Aspectos destacados: programación a escala de repositorio
Qwen3-Coder-30B-A3B-Instruct es un modelo de texto centrado en instrucciones para agentes de programación. Qwen documenta programación, uso con agentes de navegador y comprensión a escala de repositorio, con un formato específico de llamada a funciones e integración mediante flujos como Qwen Code. La entrada y la salida son texto. Conserva este punto de control Coder exacto, en lugar de sustituirlo por el general Qwen3-30B-A3B-Instruct-2507 o Qwen3-Coder-Next, cuyo enfoque de entrenamiento y orientaciones de generación difieren.
El contexto nativo es de 262,144 tokens y el fabricante describe una extensión a aproximadamente un millón con YaRN. Un contexto grande permite reunir más evidencia del repositorio, pero una tarea clara sigue necesitando los módulos, interfaces y requisitos pertinentes. Proporciona el resultado esperado y el comportamiento observable antes de solicitar un cambio de código.
Descripción del modelo
El modelo de mezcla de expertos tiene 30,500 millones de parámetros totales y activa 3,300 millones. Tiene 48 capas, 128 expertos y ocho expertos seleccionados por token. Los parámetros totales y activados tienen significados distintos; la cifra activada no es el tamaño del punto de control completo. Su configuración de modelo de lenguaje causal es de texto, no una interfaz visual o de voz.
Coder-30B-A3B-Instruct solo admite el modo sin pensamiento y no genera bloques explícitos de pensamiento. Establecer enable_thinking=False es innecesario en el ejemplo del fabricante. Puede seguir explicando un algoritmo o justificando un parche en texto ordinario. Una solicitud de pasos de razonamiento no debería confundirse con activar el comportamiento Thinking independiente de otra edición Qwen.
Preparación de una solicitud de desarrollo
Aporta el código pertinente, una entrada que demuestre el comportamiento actual, el resultado observado y el cambio deseado. Para un algoritmo, especifica restricciones de entrada y salida requerida antes de pedir un enfoque. Para modificar un repositorio, identifica la funcionalidad afectada y las interfaces que debe conservar la implementación. Solicita un parche editable o una función completa por separado del comentario explicativo.
Una respuesta útil puede organizar el diagnóstico, el cambio propuesto y las comprobaciones necesarias para revisarlo. Cuando la tarea se basa en una referencia visual o un comportamiento grabado, proporciona una representación textual adecuada y conserva identificadores que permitan comparar el resultado con el original. Contrasta el parche propuesto con el código aportado, el comportamiento esperado y los resultados devueltos por comprobaciones conectadas.
Programación con agentes y flujos de navegador
El fabricante destaca llamadas a herramientas y un formato de llamada a funciones diseñado específicamente. Un flujo de agente conectado proporciona descripciones de herramientas, esquemas de entrada y observaciones y realiza las operaciones reales. Define acciones permitidas y una condición de finalización y devuelve después resultados reales de inspección o ejecución al modelo para que actualice su trabajo propuesto.
La capacidad de agente de navegador significa participar en un flujo con una herramienta de navegador conectada, no acceso automático al navegador del usuario o a las páginas actuales. La misma distinción se aplica a la inspección del repositorio y la ejecución de código. Un comando propuesto, una solicitud de herramienta y una operación completada deberían mantenerse separados en el informe final. Conserva el formato de herramientas y la receta de análisis propios del modelo, en lugar de suponer intercambiable la plantilla de otro.
Contexto largo y configuración
El fabricante describe una extensión YaRN del contexto nativo de 262,144 tokens a aproximadamente un millón para tareas a escala de repositorio. Utiliza una configuración adecuada al material del repositorio, reservando espacio para observaciones de herramientas y el resultado. Su inicio rápido también sugiere un contexto menor, como 32,768, cuando la presión de memoria impide que funcione la configuración mayor.
Conserva rutas de código, nombres de funciones y definiciones pertinentes en una entrada larga. Elimina archivos generados ajenos a la tarea o material repetido y reserva espacio para la respuesta. El texto de origen, el historial, las observaciones de herramientas y el código generado comparten el espacio de secuencia configurado; no debería tratarse la mayor entrada posible como un recuerdo perfecto de cada dependencia.
Orientaciones de generación
Best Practices recomienda temperature 0.7, top_p 0.8, top_k 20 y una penalización de repetición de 1.05. La recomendación exacta de penalización de repetición difiere de la de otros modelos Qwen y sigue formando parte de la receta de esta edición Coder. Qwen recomienda un espacio de generación de 65,536 tokens para la mayoría de consultas; es una recomendación, no un máximo estricto establecido de forma independiente.
Indica el idioma y la forma de salida, como parche, función completa o explicación, y comprueba la sintaxis y las interfaces del resultado en el flujo real de desarrollo. El ejemplo de función del fabricante ilustra el mecanismo de herramientas; el contrato de una herramienta sigue necesitando nombres de argumentos y semántica de retorno internamente coherentes en la aplicación que lo utiliza.
Límites sustanciales y resultado útil
La entrada documentada de este punto de control es texto. No establece directamente comprensión de imágenes, audio o video. El código generado y una explicación segura siguen siendo borradores hasta que las comprobaciones u observaciones pertinentes sean realmente devueltas por el entorno conectado. El resultado útil es una propuesta de implementación examinable vinculada a las condiciones del repositorio proporcionadas, conservando su identidad Coder exacta, modo sin pensamiento y orientaciones de generación del productor.
", "aboutText": "Aspectos destacados: programación a escala de repositorio\n\nQwen3-Coder-30B-A3B-Instruct es un modelo de texto centrado en instrucciones para agentes de programación. Qwen documenta programación, uso con agentes de navegador y comprensión a escala de repositorio, con un formato específico de llamada a funciones e integración mediante flujos como Qwen Code. La entrada y la salida son texto. Conserva este punto de control Coder exacto, en lugar de sustituirlo por el general Qwen3-30B-A3B-Instruct-2507 o Qwen3-Coder-Next, cuyo enfoque de entrenamiento y orientaciones de generación difieren.\n\nEl contexto nativo es de 262,144 tokens y el fabricante describe una extensión a aproximadamente un millón con YaRN. Un contexto grande permite reunir más evidencia del repositorio, pero una tarea clara sigue necesitando los módulos, interfaces y requisitos pertinentes. Proporciona el resultado esperado y el comportamiento observable antes de solicitar un cambio de código.\n\nDescripción del modelo\n\nEl modelo de mezcla de expertos tiene 30,500 millones de parámetros totales y activa 3,300 millones. Tiene 48 capas, 128 expertos y ocho expertos seleccionados por token. Los parámetros totales y activados tienen significados distintos; la cifra activada no es el tamaño del punto de control completo. Su configuración de modelo de lenguaje causal es de texto, no una interfaz visual o de voz.\n\nCoder-30B-A3B-Instruct solo admite el modo sin pensamiento y no genera bloques explícitos de pensamiento. Establecer enable_thinking=False es innecesario en el ejemplo del fabricante. Puede seguir explicando un algoritmo o justificando un parche en texto ordinario. Una solicitud de pasos de razonamiento no debería confundirse con activar el comportamiento Thinking independiente de otra edición Qwen.\n\nPreparación de una solicitud de desarrollo\n\nAporta el código pertinente, una entrada que demuestre el comportamiento actual, el resultado observado y el cambio deseado. Para un algoritmo, especifica restricciones de entrada y salida requerida antes de pedir un enfoque. Para modificar un repositorio, identifica la funcionalidad afectada y las interfaces que debe conservar la implementación. Solicita un parche editable o una función completa por separado del comentario explicativo.\n\nUna respuesta útil puede organizar el diagnóstico, el cambio propuesto y las comprobaciones necesarias para revisarlo. Cuando la tarea se basa en una referencia visual o un comportamiento grabado, proporciona una representación textual adecuada y conserva identificadores que permitan comparar el resultado con el original. Contrasta el parche propuesto con el código aportado, el comportamiento esperado y los resultados devueltos por comprobaciones conectadas.\n\nProgramación con agentes y flujos de navegador\n\nEl fabricante destaca llamadas a herramientas y un formato de llamada a funciones diseñado específicamente. Un flujo de agente conectado proporciona descripciones de herramientas, esquemas de entrada y observaciones y realiza las operaciones reales. Define acciones permitidas y una condición de finalización y devuelve después resultados reales de inspección o ejecución al modelo para que actualice su trabajo propuesto.\n\nLa capacidad de agente de navegador significa participar en un flujo con una herramienta de navegador conectada, no acceso automático al navegador del usuario o a las páginas actuales. La misma distinción se aplica a la inspección del repositorio y la ejecución de código. Un comando propuesto, una solicitud de herramienta y una operación completada deberían mantenerse separados en el informe final. Conserva el formato de herramientas y la receta de análisis propios del modelo, en lugar de suponer intercambiable la plantilla de otro.\n\nContexto largo y configuración\n\nEl fabricante describe una extensión YaRN del contexto nativo de 262,144 tokens a aproximadamente un millón para tareas a escala de repositorio. Utiliza una configuración adecuada al material del repositorio, reservando espacio para observaciones de herramientas y el resultado. Su inicio rápido también sugiere un contexto menor, como 32,768, cuando la presión de memoria impide que funcione la configuración mayor.\n\nConserva rutas de código, nombres de funciones y definiciones pertinentes en una entrada larga. Elimina archivos generados ajenos a la tarea o material repetido y reserva espacio para la respuesta. El texto de origen, el historial, las observaciones de herramientas y el código generado comparten el espacio de secuencia configurado; no debería tratarse la mayor entrada posible como un recuerdo perfecto de cada dependencia.\n\nOrientaciones de generación\n\nBest Practices recomienda temperature 0.7, top_p 0.8, top_k 20 y una penalización de repetición de 1.05. La recomendación exacta de penalización de repetición difiere de la de otros modelos Qwen y sigue formando parte de la receta de esta edición Coder. Qwen recomienda un espacio de generación de 65,536 tokens para la mayoría de consultas; es una recomendación, no un máximo estricto establecido de forma independiente.\n\nIndica el idioma y la forma de salida, como parche, función completa o explicación, y comprueba la sintaxis y las interfaces del resultado en el flujo real de desarrollo. El ejemplo de función del fabricante ilustra el mecanismo de herramientas; el contrato de una herramienta sigue necesitando nombres de argumentos y semántica de retorno internamente coherentes en la aplicación que lo utiliza.\n\nLímites sustanciales y resultado útil\n\nLa entrada documentada de este punto de control es texto. No establece directamente comprensión de imágenes, audio o video. El código generado y una explicación segura siguen siendo borradores hasta que las comprobaciones u observaciones pertinentes sean realmente devueltas por el entorno conectado. El resultado útil es una propuesta de implementación examinable vinculada a las condiciones del repositorio proporcionadas, conservando su identidad Coder exacta, modo sin pensamiento y orientaciones de generación del productor.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct es el modelo de programación textual de Qwen en modo Non-Thinking, con 30,500 millones de parámetros totales y 3,300 millones activados. Se dirige a desarrollo a escala de repositorio, programación y flujos con agentes de navegador, con un contexto nativo de 262,144 tokens y un formato específico de llamada a funciones.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Aspectos destacados: programación a escala de repositorio
Qwen3-Coder-30B-A3B-Instruct es un modelo de texto centrado en instrucciones para agentes de programación. Qwen documenta programación, uso con agentes de navegador y comprensión a escala de repositorio, con un formato específico de llamada a funciones e integración mediante flujos como Qwen Code. La entrada y la salida son texto. Conserva este punto de control Coder exacto, en lugar de sustituirlo por el general Qwen3-30B-A3B-Instruct-2507 o Qwen3-Coder-Next, cuyo enfoque de entrenamiento y orientaciones de generación difieren.
El contexto nativo es de 262,144 tokens y el fabricante describe una extensión a aproximadamente un millón con YaRN. Un contexto grande permite reunir más evidencia del repositorio, pero una tarea clara sigue necesitando los módulos, interfaces y requisitos pertinentes. Proporciona el resultado esperado y el comportamiento observable antes de solicitar un cambio de código.
Descripción del modelo
El modelo de mezcla de expertos tiene 30,500 millones de parámetros totales y activa 3,300 millones. Tiene 48 capas, 128 expertos y ocho expertos seleccionados por token. Los parámetros totales y activados tienen significados distintos; la cifra activada no es el tamaño del punto de control completo. Su configuración de modelo de lenguaje causal es de texto, no una interfaz visual o de voz.
Coder-30B-A3B-Instruct solo admite el modo sin pensamiento y no genera bloques explícitos de pensamiento. Establecer enable_thinking=False es innecesario en el ejemplo del fabricante. Puede seguir explicando un algoritmo o justificando un parche en texto ordinario. Una solicitud de pasos de razonamiento no debería confundirse con activar el comportamiento Thinking independiente de otra edición Qwen.
Preparación de una solicitud de desarrollo
Aporta el código pertinente, una entrada que demuestre el comportamiento actual, el resultado observado y el cambio deseado. Para un algoritmo, especifica restricciones de entrada y salida requerida antes de pedir un enfoque. Para modificar un repositorio, identifica la funcionalidad afectada y las interfaces que debe conservar la implementación. Solicita un parche editable o una función completa por separado del comentario explicativo.
Una respuesta útil puede organizar el diagnóstico, el cambio propuesto y las comprobaciones necesarias para revisarlo. Cuando la tarea se basa en una referencia visual o un comportamiento grabado, proporciona una representación textual adecuada y conserva identificadores que permitan comparar el resultado con el original. Contrasta el parche propuesto con el código aportado, el comportamiento esperado y los resultados devueltos por comprobaciones conectadas.
Programación con agentes y flujos de navegador
El fabricante destaca llamadas a herramientas y un formato de llamada a funciones diseñado específicamente. Un flujo de agente conectado proporciona descripciones de herramientas, esquemas de entrada y observaciones y realiza las operaciones reales. Define acciones permitidas y una condición de finalización y devuelve después resultados reales de inspección o ejecución al modelo para que actualice su trabajo propuesto.
La capacidad de agente de navegador significa participar en un flujo con una herramienta de navegador conectada, no acceso automático al navegador del usuario o a las páginas actuales. La misma distinción se aplica a la inspección del repositorio y la ejecución de código. Un comando propuesto, una solicitud de herramienta y una operación completada deberían mantenerse separados en el informe final. Conserva el formato de herramientas y la receta de análisis propios del modelo, en lugar de suponer intercambiable la plantilla de otro.
Contexto largo y configuración
El fabricante describe una extensión YaRN del contexto nativo de 262,144 tokens a aproximadamente un millón para tareas a escala de repositorio. Utiliza una configuración adecuada al material del repositorio, reservando espacio para observaciones de herramientas y el resultado. Su inicio rápido también sugiere un contexto menor, como 32,768, cuando la presión de memoria impide que funcione la configuración mayor.
Conserva rutas de código, nombres de funciones y definiciones pertinentes en una entrada larga. Elimina archivos generados ajenos a la tarea o material repetido y reserva espacio para la respuesta. El texto de origen, el historial, las observaciones de herramientas y el código generado comparten el espacio de secuencia configurado; no debería tratarse la mayor entrada posible como un recuerdo perfecto de cada dependencia.
Orientaciones de generación
Best Practices recomienda temperature 0.7, top_p 0.8, top_k 20 y una penalización de repetición de 1.05. La recomendación exacta de penalización de repetición difiere de la de otros modelos Qwen y sigue formando parte de la receta de esta edición Coder. Qwen recomienda un espacio de generación de 65,536 tokens para la mayoría de consultas; es una recomendación, no un máximo estricto establecido de forma independiente.
Indica el idioma y la forma de salida, como parche, función completa o explicación, y comprueba la sintaxis y las interfaces del resultado en el flujo real de desarrollo. El ejemplo de función del fabricante ilustra el mecanismo de herramientas; el contrato de una herramienta sigue necesitando nombres de argumentos y semántica de retorno internamente coherentes en la aplicación que lo utiliza.
Límites sustanciales y resultado útil
La entrada documentada de este punto de control es texto. No establece directamente comprensión de imágenes, audio o video. El código generado y una explicación segura siguen siendo borradores hasta que las comprobaciones u observaciones pertinentes sean realmente devueltas por el entorno conectado. El resultado útil es una propuesta de implementación examinable vinculada a las condiciones del repositorio proporcionadas, conservando su identidad Coder exacta, modo sin pensamiento y orientaciones de generación del productor.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3-coder-30b-a3b-instruct | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-coder-30b-a3b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-coder-30b-a3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-coder-30b-a3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qwen/qwen3-coder-30b-a3b-instruct
Usa las rutas de método indicadas arriba.
qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct es el modelo de programación textual de Qwen en modo Non-Thinking, con 30,500 millones de parámetros totales y 3,300 millones activados. Se dirige a desarrollo a escala de repositorio, programación y flujos con agentes de navegador, con un contexto nativo de 262,144 tokens y un formato específico de llamada a funciones.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Aspectos destacados: programación a escala de repositorio
Qwen3-Coder-30B-A3B-Instruct es un modelo de texto centrado en instrucciones para agentes de programación. Qwen documenta programación, uso con agentes de navegador y comprensión a escala de repositorio, con un formato específico de llamada a funciones e integración mediante flujos como Qwen Code. La entrada y la salida son texto. Conserva este punto de control Coder exacto, en lugar de sustituirlo por el general Qwen3-30B-A3B-Instruct-2507 o Qwen3-Coder-Next, cuyo enfoque de entrenamiento y orientaciones de generación difieren.
El contexto nativo es de 262,144 tokens y el fabricante describe una extensión a aproximadamente un millón con YaRN. Un contexto grande permite reunir más evidencia del repositorio, pero una tarea clara sigue necesitando los módulos, interfaces y requisitos pertinentes. Proporciona el resultado esperado y el comportamiento observable antes de solicitar un cambio de código.
Descripción del modelo
El modelo de mezcla de expertos tiene 30,500 millones de parámetros totales y activa 3,300 millones. Tiene 48 capas, 128 expertos y ocho expertos seleccionados por token. Los parámetros totales y activados tienen significados distintos; la cifra activada no es el tamaño del punto de control completo. Su configuración de modelo de lenguaje causal es de texto, no una interfaz visual o de voz.
Coder-30B-A3B-Instruct solo admite el modo sin pensamiento y no genera bloques explícitos de pensamiento. Establecer enable_thinking=False es innecesario en el ejemplo del fabricante. Puede seguir explicando un algoritmo o justificando un parche en texto ordinario. Una solicitud de pasos de razonamiento no debería confundirse con activar el comportamiento Thinking independiente de otra edición Qwen.
Preparación de una solicitud de desarrollo
Aporta el código pertinente, una entrada que demuestre el comportamiento actual, el resultado observado y el cambio deseado. Para un algoritmo, especifica restricciones de entrada y salida requerida antes de pedir un enfoque. Para modificar un repositorio, identifica la funcionalidad afectada y las interfaces que debe conservar la implementación. Solicita un parche editable o una función completa por separado del comentario explicativo.
Una respuesta útil puede organizar el diagnóstico, el cambio propuesto y las comprobaciones necesarias para revisarlo. Cuando la tarea se basa en una referencia visual o un comportamiento grabado, proporciona una representación textual adecuada y conserva identificadores que permitan comparar el resultado con el original. Contrasta el parche propuesto con el código aportado, el comportamiento esperado y los resultados devueltos por comprobaciones conectadas.
Programación con agentes y flujos de navegador
El fabricante destaca llamadas a herramientas y un formato de llamada a funciones diseñado específicamente. Un flujo de agente conectado proporciona descripciones de herramientas, esquemas de entrada y observaciones y realiza las operaciones reales. Define acciones permitidas y una condición de finalización y devuelve después resultados reales de inspección o ejecución al modelo para que actualice su trabajo propuesto.
La capacidad de agente de navegador significa participar en un flujo con una herramienta de navegador conectada, no acceso automático al navegador del usuario o a las páginas actuales. La misma distinción se aplica a la inspección del repositorio y la ejecución de código. Un comando propuesto, una solicitud de herramienta y una operación completada deberían mantenerse separados en el informe final. Conserva el formato de herramientas y la receta de análisis propios del modelo, en lugar de suponer intercambiable la plantilla de otro.
Contexto largo y configuración
El fabricante describe una extensión YaRN del contexto nativo de 262,144 tokens a aproximadamente un millón para tareas a escala de repositorio. Utiliza una configuración adecuada al material del repositorio, reservando espacio para observaciones de herramientas y el resultado. Su inicio rápido también sugiere un contexto menor, como 32,768, cuando la presión de memoria impide que funcione la configuración mayor.
Conserva rutas de código, nombres de funciones y definiciones pertinentes en una entrada larga. Elimina archivos generados ajenos a la tarea o material repetido y reserva espacio para la respuesta. El texto de origen, el historial, las observaciones de herramientas y el código generado comparten el espacio de secuencia configurado; no debería tratarse la mayor entrada posible como un recuerdo perfecto de cada dependencia.
Orientaciones de generación
Best Practices recomienda temperature 0.7, top_p 0.8, top_k 20 y una penalización de repetición de 1.05. La recomendación exacta de penalización de repetición difiere de la de otros modelos Qwen y sigue formando parte de la receta de esta edición Coder. Qwen recomienda un espacio de generación de 65,536 tokens para la mayoría de consultas; es una recomendación, no un máximo estricto establecido de forma independiente.
Indica el idioma y la forma de salida, como parche, función completa o explicación, y comprueba la sintaxis y las interfaces del resultado en el flujo real de desarrollo. El ejemplo de función del fabricante ilustra el mecanismo de herramientas; el contrato de una herramienta sigue necesitando nombres de argumentos y semántica de retorno internamente coherentes en la aplicación que lo utiliza.
Límites sustanciales y resultado útil
La entrada documentada de este punto de control es texto. No establece directamente comprensión de imágenes, audio o video. El código generado y una explicación segura siguen siendo borradores hasta que las comprobaciones u observaciones pertinentes sean realmente devueltas por el entorno conectado. El resultado útil es una propuesta de implementación examinable vinculada a las condiciones del repositorio proporcionadas, conservando su identidad Coder exacta, modo sin pensamiento y orientaciones de generación del productor.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3-coder-30b-a3b-instruct | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-coder-30b-a3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-coder-30b-a3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qwen/qwen3-coder-30b-a3b-instruct
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.