Qwen3-14B es un modelo de lenguaje denso de la versión original Qwen3 que combina comportamiento de pensamiento y sin pensamiento en un mismo modelo. Qwen posiciona la familia para razonamiento lógico, matemáticas, programación, escritura creativa, diálogo basado en papeles y seguimiento de instrucciones. Recibe y devuelve texto, con capacidades de instrucciones y traducción multilingües en los 119 idiomas y dialectos de la familia. Un encargo conversacional útil especifica el idioma, el nivel de conocimientos del lector y el resultado exacto: una explicación, una reescritura, un problema resuelto o una propuesta de cambio de código.
El modelo entrenado para seguir instrucciones contiene 14.800 millones de parámetros totales en 40 capas. Es la edición densa 14B, no un modelo de mezcla de expertos ni otro posterior con un nombre de familia similar. Su contexto nativo es de 32.768 tokens. Para una tarea documental, incluye los pasajes pertinentes y sus encabezados y solicita después la comparación o explicación concreta necesaria. Por ejemplo, un encargo puede proporcionar dos versiones de un proceso y pedir una tabla de condiciones modificadas, seguida de un procedimiento revisado que conserve las excepciones expresadas. Pide que el procedimiento revisado mantenga los encabezados de origen e identifique las condiciones modificadas.
El pensamiento está activado de forma predeterminada en la plantilla de chat del productor. El ajuste explícito enable_thinking=False desactiva por completo la sección de razonamiento. Si el pensamiento permanece activado, /think o /no_think en el prompt o la instrucción de sistema pueden cambiar el modo solicitado de un turno a otro; se aplica la instrucción más reciente. Una plantilla activada puede seguir devolviendo un bloque <think> vacío ante una petición textual de modo sin pensamiento. El ajuste de desactivación explícita no puede revertirse añadiendo /think al texto. Elige el modo conforme al problema: una reescritura directa puede utilizar un estilo de respuesta distinto de una explicación matemática de varios pasos.
El ejemplo oficial de generación separa el contenido de pensamiento de la respuesta final. Para que esa respuesta final resulte útil, proporciona las premisas o el material de origen y define su estructura antes de generar. Qwen recomienda un resultado final enmarcado para matemáticas y un campo de respuesta explícito para preguntas de opción múltiple. Un encargo didáctico puede pedir de forma similar el resultado, la explicación esencial y un ejemplo resuelto. Para conversaciones de varios turnos, el productor recomienda mantener la respuesta final en el historial y omitir el contenido de pensamiento anterior, de modo que las preguntas posteriores se basen en el resultado entregado.
Qwen describe capacidades de agentes y llamadas a herramientas en los modos de pensamiento y sin pensamiento. La integración recomendada Qwen-Agent proporciona plantillas y analizadores para herramientas definidas, incluida la recuperación de información y un intérprete de código en el ejemplo. Una aplicación puede proporcionar al modelo herramientas identificadas por nombre, sus argumentos admitidos y una condición de parada. Para investigar código, prepara el fragmento de origen y los detalles del fallo, pide identificar las comprobaciones necesarias y devuelve después el resultado real de la herramienta para interpretarlo. La respuesta final puede ser un diagnóstico, una propuesta de cambio y preguntas pendientes vinculadas a la evidencia proporcionada.
El productor valida una extensión de 131.072 tokens con YaRN, independiente de la ventana nativa. Advierte que el escalado estático puede afectar al comportamiento con entradas cortas y recomienda configurarlo cuando se necesitan contextos más largos. Su ficha también explica una asignación predeterminada de 40.960 posiciones para longitudes habituales de prompt y salida. Organiza la entrada larga en secciones con nombre y reserva espacio para el razonamiento y el resultado final, en lugar de llenar cada posición con material de fondo. El ajuste ampliado depende de la configuración prescrita.
Qwen recomienda temperature 0,6 y top-p 0,95 para pensamiento, y 0,7 y 0,8 para el modo sin pensamiento, con top-k 20 y min-p 0 en ambos casos. Advierte contra la decodificación voraz en modo de pensamiento por la posibilidad de degradación y repetición. El espacio de salida recomendado es de 32.768 tokens para la mayoría de consultas, con 38.912 descritos para tareas especialmente complejas de matemáticas y programación. Estas recomendaciones orientan la generación; no definen un límite fijo de respuesta independiente. Las instrucciones explícitas de idioma y formato son especialmente útiles cuando un resultado debe mantenerse coherente en una conversación multilingüe.
", "aboutText": "Qwen3-14B es un modelo de lenguaje denso de la versión original Qwen3 que combina comportamiento de pensamiento y sin pensamiento en un mismo modelo. Qwen posiciona la familia para razonamiento lógico, matemáticas, programación, escritura creativa, diálogo basado en papeles y seguimiento de instrucciones. Recibe y devuelve texto, con capacidades de instrucciones y traducción multilingües en los 119 idiomas y dialectos de la familia. Un encargo conversacional útil especifica el idioma, el nivel de conocimientos del lector y el resultado exacto: una explicación, una reescritura, un problema resuelto o una propuesta de cambio de código.\n\nEl modelo entrenado para seguir instrucciones contiene 14.800 millones de parámetros totales en 40 capas. Es la edición densa 14B, no un modelo de mezcla de expertos ni otro posterior con un nombre de familia similar. Su contexto nativo es de 32.768 tokens. Para una tarea documental, incluye los pasajes pertinentes y sus encabezados y solicita después la comparación o explicación concreta necesaria. Por ejemplo, un encargo puede proporcionar dos versiones de un proceso y pedir una tabla de condiciones modificadas, seguida de un procedimiento revisado que conserve las excepciones expresadas. Pide que el procedimiento revisado mantenga los encabezados de origen e identifique las condiciones modificadas.\n\nEl pensamiento está activado de forma predeterminada en la plantilla de chat del productor. El ajuste explícito enable_thinking=False desactiva por completo la sección de razonamiento. Si el pensamiento permanece activado, /think o /no_think en el prompt o la instrucción de sistema pueden cambiar el modo solicitado de un turno a otro; se aplica la instrucción más reciente. Una plantilla activada puede seguir devolviendo un bloqueEjemplo técnico en inglés
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.qwen/qwen3-14bQwen3-14B es el modelo de texto denso de Qwen para conversación multilingüe, escritura, programación y razonamiento paso a paso. Su diseño híbrido original alterna entre modos de pensamiento y respuesta directa y tiene un contexto nativo de 32.768 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Qwen3-14B es un modelo de lenguaje denso de la versión original Qwen3 que combina comportamiento de pensamiento y sin pensamiento en un mismo modelo. Qwen posiciona la familia para razonamiento lógico, matemáticas, programación, escritura creativa, diálogo basado en papeles y seguimiento de instrucciones. Recibe y devuelve texto, con capacidades de instrucciones y traducción multilingües en los 119 idiomas y dialectos de la familia. Un encargo conversacional útil especifica el idioma, el nivel de conocimientos del lector y el resultado exacto: una explicación, una reescritura, un problema resuelto o una propuesta de cambio de código.
El modelo entrenado para seguir instrucciones contiene 14.800 millones de parámetros totales en 40 capas. Es la edición densa 14B, no un modelo de mezcla de expertos ni otro posterior con un nombre de familia similar. Su contexto nativo es de 32.768 tokens. Para una tarea documental, incluye los pasajes pertinentes y sus encabezados y solicita después la comparación o explicación concreta necesaria. Por ejemplo, un encargo puede proporcionar dos versiones de un proceso y pedir una tabla de condiciones modificadas, seguida de un procedimiento revisado que conserve las excepciones expresadas. Pide que el procedimiento revisado mantenga los encabezados de origen e identifique las condiciones modificadas.
El pensamiento está activado de forma predeterminada en la plantilla de chat del productor. El ajuste explícito enable_thinking=False desactiva por completo la sección de razonamiento. Si el pensamiento permanece activado, /think o /no_think en el prompt o la instrucción de sistema pueden cambiar el modo solicitado de un turno a otro; se aplica la instrucción más reciente. Una plantilla activada puede seguir devolviendo un bloque <think> vacío ante una petición textual de modo sin pensamiento. El ajuste de desactivación explícita no puede revertirse añadiendo /think al texto. Elige el modo conforme al problema: una reescritura directa puede utilizar un estilo de respuesta distinto de una explicación matemática de varios pasos.
El ejemplo oficial de generación separa el contenido de pensamiento de la respuesta final. Para que esa respuesta final resulte útil, proporciona las premisas o el material de origen y define su estructura antes de generar. Qwen recomienda un resultado final enmarcado para matemáticas y un campo de respuesta explícito para preguntas de opción múltiple. Un encargo didáctico puede pedir de forma similar el resultado, la explicación esencial y un ejemplo resuelto. Para conversaciones de varios turnos, el productor recomienda mantener la respuesta final en el historial y omitir el contenido de pensamiento anterior, de modo que las preguntas posteriores se basen en el resultado entregado.
Qwen describe capacidades de agentes y llamadas a herramientas en los modos de pensamiento y sin pensamiento. La integración recomendada Qwen-Agent proporciona plantillas y analizadores para herramientas definidas, incluida la recuperación de información y un intérprete de código en el ejemplo. Una aplicación puede proporcionar al modelo herramientas identificadas por nombre, sus argumentos admitidos y una condición de parada. Para investigar código, prepara el fragmento de origen y los detalles del fallo, pide identificar las comprobaciones necesarias y devuelve después el resultado real de la herramienta para interpretarlo. La respuesta final puede ser un diagnóstico, una propuesta de cambio y preguntas pendientes vinculadas a la evidencia proporcionada.
El productor valida una extensión de 131.072 tokens con YaRN, independiente de la ventana nativa. Advierte que el escalado estático puede afectar al comportamiento con entradas cortas y recomienda configurarlo cuando se necesitan contextos más largos. Su ficha también explica una asignación predeterminada de 40.960 posiciones para longitudes habituales de prompt y salida. Organiza la entrada larga en secciones con nombre y reserva espacio para el razonamiento y el resultado final, en lugar de llenar cada posición con material de fondo. El ajuste ampliado depende de la configuración prescrita.
Qwen recomienda temperature 0,6 y top-p 0,95 para pensamiento, y 0,7 y 0,8 para el modo sin pensamiento, con top-k 20 y min-p 0 en ambos casos. Advierte contra la decodificación voraz en modo de pensamiento por la posibilidad de degradación y repetición. El espacio de salida recomendado es de 32.768 tokens para la mayoría de consultas, con 38.912 descritos para tareas especialmente complejas de matemáticas y programación. Estas recomendaciones orientan la generación; no definen un límite fijo de respuesta independiente. Las instrucciones explícitas de idioma y formato son especialmente útiles cuando un resultado debe mantenerse coherente en una conversación multilingüe.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3-14b | 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 $0.00058 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.00058 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-14b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-14b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-14b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 las cabeceras. 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/qwen3-14b
Usa las rutas de método indicadas arriba.
qwen/qwen3-14bQwen3-14B es el modelo de texto denso de Qwen para conversación multilingüe, escritura, programación y razonamiento paso a paso. Su diseño híbrido original alterna entre modos de pensamiento y respuesta directa y tiene un contexto nativo de 32.768 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Qwen3-14B es un modelo de lenguaje denso de la versión original Qwen3 que combina comportamiento de pensamiento y sin pensamiento en un mismo modelo. Qwen posiciona la familia para razonamiento lógico, matemáticas, programación, escritura creativa, diálogo basado en papeles y seguimiento de instrucciones. Recibe y devuelve texto, con capacidades de instrucciones y traducción multilingües en los 119 idiomas y dialectos de la familia. Un encargo conversacional útil especifica el idioma, el nivel de conocimientos del lector y el resultado exacto: una explicación, una reescritura, un problema resuelto o una propuesta de cambio de código.
El modelo entrenado para seguir instrucciones contiene 14.800 millones de parámetros totales en 40 capas. Es la edición densa 14B, no un modelo de mezcla de expertos ni otro posterior con un nombre de familia similar. Su contexto nativo es de 32.768 tokens. Para una tarea documental, incluye los pasajes pertinentes y sus encabezados y solicita después la comparación o explicación concreta necesaria. Por ejemplo, un encargo puede proporcionar dos versiones de un proceso y pedir una tabla de condiciones modificadas, seguida de un procedimiento revisado que conserve las excepciones expresadas. Pide que el procedimiento revisado mantenga los encabezados de origen e identifique las condiciones modificadas.
El pensamiento está activado de forma predeterminada en la plantilla de chat del productor. El ajuste explícito enable_thinking=False desactiva por completo la sección de razonamiento. Si el pensamiento permanece activado, /think o /no_think en el prompt o la instrucción de sistema pueden cambiar el modo solicitado de un turno a otro; se aplica la instrucción más reciente. Una plantilla activada puede seguir devolviendo un bloque <think> vacío ante una petición textual de modo sin pensamiento. El ajuste de desactivación explícita no puede revertirse añadiendo /think al texto. Elige el modo conforme al problema: una reescritura directa puede utilizar un estilo de respuesta distinto de una explicación matemática de varios pasos.
El ejemplo oficial de generación separa el contenido de pensamiento de la respuesta final. Para que esa respuesta final resulte útil, proporciona las premisas o el material de origen y define su estructura antes de generar. Qwen recomienda un resultado final enmarcado para matemáticas y un campo de respuesta explícito para preguntas de opción múltiple. Un encargo didáctico puede pedir de forma similar el resultado, la explicación esencial y un ejemplo resuelto. Para conversaciones de varios turnos, el productor recomienda mantener la respuesta final en el historial y omitir el contenido de pensamiento anterior, de modo que las preguntas posteriores se basen en el resultado entregado.
Qwen describe capacidades de agentes y llamadas a herramientas en los modos de pensamiento y sin pensamiento. La integración recomendada Qwen-Agent proporciona plantillas y analizadores para herramientas definidas, incluida la recuperación de información y un intérprete de código en el ejemplo. Una aplicación puede proporcionar al modelo herramientas identificadas por nombre, sus argumentos admitidos y una condición de parada. Para investigar código, prepara el fragmento de origen y los detalles del fallo, pide identificar las comprobaciones necesarias y devuelve después el resultado real de la herramienta para interpretarlo. La respuesta final puede ser un diagnóstico, una propuesta de cambio y preguntas pendientes vinculadas a la evidencia proporcionada.
El productor valida una extensión de 131.072 tokens con YaRN, independiente de la ventana nativa. Advierte que el escalado estático puede afectar al comportamiento con entradas cortas y recomienda configurarlo cuando se necesitan contextos más largos. Su ficha también explica una asignación predeterminada de 40.960 posiciones para longitudes habituales de prompt y salida. Organiza la entrada larga en secciones con nombre y reserva espacio para el razonamiento y el resultado final, en lugar de llenar cada posición con material de fondo. El ajuste ampliado depende de la configuración prescrita.
Qwen recomienda temperature 0,6 y top-p 0,95 para pensamiento, y 0,7 y 0,8 para el modo sin pensamiento, con top-k 20 y min-p 0 en ambos casos. Advierte contra la decodificación voraz en modo de pensamiento por la posibilidad de degradación y repetición. El espacio de salida recomendado es de 32.768 tokens para la mayoría de consultas, con 38.912 descritos para tareas especialmente complejas de matemáticas y programación. Estas recomendaciones orientan la generación; no definen un límite fijo de respuesta independiente. Las instrucciones explícitas de idioma y formato son especialmente útiles cuando un resultado debe mantenerse coherente en una conversación multilingüe.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3-14b | 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 $0.00058 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.00058 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen/qwen3-14b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-14b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-14b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 las cabeceras. 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/qwen3-14b
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.