεσμα.

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions

Είσοδος: text
Έξοδος: text
Μορφή εξόδου: json ή SSE

Πεδίο	Τύπος	Απαίτηση	Τιμές και όρια	Προεπιλογή
Πεδίο`model`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια Qwen/Qwen3-30B-A3B-Thinking-2507	Προεπιλογή—
Πεδίο`messages`	Τύπος`message[]`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1	Προεπιλογή—
Πεδίο`messages[].role`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`messages[].content`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εφαρμόζεται όταν: Συνομιλία κειμένου	Προεπιλογή—
Πεδίο`stream`	Τύπος`boolean`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια	Προεπιλογήfalse

Συνδυασμοί υλικών εισόδου

Κείμενο · Κείμενο UTF8

messages[].content

Παράμετροι και κύκλος ζωής μεθόδου

Παράμετρος	Σύμβαση
Παράμετρος`content_type`	Σύμβασηapplication/json
Παράμετρος`required`	Σύμβασηmodel, messages
Παράμετρος`material_types`	Σύμβασηtext
Παράμετρος`messages`	ΣύμβασηΠίνακας μηνυμάτων με δομή role/content
Παράμετρος`file_material`	Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου
Παράμετρος`optional_controls`	Σύμβασηstream
Παράμετρος`control_scope`	ΣύμβασηΣυνομιλία κειμένου· το stream είναι λογική τιμή και έχει προεπιλογή false.
Παράμετρος`output_modalities`	Σύμβασηtext
Παράμετρος`hosted_operations`	Σύμβασηfalse
Παράμετρος`multimodal_input_binding`	Σύμβασηnull

Εναλλακτικά ονόματα μεθόδου: /chat/completions

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.

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία: Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex: Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού: Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

Διαμόρφωση	Πίνακας χρεώσεων	Χρέωση
ΔιαμόρφωσηΒασικές χρεώσεις ανά token	Πίνακας χρεώσεωνΒασική χρέωση	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 →

Παραδείγματα αιτημάτων

Ailoot Ultra · OpenAI Chat

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-Thinking-2507","messages":[{"role":"user","content":"hello"}],"stream":false}')\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\n

from 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-Thinking-2507", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\n

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · OpenAI Chat

json ή SSE

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

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.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.

Πεδία απάντησης

Πεδίο	Τύπος
Πεδίο`choices[].index`	Τύποςinteger
Πεδίο`choices[].message.content`	Τύποςstring\|null
Πεδίο`choices[].message.tool_calls`	Τύποςtool_call[]
Πεδίο`choices[].message.reasoning_content`	Τύποςstring
Πεδίο`choices[].message.reasoning_details`	Τύποςobject\|array
Πεδίο`choices[].finish_reason`	Τύποςstring\|null
Πεδίο`usage`	Τύποςobject

Σφάλματα και επόμενα βήματα

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.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507

Εναλλακτικές διαδρομές μεθόδων

/chat/completions

Σχετικά ID μοντέλων

Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507

", "method_identity": { "effective_request_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|Qwen%2FQwen3-30B-A3B-Thinking-2507", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Κείμενο UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "Qwen/Qwen3-30B-A3B-Thinking-2507" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Συνομιλία κειμένου" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Συνομιλία κειμένου· το stream είναι λογική τιμή και έχει προεπιλογή false.", "file_material": "πραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου", "hosted_operations": false, "material_types": [ "text" ], "messages": "Πίνακας μηνυμάτων με δομή role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-Thinking-2507\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-Thinking-2507\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.2, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.8, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "

Al

Qwen3 30B A3B Thinking 2507

Alibaba /Qwen/Qwen3-30B-A3B-Thinking-2507

ID μοντέλου

Εισαγωγή

Το Qwen3-30B-A3B-Thinking-2507 είναι το μοντέλο κειμένου μόνο σκέψης της Qwen για απαιτητικά μαθηματικά, επιστήμες, προγραμματισμό και λογική συλλογιστική. Αυτή η σταθερή έκδοση 2507 παρέχει εγγενές παράθυρο συμφραζομένων 262,144 tokens και μεγαλύτερο προϋπολογισμό συλλογιστικής, με τεκμηριωμένη κλήση εργαλείων και ροές εξαιρετικά εκτεταμένων συμφραζομένων υπό προϋποθέσεις.

Αποδεκτές είσοδοι: Κείμενο
Αποτελέσματα: json · sse

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Κύρια χαρακτηριστικά: η σταθερή κυκλοφορία Thinking-2507

Το Qwen3-30B-A3B-Thinking-2507 είναι μοντέλο παραγωγής κειμένου που εστιάζει στη δύσκολη συλλογιστική. Η Qwen περιγράφει βελτιώσεις στη λογική, τα μαθηματικά, τις επιστήμες, τον προγραμματισμό, την τήρηση οδηγιών, τη χρήση εργαλείων και την παραγωγή κειμένου, μαζί με μεγαλύτερες αλληλουχίες σκέψης και ισχυρότερη κατανόηση εκτεταμένων συμφραζομένων. Επιλέξτε αυτή ακριβώς την έκδοση 2507 όταν η εργασία ωφελείται από παρατεταμένη συλλογιστική, όπως εξέταση ανταγωνιστικών εξηγήσεων, επίλυση μαθηματικού προβλήματος πολλών σταδίων ή επεξεργασία σύνθετης αλλαγής κώδικα.

Επισκόπηση μοντέλου και λειτουργία

Το μοντέλο μείγματος ειδικών έχει 30.5 δισεκατομμύρια συνολικές παραμέτρους και 3.3 δισεκατομμύρια ενεργοποιημένες παραμέτρους, με 128 ειδικούς και οκτώ επιλεγμένους ανά token σε 48 επίπεδα. Το εγγενές παράθυρο συμφραζομένων του είναι 262,144 tokens. Δέχεται κείμενο και επιστρέφει κείμενο· τα αποτελέσματα εργαλείων παρέχονται μέσω συνδεδεμένης ροής εφαρμογής. Αυτό το checkpoint υποστηρίζει μόνο σκέψη. Διαφέρει από το προηγούμενο υβριδικό Qwen3-30B-A3B, την έκδοσή του FP8 και το Qwen3-30B-A3B-Instruct-2507. Δεν πρέπει να θεωρείται ότι ο διακόπτης χωρίς σκέψη του υβριδικού μοντέλου ισχύει εδώ.

Το προεπιλεγμένο πρότυπο συνομιλίας ξεκινά ήδη την αλληλουχία συλλογιστικής με δείκτη ανοίγματος σκέψης, οπότε μια ρητή ρύθμιση enable_thinking=True είναι περιττή. Μια επιστρεφόμενη αλληλουχία μπορεί να περιέχει τον δείκτη κλεισίματος χωρίς επανάληψη του δείκτη ανοίγματος. Το παράδειγμα του κατασκευαστή διαχωρίζει τη συλλογιστική από την τελική απάντηση. Διατηρήστε αυτή τη διάκριση όταν ζητάτε συγκεκριμένο παραδοτέο: ένα συμπέρασμα απόδειξης, patch ή πίνακας αποφάσεων πρέπει να παραμένει εύκολο να εντοπιστεί μετά την εκτενέστερη εξήγηση.

Προετοιμασία δύσκολης εργασίας

Δώστε στο μοντέλο την πλήρη διατύπωση του προβλήματος, τους περιορισμούς και τα σχετικά τεκμήρια. Για αλλαγή κώδικα, συμπεριλάβετε την υπάρχουσα συνάρτηση, μια είσοδο αστοχίας και την αναμενόμενη συμπεριφορά και έπειτα ζητήστε προτεινόμενο patch με εξήγηση οριακών περιπτώσεων. Για επιστημονική ερώτηση, διαχωρίστε τις παρατηρήσεις από τις παραδοχές και ρωτήστε ποιο συμπέρασμα προκύπτει από καθεμία. Για εκτεταμένη πολιτική ή προδιαγραφή, διατηρήστε τα αναγνωριστικά ενοτήτων και ζητήστε σύντομη απόφαση που στηρίζεται στις σχετικές ρήτρες. Πρόκειται για πρακτικές χρήσεις των τεκμηριωμένων πεδίων συλλογιστικής και όχι για ισχυρισμούς ότι το μοντέλο εκτέλεσε patch ή επικύρωσε πείραμα.

Επειδή αυτή η έκδοση μπορεί να συλλογίζεται εκτενώς, κρατήστε χώρο τόσο για συλλογιστική όσο και για το τελικό τεχνούργημα. Η Qwen συνιστά διατήρηση παραθύρου συμφραζομένων άνω των 131,072 tokens όπου είναι δυνατό κατά τη διαμόρφωση του μοντέλου, ακόμη και αν μικρότερο παράθυρο θα μείωνε την πίεση μνήμης. Το εγγενές μέγεθος συμφραζομένων περιλαμβάνει τον προϋπολογισμό αλληλουχίας· δεν είναι υπόσχεση ότι όλο μπορεί να χρησιμοποιηθεί για έγγραφο αφήνοντας απεριόριστο χώρο απάντησης.

Χρήση μέσω πρακτόρων

Ο κατασκευαστής τεκμηριώνει κλήση εργαλείων και συνιστά το Qwen-Agent για πρότυπα και ανάλυση εργαλείων, συμπεριλαμβανομένης ενσωμάτωσης με διαμορφωμένα εργαλεία και ροές διερμηνέα κώδικα. Ορίστε ρητά τα εργαλεία και το επιδιωκόμενο αποτέλεσμα. Για παράδειγμα, μια εφαρμογή θα μπορούσε να επιτρέπει στο μοντέλο να εξετάσει ανακτημένα τεκμήρια, να χρησιμοποιήσει επιτρεπόμενη αριθμομηχανή και έπειτα να παράγει αναφορά που εξηγεί τον υπολογισμό. Η ανάκτηση και η εκτέλεση ανήκουν στα συνδεδεμένα εργαλεία· η δυνατότητα κλήσης εργαλείων του μοντέλου δεν καθιερώνει από μόνη της πρόσβαση στο διαδίκτυο, σε περιβάλλον κώδικα ή σε επιχειρηματικά συστήματα.

Επεξεργασία εξαιρετικά εκτεταμένου κειμένου

Η Qwen τεκμηριώνει προαιρετική ροή που φτάνει περίπου ένα εκατομμύριο tokens συνδυάζοντας Dual Chunk Attention με αραιή προσοχή MInference. Η πρώτη τεχνική χωρίζει μεγάλες αλληλουχίες σε τμήματα διατηρώντας τις αλληλεπιδράσεις μεταξύ τους· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Αυτή είναι πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές παράθυρο συμφραζομένων 262,144 tokens. Η συνταγή του κατασκευαστή απαιτεί ειδική διαμόρφωση εκτεταμένων συμφραζομένων και εκτιμά περίπου 240 GB συνολικής μνήμης GPU για βάρη, προσωρινά αποθηκευμένη κατάσταση προσοχής και μέγιστες ενεργοποιήσεις.

Αυτή η συνταγή έχει συγκεκριμένα όρια πόρων: η προσωρινά αποθηκευμένη κατάσταση αλληλουχίας, η μνήμη ενεργοποιήσεων και το συνολικό μήκος εισόδου μπορούν το καθένα να εξαντλήσουν τη διαμορφωμένη χωρητικότητα. Μια ροή εκατομμυρίου tokens εξαρτάται επομένως από τη διαμόρφωση, τη μνήμη και την υποστηριζόμενη υλοποίηση προσοχής. Για πρακτικό έλεγχο εγγράφων, ξεκινήστε με το σχετικό υλικό, σημάνετε τα όρια εγγράφων και ζητήστε ανιχνεύσιμα τεκμήρια αντί να θεωρείτε τη μεγαλύτερη δυνατή είσοδο υποκατάστατο μιας σαφούς ερώτησης.

Οδηγίες και όρια παραγωγής

Η Qwen συνιστά temperature 0.6, top_p 0.95, top_k 20 και min_p 0. Προτείνει προϋπολογισμό εξόδου 32,768 tokens για τα περισσότερα ερωτήματα και 81,920 για ασυνήθιστα δύσκολα μαθηματικά ή προγραμματιστικά προβλήματα. Αυτές είναι συστάσεις προϋπολογισμού παραγωγής και όχι ξεχωριστά δημοσιευμένο αυστηρό ανώτατο όριο εξόδου. Μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώσει την επανάληψη, αλλά υψηλότερες τιμές μπορεί να αναμείξουν γλώσσες ή να μειώσουν ελαφρώς την ποιότητα.

Προσδιορίστε τη μορφή τελικής απάντησης στην προτροπή, όπως οριοθετημένο μαθηματικό αποτέλεσμα ή πεδίο απάντησης για ερώτηση πολλαπλής επιλογής. Κρατήστε μόνο το τμήμα τελικής απάντησης στο ιστορικό συνομιλίας, όπως συνιστά ο κατασκευαστής. Η εκτενέστερη συλλογιστική είναι χρήσιμη όταν παράγει ελέγξιμο αποτέλεσμα· εξετάστε παραδοχές, υπολογισμούς και προτεινόμενο κώδικα πριν βασιστείτε στο αποτέλεσμα.

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · Anthropic Messages POST /v1/messages

Είσοδος: text
Έξοδος: json, sse
Μορφή εξόδου: JSON ή SSE

Πεδίο	Τύπος	Απαίτηση	Τιμές και όρια	Προεπιλογή
Πεδίο`model`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια Qwen/Qwen3-30B-A3B-Thinking-2507	Προεπιλογή—
Πεδίο`messages`	Τύπος`message[]`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`messages[].role`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια user, assistant	Προεπιλογή—
Πεδίο`messages[].content`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`max_tokens`	Τύπος`integer`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`stream`	Τύπος`boolean`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια	Προεπιλογήfalse

Συνδυασμοί υλικών εισόδου

Κείμενο · Κείμενο UTF-8

Συμβολοσειρά messages[].content

Παράμετροι και κύκλος ζωής μεθόδου

Παράμετρος	Σύμβαση
Παράμετρος`content_type`	Σύμβασηapplication/json
Παράμετρος`required`	Σύμβασηmodel, messages, max_tokens
Παράμετρος`optional_controls`	Σύμβασηstream
Παράμετρος`material_types`	Σύμβασηtext
Παράμετρος`text_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

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία: Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex: Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού: Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

Διαμόρφωση	Πίνακας χρεώσεων	Χρέωση
ΔιαμόρφωσηΒασικές χρεώσεις ανά token	Πίνακας χρεώσεωνΒασική χρέωση	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 →

Παραδείγματα αιτημάτων

Ailoot Ultra · Anthropic Messages

{\n  "model": "Qwen/Qwen3-30B-A3B-Thinking-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-Thinking-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\n

import 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-Thinking-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))\n

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · Anthropic Messages

JSON ή SSE

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

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.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.

Πεδία απάντησης

Πεδίο	Τύπος
Πεδίο`id`	Τύποςstring
Πεδίο`model`	Τύποςstring
Πεδίο`content[]`	Τύποςtext\|thinking\|tool_use\|other content block
Πεδίο`stop_reason`	Τύποςstring\|null
Πεδίο`usage`	Τύποςobject

Σφάλματα και επόμενα βήματα

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.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507

Εναλλακτικές διαδρομές μεθόδων

/chat/completions

Σχετικά ID μοντέλων

Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507

", "method_identity": { "effective_request_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|Qwen%2FQwen3-30B-A3B-Thinking-2507", "ordinal": 1, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "Qwen/Qwen3-30B-A3B-Thinking-2507", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "Συμβολοσειρά messages[].content", "required_material": "Κείμενο UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "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.", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "Qwen/Qwen3-30B-A3B-Thinking-2507" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "Qwen/Qwen3-30B-A3B-Thinking-2507" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "Qwen/Qwen3-30B-A3B-Thinking-2507", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "Διαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος." }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"Qwen/Qwen3-30B-A3B-Thinking-2507\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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-Thinking-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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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-Thinking-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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 0.2, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "

Al

Qwen3 30B A3B Thinking 2507

Alibaba /qwen3-30b-a3b-thinking-2507

ID μοντέλου

Εισαγωγή

Το Qwen3-30B-A3B-Thinking-2507 είναι το μοντέλο κειμένου μόνο σκέψης της Qwen για απαιτητικά μαθηματικά, επιστήμες, προγραμματισμό και λογική συλλογιστική. Αυτή η σταθερή έκδοση 2507 παρέχει εγγενές παράθυρο συμφραζομένων 262,144 tokens και μεγαλύτερο προϋπολογισμό συλλογιστικής, με τεκμηριωμένη κλήση εργαλείων και ροές εξαιρετικά εκτεταμένων συμφραζομένων υπό προϋποθέσεις.

Αποδεκτές είσοδοι: Κείμενο
Αποτελέσματα: Κείμενο

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Κύρια χαρακτηριστικά: η σταθερή κυκλοφορία Thinking-2507

Το Qwen3-30B-A3B-Thinking-2507 είναι μοντέλο παραγωγής κειμένου που εστιάζει στη δύσκολη συλλογιστική. Η Qwen περιγράφει βελτιώσεις στη λογική, τα μαθηματικά, τις επιστήμες, τον προγραμματισμό, την τήρηση οδηγιών, τη χρήση εργαλείων και την παραγωγή κειμένου, μαζί με μεγαλύτερες αλληλουχίες σκέψης και ισχυρότερη κατανόηση εκτεταμένων συμφραζομένων. Επιλέξτε αυτή ακριβώς την έκδοση 2507 όταν η εργασία ωφελείται από παρατεταμένη συλλογιστική, όπως εξέταση ανταγωνιστικών εξηγήσεων, επίλυση μαθηματικού προβλήματος πολλών σταδίων ή επεξεργασία σύνθετης αλλαγής κώδικα.

Επισκόπηση μοντέλου και λειτουργία

Το μοντέλο μείγματος ειδικών έχει 30.5 δισεκατομμύρια συνολικές παραμέτρους και 3.3 δισεκατομμύρια ενεργοποιημένες παραμέτρους, με 128 ειδικούς και οκτώ επιλεγμένους ανά token σε 48 επίπεδα. Το εγγενές παράθυρο συμφραζομένων του είναι 262,144 tokens. Δέχεται κείμενο και επιστρέφει κείμενο· τα αποτελέσματα εργαλείων παρέχονται μέσω συνδεδεμένης ροής εφαρμογής. Αυτό το checkpoint υποστηρίζει μόνο σκέψη. Διαφέρει από το προηγούμενο υβριδικό Qwen3-30B-A3B, την έκδοσή του FP8 και το Qwen3-30B-A3B-Instruct-2507. Δεν πρέπει να θεωρείται ότι ο διακόπτης χωρίς σκέψη του υβριδικού μοντέλου ισχύει εδώ.

Το προεπιλεγμένο πρότυπο συνομιλίας ξεκινά ήδη την αλληλουχία συλλογιστικής με δείκτη ανοίγματος σκέψης, οπότε μια ρητή ρύθμιση enable_thinking=True είναι περιττή. Μια επιστρεφόμενη αλληλουχία μπορεί να περιέχει τον δείκτη κλεισίματος χωρίς επανάληψη του δείκτη ανοίγματος. Το παράδειγμα του κατασκευαστή διαχωρίζει τη συλλογιστική από την τελική απάντηση. Διατηρήστε αυτή τη διάκριση όταν ζητάτε συγκεκριμένο παραδοτέο: ένα συμπέρασμα απόδειξης, patch ή πίνακας αποφάσεων πρέπει να παραμένει εύκολο να εντοπιστεί μετά την εκτενέστερη εξήγηση.

Προετοιμασία δύσκολης εργασίας

Δώστε στο μοντέλο την πλήρη διατύπωση του προβλήματος, τους περιορισμούς και τα σχετικά τεκμήρια. Για αλλαγή κώδικα, συμπεριλάβετε την υπάρχουσα συνάρτηση, μια είσοδο αστοχίας και την αναμενόμενη συμπεριφορά και έπειτα ζητήστε προτεινόμενο patch με εξήγηση οριακών περιπτώσεων. Για επιστημονική ερώτηση, διαχωρίστε τις παρατηρήσεις από τις παραδοχές και ρωτήστε ποιο συμπέρασμα προκύπτει από καθεμία. Για εκτεταμένη πολιτική ή προδιαγραφή, διατηρήστε τα αναγνωριστικά ενοτήτων και ζητήστε σύντομη απόφαση που στηρίζεται στις σχετικές ρήτρες. Πρόκειται για πρακτικές χρήσεις των τεκμηριωμένων πεδίων συλλογιστικής και όχι για ισχυρισμούς ότι το μοντέλο εκτέλεσε patch ή επικύρωσε πείραμα.

Επειδή αυτή η έκδοση μπορεί να συλλογίζεται εκτενώς, κρατήστε χώρο τόσο για συλλογιστική όσο και για το τελικό τεχνούργημα. Η Qwen συνιστά διατήρηση παραθύρου συμφραζομένων άνω των 131,072 tokens όπου είναι δυνατό κατά τη διαμόρφωση του μοντέλου, ακόμη και αν μικρότερο παράθυρο θα μείωνε την πίεση μνήμης. Το εγγενές μέγεθος συμφραζομένων περιλαμβάνει τον προϋπολογισμό αλληλουχίας· δεν είναι υπόσχεση ότι όλο μπορεί να χρησιμοποιηθεί για έγγραφο αφήνοντας απεριόριστο χώρο απάντησης.

Χρήση μέσω πρακτόρων

Ο κατασκευαστής τεκμηριώνει κλήση εργαλείων και συνιστά το Qwen-Agent για πρότυπα και ανάλυση εργαλείων, συμπεριλαμβανομένης ενσωμάτωσης με διαμορφωμένα εργαλεία και ροές διερμηνέα κώδικα. Ορίστε ρητά τα εργαλεία και το επιδιωκόμενο αποτέλεσμα. Για παράδειγμα, μια εφαρμογή θα μπορούσε να επιτρέπει στο μοντέλο να εξετάσει ανακτημένα τεκμήρια, να χρησιμοποιήσει επιτρεπόμενη αριθμομηχανή και έπειτα να παράγει αναφορά που εξηγεί τον υπολογισμό. Η ανάκτηση και η εκτέλεση ανήκουν στα συνδεδεμένα εργαλεία· η δυνατότητα κλήσης εργαλείων του μοντέλου δεν καθιερώνει από μόνη της πρόσβαση στο διαδίκτυο, σε περιβάλλον κώδικα ή σε επιχειρηματικά συστήματα.

Επεξεργασία εξαιρετικά εκτεταμένου κειμένου

Η Qwen τεκμηριώνει προαιρετική ροή που φτάνει περίπου ένα εκατομμύριο tokens συνδυάζοντας Dual Chunk Attention με αραιή προσοχή MInference. Η πρώτη τεχνική χωρίζει μεγάλες αλληλουχίες σε τμήματα διατηρώντας τις αλληλεπιδράσεις μεταξύ τους· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Αυτή είναι πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές παράθυρο συμφραζομένων 262,144 tokens. Η συνταγή του κατασκευαστή απαιτεί ειδική διαμόρφωση εκτεταμένων συμφραζομένων και εκτιμά περίπου 240 GB συνολικής μνήμης GPU για βάρη, προσωρινά αποθηκευμένη κατάσταση προσοχής και μέγιστες ενεργοποιήσεις.

Αυτή η συνταγή έχει συγκεκριμένα όρια πόρων: η προσωρινά αποθηκευμένη κατάσταση αλληλουχίας, η μνήμη ενεργοποιήσεων και το συνολικό μήκος εισόδου μπορούν το καθένα να εξαντλήσουν τη διαμορφωμένη χωρητικότητα. Μια ροή εκατομμυρίου tokens εξαρτάται επομένως από τη διαμόρφωση, τη μνήμη και την υποστηριζόμενη υλοποίηση προσοχής. Για πρακτικό έλεγχο εγγράφων, ξεκινήστε με το σχετικό υλικό, σημάνετε τα όρια εγγράφων και ζητήστε ανιχνεύσιμα τεκμήρια αντί να θεωρείτε τη μεγαλύτερη δυνατή είσοδο υποκατάστατο μιας σαφούς ερώτησης.

Οδηγίες και όρια παραγωγής

Η Qwen συνιστά temperature 0.6, top_p 0.95, top_k 20 και min_p 0. Προτείνει προϋπολογισμό εξόδου 32,768 tokens για τα περισσότερα ερωτήματα και 81,920 για ασυνήθιστα δύσκολα μαθηματικά ή προγραμματιστικά προβλήματα. Αυτές είναι συστάσεις προϋπολογισμού παραγωγής και όχι ξεχωριστά δημοσιευμένο αυστηρό ανώτατο όριο εξόδου. Μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώσει την επανάληψη, αλλά υψηλότερες τιμές μπορεί να αναμείξουν γλώσσες ή να μειώσουν ελαφρώς την ποιότητα.

Προσδιορίστε τη μορφή τελικής απάντησης στην προτροπή, όπως οριοθετημένο μαθηματικό αποτέλεσμα ή πεδίο απάντησης για ερώτηση πολλαπλής επιλογής. Κρατήστε μόνο το τμήμα τελικής απάντησης στο ιστορικό συνομιλίας, όπως συνιστά ο κατασκευαστής. Η εκτενέστερη συλλογιστική είναι χρήσιμη όταν παράγει ελέγξιμο αποτέλεσμα· εξετάστε παραδοχές, υπολογισμούς και προτεινόμενο κώδικα πριν βασιστείτε στο αποτέλεσμα.

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions

Είσοδος: text
Έξοδος: text
Μορφή εξόδου: json ή SSE

Πεδίο	Τύπος	Απαίτηση	Τιμές και όρια	Προεπιλογή
Πεδίο`model`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια qwen3-30b-a3b-thinking-2507	Προεπιλογή—
Πεδίο`messages`	Τύπος`message[]`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1	Προεπιλογή—
Πεδίο`messages[].role`	Τύπος`string`	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—
Πεδίο`messages[].content`	Τύπος`string\|content_part[]\|null`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`messages[].tool_calls`	Τύπος`tool_call[]`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`messages[].tool_call_id`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε	Προεπιλογή—
Πεδίο`messages[].name`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`messages[].reasoning_content`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί	Προεπιλογή—
Πεδίο`messages[].reasoning_details`	Τύπος`object\|array`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`max_tokens`	Τύπος`integer`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`max_completion_tokens`	Τύπος`integer`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`stream`	Τύπος`boolean`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια	Προεπιλογήfalse
Πεδίο`stream_options.include_usage`	Τύπος`boolean`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`temperature`	Τύπος`number`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`top_p`	Τύπος`number`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`stop`	Τύπος`string\|string[]`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`tools`	Τύπος`function_tool[]`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`tools[].type`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια function Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`tools[].function.name`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης	Προεπιλογή—
Πεδίο`tools[].function.description`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`tools[].function.parameters`	Τύπος`JSON_schema`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`tool_choice`	Τύπος`string\|object`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`parallel_tool_calls`	Τύπος`boolean`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`response_format`	Τύπος`object`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`reasoning_effort`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`reasoning`	Τύπος`object`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`service_tier`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`instructions`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Πεδίο συμβατότητας	Προεπιλογή—
Πεδίο`functions`	Τύπος`function[]`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`function_call`	Τύπος`string\|object`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`prompt_cache_options`	Τύπος`object`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Εξαρτάται από το μοντέλο	Προεπιλογή—
Πεδίο`modalities`	Τύπος`string[]`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια text	Προεπιλογή—
Πεδίο`provider`	Τύπος`object`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra	Προεπιλογή—
Πεδίο`cache_control.ttl`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών	Προεπιλογή—

Συνδυασμοί υλικών εισόδου

Κείμενο · Κείμενο UTF8

messages[].content

Παράμετροι και κύκλος ζωής μεθόδου

Παράμετρος	Σύμβαση
Παράμετρος`content_type`	Σύμβασηapplication/json
Παράμετρος`required`	Σύμβασηmodel, messages
Παράμετρος`material_types`	Σύμβασηtext
Παράμετρος`messages`	ΣύμβασηΠίνακας μηνυμάτων με δομή role/content
Παράμετρος`file_material`	Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου
Παράμετρος`optional_controls`	Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Παράμετρος`control_scope`	Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία
Παράμετρος`output_modalities`	Σύμβασηtext
Παράμετρος`hosted_operations`	Σύμβασηfalse
Παράμετρος`multimodal_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.

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία: Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex: Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού: Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

Διαμόρφωση	Πίνακας χρεώσεων	Χρέωση
ΔιαμόρφωσηΒασικές χρεώσεις ανά token	Πίνακας χρεώσεωνΒασική χρέωση	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 →

Παραδείγματα αιτημάτων

Ailoot Ultra · OpenAI Chat

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": "qwen3-30b-a3b-thinking-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\n

from 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='qwen3-30b-a3b-thinking-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"))\n

from 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='qwen3-30b-a3b-thinking-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")\n

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · OpenAI Chat

json ή SSE

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

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.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.

Πεδία απάντησης

Πεδίο	Τύπος
Πεδίο`choices[].index`	Τύποςinteger
Πεδίο`choices[].message.content`	Τύποςstring\|null
Πεδίο`choices[].message.tool_calls`	Τύποςtool_call[]
Πεδίο`choices[].message.reasoning_content`	Τύποςstring
Πεδίο`choices[].message.reasoning_details`	Τύποςobject\|array
Πεδίο`choices[].finish_reason`	Τύποςstring\|null
Πεδίο`usage`	Τύποςobject

Σφάλματα και επόμενα βήματα

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.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507

Εναλλακτικές διαδρομές μεθόδων

/chat/completions

Σχετικά ID μοντέλων

Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507

", "method_identity": { "effective_request_model_id": "qwen3-30b-a3b-thinking-2507", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "qwen3-30b-a3b-thinking-2507", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|qwen3-30b-a3b-thinking-2507", "ordinal": 2, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "A model-dependent field needs the exact published model profile; unspecified defaults/enums are not guessed.", "Tool calls propose actions; the client application returns actual observations with the returned call ID.", "Guarded canonical keys must occur once; duplicate or case-varied model/tools/cap fields are rejected." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Κείμενο UTF8" } ], "operation_modes": [ "conversation", "function_tool_continuation", "streaming" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen3-30b-a3b-thinking-2507" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "conditions": "Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο.", "default": null, "default_known": false, "enum": [ "system", "user", "assistant", "tool", "function" ], "enum_exhaustive": false, "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string|content_part[]|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_calls", "required": false, "type": "tool_call[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_call_id", "required": false, "type": "string", "when": "role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].name", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_content", "required": false, "type": "string", "when": "Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_details", "required": false, "type": "object|array" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stream_options.include_usage", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stop", "required": false, "type": "string|string[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools", "required": false, "type": "function_tool[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": [ "function" ], "enum_known": true, "name": "tools[].type", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.name", "required": true, "type": "string", "when": "Παρεχόμενο εργαλείο τύπου συνάρτησης" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.description", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.parameters", "required": false, "type": "JSON_schema" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tool_choice", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "parallel_tool_calls", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "response_format", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning_effort", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "service_tier", "required": false, "type": "string" }, { "availability": "source_compatibility", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "instructions", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "functions", "required": false, "type": "function[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "function_call", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "prompt_cache_options", "required": false, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text" ], "enum_known": true, "name": "modalities", "required": false, "type": "string[]" }, { "availability": "source_interface", "conditions": "Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" }, { "availability": "source_interface", "conditions": "Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cache_control.ttl", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "εξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία", "file_material": "πραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου", "hosted_operations": false, "material_types": [ "text" ], "messages": "Πίνακας μηνυμάτων με δομή role/content", "multimodal_input_binding": null, "optional_controls": [ "stream", "temperature", "top_p", "stop", "max_tokens", "max_completion_tokens", "reasoning", "response_format", "tools", "tool_choice" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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\": \"qwen3-30b-a3b-thinking-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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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='qwen3-30b-a3b-thinking-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\"))\n", "label": "Python SDK · all choices", "language": "python" }, { "code": "from 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='qwen3-30b-a3b-thinking-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\")\n", "label": "Python SDK streaming · all events", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.2, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "qwen3-30b-a3b-thinking-2507", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "

Al

Qwen3 30B A3B Thinking 2507

Alibaba /qwen3-30b-a3b-thinking-2507

ID μοντέλου

Εισαγωγή

Το Qwen3-30B-A3B-Thinking-2507 είναι το μοντέλο κειμένου μόνο σκέψης της Qwen για απαιτητικά μαθηματικά, επιστήμες, προγραμματισμό και λογική συλλογιστική. Αυτή η σταθερή έκδοση 2507 παρέχει εγγενές παράθυρο συμφραζομένων 262,144 tokens και μεγαλύτερο προϋπολογισμό συλλογιστικής, με τεκμηριωμένη κλήση εργαλείων και ροές εξαιρετικά εκτεταμένων συμφραζομένων υπό προϋποθέσεις.

Αποδεκτές είσοδοι: Κείμενο
Αποτελέσματα: json · sse

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Κύρια χαρακτηριστικά: η σταθερή κυκλοφορία Thinking-2507

Το Qwen3-30B-A3B-Thinking-2507 είναι μοντέλο παραγωγής κειμένου που εστιάζει στη δύσκολη συλλογιστική. Η Qwen περιγράφει βελτιώσεις στη λογική, τα μαθηματικά, τις επιστήμες, τον προγραμματισμό, την τήρηση οδηγιών, τη χρήση εργαλείων και την παραγωγή κειμένου, μαζί με μεγαλύτερες αλληλουχίες σκέψης και ισχυρότερη κατανόηση εκτεταμένων συμφραζομένων. Επιλέξτε αυτή ακριβώς την έκδοση 2507 όταν η εργασία ωφελείται από παρατεταμένη συλλογιστική, όπως εξέταση ανταγωνιστικών εξηγήσεων, επίλυση μαθηματικού προβλήματος πολλών σταδίων ή επεξεργασία σύνθετης αλλαγής κώδικα.

Επισκόπηση μοντέλου και λειτουργία

Το μοντέλο μείγματος ειδικών έχει 30.5 δισεκατομμύρια συνολικές παραμέτρους και 3.3 δισεκατομμύρια ενεργοποιημένες παραμέτρους, με 128 ειδικούς και οκτώ επιλεγμένους ανά token σε 48 επίπεδα. Το εγγενές παράθυρο συμφραζομένων του είναι 262,144 tokens. Δέχεται κείμενο και επιστρέφει κείμενο· τα αποτελέσματα εργαλείων παρέχονται μέσω συνδεδεμένης ροής εφαρμογής. Αυτό το checkpoint υποστηρίζει μόνο σκέψη. Διαφέρει από το προηγούμενο υβριδικό Qwen3-30B-A3B, την έκδοσή του FP8 και το Qwen3-30B-A3B-Instruct-2507. Δεν πρέπει να θεωρείται ότι ο διακόπτης χωρίς σκέψη του υβριδικού μοντέλου ισχύει εδώ.

Το προεπιλεγμένο πρότυπο συνομιλίας ξεκινά ήδη την αλληλουχία συλλογιστικής με δείκτη ανοίγματος σκέψης, οπότε μια ρητή ρύθμιση enable_thinking=True είναι περιττή. Μια επιστρεφόμενη αλληλουχία μπορεί να περιέχει τον δείκτη κλεισίματος χωρίς επανάληψη του δείκτη ανοίγματος. Το παράδειγμα του κατασκευαστή διαχωρίζει τη συλλογιστική από την τελική απάντηση. Διατηρήστε αυτή τη διάκριση όταν ζητάτε συγκεκριμένο παραδοτέο: ένα συμπέρασμα απόδειξης, patch ή πίνακας αποφάσεων πρέπει να παραμένει εύκολο να εντοπιστεί μετά την εκτενέστερη εξήγηση.

Προετοιμασία δύσκολης εργασίας

Δώστε στο μοντέλο την πλήρη διατύπωση του προβλήματος, τους περιορισμούς και τα σχετικά τεκμήρια. Για αλλαγή κώδικα, συμπεριλάβετε την υπάρχουσα συνάρτηση, μια είσοδο αστοχίας και την αναμενόμενη συμπεριφορά και έπειτα ζητήστε προτεινόμενο patch με εξήγηση οριακών περιπτώσεων. Για επιστημονική ερώτηση, διαχωρίστε τις παρατηρήσεις από τις παραδοχές και ρωτήστε ποιο συμπέρασμα προκύπτει από καθεμία. Για εκτεταμένη πολιτική ή προδιαγραφή, διατηρήστε τα αναγνωριστικά ενοτήτων και ζητήστε σύντομη απόφαση που στηρίζεται στις σχετικές ρήτρες. Πρόκειται για πρακτικές χρήσεις των τεκμηριωμένων πεδίων συλλογιστικής και όχι για ισχυρισμούς ότι το μοντέλο εκτέλεσε patch ή επικύρωσε πείραμα.

Επειδή αυτή η έκδοση μπορεί να συλλογίζεται εκτενώς, κρατήστε χώρο τόσο για συλλογιστική όσο και για το τελικό τεχνούργημα. Η Qwen συνιστά διατήρηση παραθύρου συμφραζομένων άνω των 131,072 tokens όπου είναι δυνατό κατά τη διαμόρφωση του μοντέλου, ακόμη και αν μικρότερο παράθυρο θα μείωνε την πίεση μνήμης. Το εγγενές μέγεθος συμφραζομένων περιλαμβάνει τον προϋπολογισμό αλληλουχίας· δεν είναι υπόσχεση ότι όλο μπορεί να χρησιμοποιηθεί για έγγραφο αφήνοντας απεριόριστο χώρο απάντησης.

Χρήση μέσω πρακτόρων

Ο κατασκευαστής τεκμηριώνει κλήση εργαλείων και συνιστά το Qwen-Agent για πρότυπα και ανάλυση εργαλείων, συμπεριλαμβανομένης ενσωμάτωσης με διαμορφωμένα εργαλεία και ροές διερμηνέα κώδικα. Ορίστε ρητά τα εργαλεία και το επιδιωκόμενο αποτέλεσμα. Για παράδειγμα, μια εφαρμογή θα μπορούσε να επιτρέπει στο μοντέλο να εξετάσει ανακτημένα τεκμήρια, να χρησιμοποιήσει επιτρεπόμενη αριθμομηχανή και έπειτα να παράγει αναφορά που εξηγεί τον υπολογισμό. Η ανάκτηση και η εκτέλεση ανήκουν στα συνδεδεμένα εργαλεία· η δυνατότητα κλήσης εργαλείων του μοντέλου δεν καθιερώνει από μόνη της πρόσβαση στο διαδίκτυο, σε περιβάλλον κώδικα ή σε επιχειρηματικά συστήματα.

Επεξεργασία εξαιρετικά εκτεταμένου κειμένου

Η Qwen τεκμηριώνει προαιρετική ροή που φτάνει περίπου ένα εκατομμύριο tokens συνδυάζοντας Dual Chunk Attention με αραιή προσοχή MInference. Η πρώτη τεχνική χωρίζει μεγάλες αλληλουχίες σε τμήματα διατηρώντας τις αλληλεπιδράσεις μεταξύ τους· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Αυτή είναι πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές παράθυρο συμφραζομένων 262,144 tokens. Η συνταγή του κατασκευαστή απαιτεί ειδική διαμόρφωση εκτεταμένων συμφραζομένων και εκτιμά περίπου 240 GB συνολικής μνήμης GPU για βάρη, προσωρινά αποθηκευμένη κατάσταση προσοχής και μέγιστες ενεργοποιήσεις.

Αυτή η συνταγή έχει συγκεκριμένα όρια πόρων: η προσωρινά αποθηκευμένη κατάσταση αλληλουχίας, η μνήμη ενεργοποιήσεων και το συνολικό μήκος εισόδου μπορούν το καθένα να εξαντλήσουν τη διαμορφωμένη χωρητικότητα. Μια ροή εκατομμυρίου tokens εξαρτάται επομένως από τη διαμόρφωση, τη μνήμη και την υποστηριζόμενη υλοποίηση προσοχής. Για πρακτικό έλεγχο εγγράφων, ξεκινήστε με το σχετικό υλικό, σημάνετε τα όρια εγγράφων και ζητήστε ανιχνεύσιμα τεκμήρια αντί να θεωρείτε τη μεγαλύτερη δυνατή είσοδο υποκατάστατο μιας σαφούς ερώτησης.

Οδηγίες και όρια παραγωγής

Η Qwen συνιστά temperature 0.6, top_p 0.95, top_k 20 και min_p 0. Προτείνει προϋπολογισμό εξόδου 32,768 tokens για τα περισσότερα ερωτήματα και 81,920 για ασυνήθιστα δύσκολα μαθηματικά ή προγραμματιστικά προβλήματα. Αυτές είναι συστάσεις προϋπολογισμού παραγωγής και όχι ξεχωριστά δημοσιευμένο αυστηρό ανώτατο όριο εξόδου. Μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώσει την επανάληψη, αλλά υψηλότερες τιμές μπορεί να αναμείξουν γλώσσες ή να μειώσουν ελαφρώς την ποιότητα.

Προσδιορίστε τη μορφή τελικής απάντησης στην προτροπή, όπως οριοθετημένο μαθηματικό αποτέλεσμα ή πεδίο απάντησης για ερώτηση πολλαπλής επιλογής. Κρατήστε μόνο το τμήμα τελικής απάντησης στο ιστορικό συνομιλίας, όπως συνιστά ο κατασκευαστής. Η εκτενέστερη συλλογιστική είναι χρήσιμη όταν παράγει ελέγξιμο αποτέλεσμα· εξετάστε παραδοχές, υπολογισμούς και προτεινόμενο κώδικα πριν βασιστείτε στο αποτέλεσμα.

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · Anthropic Messages POST /v1/messages

Είσοδος: text
Έξοδος: json, sse
Μορφή εξόδου: JSON ή SSE

Πεδίο	Τύπος	Απαίτηση	Τιμές και όρια	Προεπιλογή
Πεδίο`model`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια qwen3-30b-a3b-thinking-2507	Προεπιλογή—
Πεδίο`messages`	Τύπος`message[]`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`messages[].role`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια user, assistant	Προεπιλογή—
Πεδίο`messages[].content`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`max_tokens`	Τύπος`integer`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια	Προεπιλογή—
Πεδίο`stream`	Τύπος`boolean`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια	Προεπιλογήfalse

Συνδυασμοί υλικών εισόδου

Κείμενο · Κείμενο UTF-8

Συμβολοσειρά messages[].content

Παράμετροι και κύκλος ζωής μεθόδου

Παράμετρος	Σύμβαση
Παράμετρος`content_type`	Σύμβασηapplication/json
Παράμετρος`required`	Σύμβασηmodel, messages, max_tokens
Παράμετρος`optional_controls`	Σύμβασηstream
Παράμετρος`material_types`	Σύμβασηtext
Παράμετρος`text_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

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία: Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex: Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού: Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

Διαμόρφωση	Πίνακας χρεώσεων	Χρέωση
ΔιαμόρφωσηΒασικές χρεώσεις ανά token	Πίνακας χρεώσεωνΒασική χρέωση	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 →

Παραδείγματα αιτημάτων

Ailoot Ultra · Anthropic Messages

{\n  "model": "qwen3-30b-a3b-thinking-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': 'qwen3-30b-a3b-thinking-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\n

import 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': 'qwen3-30b-a3b-thinking-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))\n

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · Anthropic Messages

JSON ή SSE

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

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.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.

Πεδία απάντησης

Πεδίο	Τύπος
Πεδίο`id`	Τύποςstring
Πεδίο`model`	Τύποςstring
Πεδίο`content[]`	Τύποςtext\|thinking\|tool_use\|other content block
Πεδίο`stop_reason`	Τύποςstring\|null
Πεδίο`usage`	Τύποςobject

Σφάλματα και επόμενα βήματα

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.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507

Εναλλακτικές διαδρομές μεθόδων

/chat/completions

Σχετικά ID μοντέλων

Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507

", "method_identity": { "effective_request_model_id": "qwen3-30b-a3b-thinking-2507", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "qwen3-30b-a3b-thinking-2507", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|qwen3-30b-a3b-thinking-2507", "ordinal": 3, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "qwen3-30b-a3b-thinking-2507", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "Συμβολοσειρά messages[].content", "required_material": "Κείμενο UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "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.", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen3-30b-a3b-thinking-2507" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "qwen3-30b-a3b-thinking-2507" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "qwen3-30b-a3b-thinking-2507", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "Διαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος." }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"qwen3-30b-a3b-thinking-2507\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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': 'qwen3-30b-a3b-thinking-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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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': 'qwen3-30b-a3b-thinking-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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 0.2, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "qwen3-30b-a3b-thinking-2507", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "nativeProvenance": { "input_facts_canonical_sha256": "18747d5931d5e8717ee1d8a48dc6befd4c31d1934da3f2c17439900b4644e205", "input_html_sha256": "d93e49bacdc9aabaa8b3115a0d8294bd98c3dfb9c3bd6b1022f6bd91a3387f2d", "private_audit_sha256": "440718856ebb259a5ebb4ce4d0dc61d63f4cc04a545f9d03edeb0f5b72021fbf", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/el/qwen-qwen3-30b-a3b-thinking-2507/", "description": "Το Qwen3-30B-A3B-Thinking-2507 είναι το μοντέλο κειμένου μόνο σκέψης της Qwen για απαιτητικά μαθηματικά, επιστήμες, προγραμματισμό και λογική συλλογιστική. Αυτή η σταθερή έκδοση 2507 παρέχει εγγενές παράθυρο συμφραζομένων 262,144 tokens και μεγαλύτερο προϋπολογισμό συλλογιστικής, με τεκμηριωμένη κλήση εργαλείων και ροές εξαιρετικά εκτεταμένων συμφραζομένων υπό προϋποθέσεις.", "locale": "el", "md_url": "https://ailoot.ai/models/el/qwen-qwen3-30b-a3b-thinking-2507/index.md", "title": "Qwen3 30B A3B Thinking 2507 — Ailoot", "url": "https://ailoot.ai/models/el/qwen-qwen3-30b-a3b-thinking-2507/" }, "practicalHtml": "

Πρακτική εργασία

Τεχνικό παράδειγμα στα αγγλικά

Solve a constrained staffing assignment\n\nAssign three reviewers, Ada, Ben and Cy, to morning, afternoon and evening shifts, one each. Ada cannot work evening. Ben must work later than Ada. Cy cannot work morning. List every valid assignment and explain how each constraint eliminates alternatives. Finish with whether the assignment is unique; do not assume additional availability.

Αναμενόμενο αποτέλεσμα

An enumeration of all valid assignments, a constraint check and a separate uniqueness conclusion.

Έλεγχος αποτελέσματος

Every assignment uses all three shifts once and satisfies Ben later than Ada without adding availability rules.

", "practicalText": "Πρακτική εργασία Τεχνικό παράδειγμα στα αγγλικά Solve a constrained staffing assignment Assign three reviewers, Ada, Ben and Cy, to morning, afternoon and evening shifts, one each. Ada cannot work evening. Ben must work later than Ada. Cy cannot work morning. List every valid assignment and explain how each constraint eliminates alternatives. Finish with whether the assignment is unique; do not assume additional availability. Αναμενόμενο αποτέλεσμα An enumeration of all valid assignments, a constraint check and a separate uniqueness conclusion. Έλεγχος αποτελέσματος Every assignment uses all three shifts once and satisfies Ben later than Ada without adding availability rules.", "rawModel": { "about": "Κύρια χαρακτηριστικά: η σταθερή κυκλοφορία Thinking-2507\n\nΤο Qwen3-30B-A3B-Thinking-2507 είναι μοντέλο παραγωγής κειμένου που εστιάζει στη δύσκολη συλλογιστική. Η Qwen περιγράφει βελτιώσεις στη λογική, τα μαθηματικά, τις επιστήμες, τον προγραμματισμό, την τήρηση οδηγιών, τη χρήση εργαλείων και την παραγωγή κειμένου, μαζί με μεγαλύτερες αλληλουχίες σκέψης και ισχυρότερη κατανόηση εκτεταμένων συμφραζομένων. Επιλέξτε αυτή ακριβώς την έκδοση 2507 όταν η εργασία ωφελείται από παρατεταμένη συλλογιστική, όπως εξέταση ανταγωνιστικών εξηγήσεων, επίλυση μαθηματικού προβλήματος πολλών σταδίων ή επεξεργασία σύνθετης αλλαγής κώδικα.\n\nΕπισκόπηση μοντέλου και λειτουργία\n\nΤο μοντέλο μείγματος ειδικών έχει 30.5 δισεκατομμύρια συνολικές παραμέτρους και 3.3 δισεκατομμύρια ενεργοποιημένες παραμέτρους, με 128 ειδικούς και οκτώ επιλεγμένους ανά token σε 48 επίπεδα. Το εγγενές παράθυρο συμφραζομένων του είναι 262,144 tokens. Δέχεται κείμενο και επιστρέφει κείμενο· τα αποτελέσματα εργαλείων παρέχονται μέσω συνδεδεμένης ροής εφαρμογής. Αυτό το checkpoint υποστηρίζει μόνο σκέψη. Διαφέρει από το προηγούμενο υβριδικό Qwen3-30B-A3B, την έκδοσή του FP8 και το Qwen3-30B-A3B-Instruct-2507. Δεν πρέπει να θεωρείται ότι ο διακόπτης χωρίς σκέψη του υβριδικού μοντέλου ισχύει εδώ.\n\nΤο προεπιλεγμένο πρότυπο συνομιλίας ξεκινά ήδη την αλληλουχία συλλογιστικής με δείκτη ανοίγματος σκέψης, οπότε μια ρητή ρύθμιση enable_thinking=True είναι περιττή. Μια επιστρεφόμενη αλληλουχία μπορεί να περιέχει τον δείκτη κλεισίματος χωρίς επανάληψη του δείκτη ανοίγματος. Το παράδειγμα του κατασκευαστή διαχωρίζει τη συλλογιστική από την τελική απάντηση. Διατηρήστε αυτή τη διάκριση όταν ζητάτε συγκεκριμένο παραδοτέο: ένα συμπέρασμα απόδειξης, patch ή πίνακας αποφάσεων πρέπει να παραμένει εύκολο να εντοπιστεί μετά την εκτενέστερη εξήγηση.\n\nΠροετοιμασία δύσκολης εργασίας\n\nΔώστε στο μοντέλο την πλήρη διατύπωση του προβλήματος, τους περιορισμούς και τα σχετικά τεκμήρια. Για αλλαγή κώδικα, συμπεριλάβετε την υπάρχουσα συνάρτηση, μια είσοδο αστοχίας και την αναμενόμενη συμπεριφορά και έπειτα ζητήστε προτεινόμενο patch με εξήγηση οριακών περιπτώσεων. Για επιστημονική ερώτηση, διαχωρίστε τις παρατηρήσεις από τις παραδοχές και ρωτήστε ποιο συμπέρασμα προκύπτει από καθεμία. Για εκτεταμένη πολιτική ή προδιαγραφή, διατηρήστε τα αναγνωριστικά ενοτήτων και ζητήστε σύντομη απόφαση που στηρίζεται στις σχετικές ρήτρες. Πρόκειται για πρακτικές χρήσεις των τεκμηριωμένων πεδίων συλλογιστικής και όχι για ισχυρισμούς ότι το μοντέλο εκτέλεσε patch ή επικύρωσε πείραμα.\n\nΕπειδή αυτή η έκδοση μπορεί να συλλογίζεται εκτενώς, κρατήστε χώρο τόσο για συλλογιστική όσο και για το τελικό τεχνούργημα. Η Qwen συνιστά διατήρηση παραθύρου συμφραζομένων άνω των 131,072 tokens όπου είναι δυνατό κατά τη διαμόρφωση του μοντέλου, ακόμη και αν μικρότερο παράθυρο θα μείωνε την πίεση μνήμης. Το εγγενές μέγεθος συμφραζομένων περιλαμβάνει τον προϋπολογισμό αλληλουχίας· δεν είναι υπόσχεση ότι όλο μπορεί να χρησιμοποιηθεί για έγγραφο αφήνοντας απεριόριστο χώρο απάντησης.\n\nΧρήση μέσω πρακτόρων\n\nΟ κατασκευαστής τεκμηριώνει κλήση εργαλείων και συνιστά το Qwen-Agent για πρότυπα και ανάλυση εργαλείων, συμπεριλαμβανομένης ενσωμάτωσης με διαμορφωμένα εργαλεία και ροές διερμηνέα κώδικα. Ορίστε ρητά τα εργαλεία και το επιδιωκόμενο αποτέλεσμα. Για παράδειγμα, μια εφαρμογή θα μπορούσε να επιτρέπει στο μοντέλο να εξετάσει ανακτημένα τεκμήρια, να χρησιμοποιήσει επιτρεπόμενη αριθμομηχανή και έπειτα να παράγει αναφορά που εξηγεί τον υπολογισμό. Η ανάκτηση και η εκτέλεση ανήκουν στα συνδεδεμένα εργαλεία· η δυνατότητα κλήσης εργαλείων του μοντέλου δεν καθιερώνει από μόνη της πρόσβαση στο διαδίκτυο, σε περιβάλλον κώδικα ή σε επιχειρηματικά συστήματα.\n\nΕπεξεργασία εξαιρετικά εκτεταμένου κειμένου\n\nΗ Qwen τεκμηριώνει προαιρετική ροή που φτάνει περίπου ένα εκατομμύριο tokens συνδυάζοντας Dual Chunk Attention με αραιή προσοχή MInference. Η πρώτη τεχνική χωρίζει μεγάλες αλληλουχίες σε τμήματα διατηρώντας τις αλληλεπιδράσεις μεταξύ τους· η δεύτερη εστιάζει τον υπολογισμό σε επιλεγμένες σχέσεις προσοχής. Αυτή είναι πρόσθετη διαδρομή διαμόρφωσης πέρα από το εγγενές παράθυρο συμφραζομένων 262,144 tokens. Η συνταγή του κατασκευαστή απαιτεί ειδική διαμόρφωση εκτεταμένων συμφραζομένων και εκτιμά περίπου 240 GB συνολικής μνήμης GPU για βάρη, προσωρινά αποθηκευμένη κατάσταση προσοχής και μέγιστες ενεργοποιήσεις.\n\nΑυτή η συνταγή έχει συγκεκριμένα όρια πόρων: η προσωρινά αποθηκευμένη κατάσταση αλληλουχίας, η μνήμη ενεργοποιήσεων και το συνολικό μήκος εισόδου μπορούν το καθένα να εξαντλήσουν τη διαμορφωμένη χωρητικότητα. Μια ροή εκατομμυρίου tokens εξαρτάται επομένως από τη διαμόρφωση, τη μνήμη και την υποστηριζόμενη υλοποίηση προσοχής. Για πρακτικό έλεγχο εγγράφων, ξεκινήστε με το σχετικό υλικό, σημάνετε τα όρια εγγράφων και ζητήστε ανιχνεύσιμα τεκμήρια αντί να θεωρείτε τη μεγαλύτερη δυνατή είσοδο υποκατάστατο μιας σαφούς ερώτησης.\n\nΟδηγίες και όρια παραγωγής\n\nΗ Qwen συνιστά temperature 0.6, top_p 0.95, top_k 20 και min_p 0. Προτείνει προϋπολογισμό εξόδου 32,768 tokens για τα περισσότερα ερωτήματα και 81,920 για ασυνήθιστα δύσκολα μαθηματικά ή προγραμματιστικά προβλήματα. Αυτές είναι συστάσεις προϋπολογισμού παραγωγής και όχι ξεχωριστά δημοσιευμένο αυστηρό ανώτατο όριο εξόδου. Μια ποινή παρουσίας μεταξύ μηδέν και δύο μπορεί να μειώσει την επανάληψη, αλλά υψηλότερες τιμές μπορεί να αναμείξουν γλώσσες ή να μειώσουν ελαφρώς την ποιότητα.\n\nΠροσδιορίστε τη μορφή τελικής απάντησης στην προτροπή, όπως οριοθετημένο μαθηματικό αποτέλεσμα ή πεδίο απάντησης για ερώτηση πολλαπλής επιλογής. Κρατήστε μόνο το τμήμα τελικής απάντησης στο ιστορικό συνομιλίας, όπως συνιστά ο κατασκευαστής. Η εκτενέστερη συλλογιστική είναι χρήσιμη όταν παράγει ελέγξιμο αποτέλεσμα· εξετάστε παραδοχές, υπολογισμούς και προτεινόμενο κώδικα πριν βασιστείτε στο αποτέλεσμα.", "alias_of": null, "aliases": [ "qwen3-30b-a3b-thinking-2507" ], "author": "Alibaba", "capabilities": { "context_length": 128000, "manufacturer_input": [], "manufacturer_output": [] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες." }, { "label": "Ultra", "rates": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες." } ], "ctx": null, "display_name": "Qwen3 30B A3B Thinking 2507", "formats": [ "chat", "messages" ], "id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Κείμενο UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "Qwen/Qwen3-30B-A3B-Thinking-2507" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Συνομιλία κειμένου" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Συνομιλία κειμένου· το stream είναι λογική τιμή και έχει προεπιλογή false.", "file_material": "πραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου", "hosted_operations": false, "material_types": [ "text" ], "messages": "Πίνακας μηνυμάτων με δομή role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-Thinking-2507\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-Thinking-2507\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.2, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.8, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "Qwen/Qwen3-30B-A3B-Thinking-2507", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "Συμβολοσειρά messages[].content", "required_material": "Κείμενο UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "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.", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "Qwen/Qwen3-30B-A3B-Thinking-2507" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "Qwen/Qwen3-30B-A3B-Thinking-2507" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "Qwen/Qwen3-30B-A3B-Thinking-2507", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "Διαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος." }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"Qwen/Qwen3-30B-A3B-Thinking-2507\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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-Thinking-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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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-Thinking-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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 0.2, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "A model-dependent field needs the exact published model profile; unspecified defaults/enums are not guessed.", "Tool calls propose actions; the client application returns actual observations with the returned call ID.", "Guarded canonical keys must occur once; duplicate or case-varied model/tools/cap fields are rejected." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Κείμενο UTF8" } ], "operation_modes": [ "conversation", "function_tool_continuation", "streaming" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen3-30b-a3b-thinking-2507" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "conditions": "Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο.", "default": null, "default_known": false, "enum": [ "system", "user", "assistant", "tool", "function" ], "enum_exhaustive": false, "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string|content_part[]|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_calls", "required": false, "type": "tool_call[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_call_id", "required": false, "type": "string", "when": "role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].name", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_content", "required": false, "type": "string", "when": "Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_details", "required": false, "type": "object|array" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stream_options.include_usage", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stop", "required": false, "type": "string|string[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools", "required": false, "type": "function_tool[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": [ "function" ], "enum_known": true, "name": "tools[].type", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.name", "required": true, "type": "string", "when": "Παρεχόμενο εργαλείο τύπου συνάρτησης" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.description", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.parameters", "required": false, "type": "JSON_schema" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tool_choice", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "parallel_tool_calls", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "response_format", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning_effort", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "service_tier", "required": false, "type": "string" }, { "availability": "source_compatibility", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "instructions", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "functions", "required": false, "type": "function[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "function_call", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "prompt_cache_options", "required": false, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text" ], "enum_known": true, "name": "modalities", "required": false, "type": "string[]" }, { "availability": "source_interface", "conditions": "Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" }, { "availability": "source_interface", "conditions": "Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cache_control.ttl", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "εξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία", "file_material": "πραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου", "hosted_operations": false, "material_types": [ "text" ], "messages": "Πίνακας μηνυμάτων με δομή role/content", "multimodal_input_binding": null, "optional_controls": [ "stream", "temperature", "top_p", "stop", "max_tokens", "max_completion_tokens", "reasoning", "response_format", "tools", "tool_choice" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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\": \"qwen3-30b-a3b-thinking-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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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='qwen3-30b-a3b-thinking-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\"))\n", "label": "Python SDK · all choices", "language": "python" }, { "code": "from 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='qwen3-30b-a3b-thinking-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\")\n", "label": "Python SDK streaming · all events", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.2, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "qwen3-30b-a3b-thinking-2507", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "qwen3-30b-a3b-thinking-2507", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "Συμβολοσειρά messages[].content", "required_material": "Κείμενο UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "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.", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen3-30b-a3b-thinking-2507" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "qwen3-30b-a3b-thinking-2507" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "qwen3-30b-a3b-thinking-2507", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "Διαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος." }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"qwen3-30b-a3b-thinking-2507\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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': 'qwen3-30b-a3b-thinking-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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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': 'qwen3-30b-a3b-thinking-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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 0.2, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "qwen3-30b-a3b-thinking-2507", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "request_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "route_label": "Ultra" }, { "canonical_model_id": "Qwen/Qwen3-30B-A3B-Thinking-2507", "request_model_id": "qwen3-30b-a3b-thinking-2507", "route_label": "Ultra" } ], "name": "Qwen/Qwen3-30B-A3B-Thinking-2507", "price": { "in": 0.2, "in_label": null, "out": 0.8, "out_label": null, "scope_label": "Token rates", "sort_in": 0.2, "sort_out": 0.8, "varies": false }, "short": "Το Qwen3-30B-A3B-Thinking-2507 είναι το μοντέλο κειμένου μόνο σκέψης της Qwen για απαιτητικά μαθηματικά, επιστήμες, προγραμματισμό και λογική συλλογιστική. Αυτή η σταθερή έκδοση 2507 παρέχει εγγενές παράθυρο συμφραζομένων 262,144 tokens και μεγαλύτερο προϋπολογισμό συλλογιστικής, με τεκμηριωμένη κλήση εργαλείων και ροές εξαιρετικά εκτεταμένων συμφραζομένων υπό προϋποθέσεις." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 }, { "contract_json_pointer": "/methods/2/rawMethod/contract", "html_json_pointer": "/methods/2/html", "method_ordinal": 2 }, { "contract_json_pointer": "/methods/3/rawMethod/contract", "html_json_pointer": "/methods/3/html", "method_ordinal": 3 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod", "/methods/2/rawMethod", "/methods/3/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Το Qwen3-30B-A3B-Thinking-2507 είναι το μοντέλο κειμένου μόνο σκέψης της Qwen για απαιτητικά μαθηματικά, επιστήμες, προγραμματισμό και λογική συλλογιστική. Αυτή η σταθερή έκδοση 2507 παρέχει εγγενές παράθυρο συμφραζομένων 262,144 tokens και μεγαλύτερο προϋπολογισμό συλλογιστικής, με τεκμηριωμένη κλήση εργαλείων και ροές εξαιρετικά εκτεταμένων συμφραζομένων υπό προϋποθέσεις.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "8ed6baceb4a02c8135ea5cc2b9a7affe50886a5f4a5c4e7ef36c64e80a840063", "renderer_sha256": "3ed36f7af4f78822bafbd174fdcaed7b698a18a86efe254253d37f1b098a7566" }, "sourceRevision": "8eb47d3f3f8a9f53409a161513e0dd5c2212cac0e386ae33c41a7eb38ea6fc5a" }