Qwen3-30B-A3B combina dos estilos de respuesta en un modelo de texto: pensamiento para problemas complejos de lógica, matemáticas y programación, y modo sin pensamiento para diálogo sencillo. Qwen también destaca escritura creativa, conversación basada en papeles, seguimiento de instrucciones e integración con herramientas externas. La familia Qwen3 original admite 119 idiomas y dialectos, lo que hace útil este modelo para preguntas multilingües, traducción y conversación en la que el idioma solicitado puede cambiar entre turnos. Indica el idioma de salida, conserva la terminología que deba permanecer sin cambios y describe las necesidades del lector.
Esta es la edición original de mezcla de expertos Qwen3-30B-A3B. Sus 30.500 millones de parámetros totales incluyen 3.300 millones activados por token; en las capas de expertos del modelo se seleccionan ocho de sus 128 expertos. La arquitectura dispersa supone una diferencia importante frente a los modelos densos de Qwen3. Este perfil se refiere al modelo híbrido original, cuyo contexto nativo es de 32.768 tokens, no a una edición posterior identificada por separado como Instruct-2507 o Thinking-2507. Para un encargo de análisis, proporciona el código o los pasajes de origen pertinentes, la pregunta que se debe resolver y las condiciones que debe cumplir una respuesta válida.
En la plantilla oficial de chat, el pensamiento está activado de forma predeterminada. El interruptor explícito enable_thinking puede desactivarlo por completo. Cuando permanece activado, /think y /no_think en una instrucción de usuario o sistema actúan como interruptores textuales, y la instrucción más reciente controla el comportamiento solicitado entre turnos. Una petición /no_think con una plantilla activada puede seguir produciendo un bloque de pensamiento vacío; con el interruptor de configuración desactivado, ninguno de los marcadores activa el pensamiento. Esta distinción importa cuando un flujo alterna entre una reescritura inmediata y una pregunta de depuración o razonamiento más compleja.
Los ejemplos de Qwen separan la sección <think> de la respuesta final. Para un problema de código, prepara el fragmento de origen pertinente más pequeño, el fallo observado y el resultado deseado y pide después un diagnóstico y una propuesta de corrección. Para un problema matemático, el productor recomienda una instrucción explícita paso a paso con la respuesta final en \\boxed{}. Un encargo de opción múltiple puede definir, en cambio, un único campo de respuesta. En turnos posteriores, Qwen recomienda conservar la respuesta final y omitir del historial el contenido de pensamiento anterior, en lugar de arrastrar repetidamente toda la sección de razonamiento.
Se describen llamadas a herramientas para ambos modos. Qwen recomienda Qwen-Agent para gestionar las plantillas de llamadas a herramientas del modelo y analizar sintácticamente dichas llamadas, con ejemplos de recuperación de información, información horaria e intérprete de código. Describe las herramientas disponibles y sus argumentos antes de pedirle que planifique una secuencia. Un encargo útil puede solicitar una comprobación de documentación seleccionada seguida de una propuesta de implementación razonada; devuelve cada resultado de herramienta a la conversación para que el modelo continúe a partir de evidencia real. La solicitud textual de herramienta y el resultado ejecutado por la aplicación siguen siendo partes independientes de ese flujo.
La ficha describe una extensión del contexto a 131.072 tokens con YaRN. Es una ampliación de la ventana nativa dependiente de configuración y Qwen advierte que el escalado estático puede afectar a entradas más cortas. La ficha también explica una configuración predeterminada de 40.960 posiciones que asigna espacio para un prompt habitual y una respuesta larga; es distinta de su descripción de contexto nativo. Prepara material largo con separaciones claras entre documentos, prioriza las partes pertinentes para la pregunta y deja espacio para la respuesta y cualquier razonamiento.
Para pensamiento, Qwen recomienda temperature 0,6, top-p 0,95, top-k 20 y min-p 0 y desaconseja la decodificación voraz porque puede degradar los resultados o repetir indefinidamente. Para el modo sin pensamiento, sus orientaciones cambian temperature a 0,7 y top-p a 0,8. Recomienda un espacio de salida de 32.768 tokens para la mayoría de consultas y describe 38.912 tokens para problemas especialmente exigentes de matemáticas y programación. Son ajustes de generación del productor, no una garantía fija e independiente de respuesta. Elige conjuntamente el modo y el resultado solicitado para que haya espacio tanto para el razonamiento necesario como para el resultado final útil.
", "aboutText": "Qwen3-30B-A3B combina dos estilos de respuesta en un modelo de texto: pensamiento para problemas complejos de lógica, matemáticas y programación, y modo sin pensamiento para diálogo sencillo. Qwen también destaca escritura creativa, conversación basada en papeles, seguimiento de instrucciones e integración con herramientas externas. La familia Qwen3 original admite 119 idiomas y dialectos, lo que hace útil este modelo para preguntas multilingües, traducción y conversación en la que el idioma solicitado puede cambiar entre turnos. Indica el idioma de salida, conserva la terminología que deba permanecer sin cambios y describe las necesidades del lector.\n\nEsta es la edición original de mezcla de expertos Qwen3-30B-A3B. Sus 30.500 millones de parámetros totales incluyen 3.300 millones activados por token; en las capas de expertos del modelo se seleccionan ocho de sus 128 expertos. La arquitectura dispersa supone una diferencia importante frente a los modelos densos de Qwen3. Este perfil se refiere al modelo híbrido original, cuyo contexto nativo es de 32.768 tokens, no a una edición posterior identificada por separado como Instruct-2507 o Thinking-2507. Para un encargo de análisis, proporciona el código o los pasajes de origen pertinentes, la pregunta que se debe resolver y las condiciones que debe cumplir una respuesta válida.\n\nEn la plantilla oficial de chat, el pensamiento está activado de forma predeterminada. El interruptor explícito enable_thinking puede desactivarlo por completo. Cuando permanece activado, /think y /no_think en una instrucción de usuario o sistema actúan como interruptores textuales, y la instrucción más reciente controla el comportamiento solicitado entre turnos. Una petición /no_think con una plantilla activada puede seguir produciendo un bloque de pensamiento vacío; con el interruptor de configuración desactivado, ninguno de los marcadores activa el pensamiento. Esta distinción importa cuando un flujo alterna entre una reescritura inmediata y una pregunta de depuración o razonamiento más compleja.\n\nLos ejemplos de Qwen separan la secciónEjemplo técnico en inglés
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.qwen/qwen3-30b-a3bQwen3-30B-A3B es el modelo de texto de mezcla de expertos de Qwen con modos de pensamiento y sin pensamiento para razonamiento, programación y conversación multilingüe. Tiene 30.500 millones de parámetros totales, 3.300 millones activos por token y 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.
Qwen3-30B-A3B combina dos estilos de respuesta en un modelo de texto: pensamiento para problemas complejos de lógica, matemáticas y programación, y modo sin pensamiento para diálogo sencillo. Qwen también destaca escritura creativa, conversación basada en papeles, seguimiento de instrucciones e integración con herramientas externas. La familia Qwen3 original admite 119 idiomas y dialectos, lo que hace útil este modelo para preguntas multilingües, traducción y conversación en la que el idioma solicitado puede cambiar entre turnos. Indica el idioma de salida, conserva la terminología que deba permanecer sin cambios y describe las necesidades del lector.
Esta es la edición original de mezcla de expertos Qwen3-30B-A3B. Sus 30.500 millones de parámetros totales incluyen 3.300 millones activados por token; en las capas de expertos del modelo se seleccionan ocho de sus 128 expertos. La arquitectura dispersa supone una diferencia importante frente a los modelos densos de Qwen3. Este perfil se refiere al modelo híbrido original, cuyo contexto nativo es de 32.768 tokens, no a una edición posterior identificada por separado como Instruct-2507 o Thinking-2507. Para un encargo de análisis, proporciona el código o los pasajes de origen pertinentes, la pregunta que se debe resolver y las condiciones que debe cumplir una respuesta válida.
En la plantilla oficial de chat, el pensamiento está activado de forma predeterminada. El interruptor explícito enable_thinking puede desactivarlo por completo. Cuando permanece activado, /think y /no_think en una instrucción de usuario o sistema actúan como interruptores textuales, y la instrucción más reciente controla el comportamiento solicitado entre turnos. Una petición /no_think con una plantilla activada puede seguir produciendo un bloque de pensamiento vacío; con el interruptor de configuración desactivado, ninguno de los marcadores activa el pensamiento. Esta distinción importa cuando un flujo alterna entre una reescritura inmediata y una pregunta de depuración o razonamiento más compleja.
Los ejemplos de Qwen separan la sección <think> de la respuesta final. Para un problema de código, prepara el fragmento de origen pertinente más pequeño, el fallo observado y el resultado deseado y pide después un diagnóstico y una propuesta de corrección. Para un problema matemático, el productor recomienda una instrucción explícita paso a paso con la respuesta final en \\boxed{}. Un encargo de opción múltiple puede definir, en cambio, un único campo de respuesta. En turnos posteriores, Qwen recomienda conservar la respuesta final y omitir del historial el contenido de pensamiento anterior, en lugar de arrastrar repetidamente toda la sección de razonamiento.
Se describen llamadas a herramientas para ambos modos. Qwen recomienda Qwen-Agent para gestionar las plantillas de llamadas a herramientas del modelo y analizar sintácticamente dichas llamadas, con ejemplos de recuperación de información, información horaria e intérprete de código. Describe las herramientas disponibles y sus argumentos antes de pedirle que planifique una secuencia. Un encargo útil puede solicitar una comprobación de documentación seleccionada seguida de una propuesta de implementación razonada; devuelve cada resultado de herramienta a la conversación para que el modelo continúe a partir de evidencia real. La solicitud textual de herramienta y el resultado ejecutado por la aplicación siguen siendo partes independientes de ese flujo.
La ficha describe una extensión del contexto a 131.072 tokens con YaRN. Es una ampliación de la ventana nativa dependiente de configuración y Qwen advierte que el escalado estático puede afectar a entradas más cortas. La ficha también explica una configuración predeterminada de 40.960 posiciones que asigna espacio para un prompt habitual y una respuesta larga; es distinta de su descripción de contexto nativo. Prepara material largo con separaciones claras entre documentos, prioriza las partes pertinentes para la pregunta y deja espacio para la respuesta y cualquier razonamiento.
Para pensamiento, Qwen recomienda temperature 0,6, top-p 0,95, top-k 20 y min-p 0 y desaconseja la decodificación voraz porque puede degradar los resultados o repetir indefinidamente. Para el modo sin pensamiento, sus orientaciones cambian temperature a 0,7 y top-p a 0,8. Recomienda un espacio de salida de 32.768 tokens para la mayoría de consultas y describe 38.912 tokens para problemas especialmente exigentes de matemáticas y programación. Son ajustes de generación del productor, no una garantía fija e independiente de respuesta. Elige conjuntamente el modo y el resultado solicitado para que haya espacio tanto para el razonamiento necesario como para el resultado final útil.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3-30b-a3b | 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 $0.00024 / 1K tokens Salida · Tokens de salida $0.001 / 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 $0.00024 / 1K tokens Salida · Tokens de salida $0.001 / 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/qwen3-30b-a3b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-30b-a3b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-30b-a3b',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/qwen3-30b-a3b
Usa las rutas de método indicadas arriba.
qwen/qwen3-30b-a3bQwen3-30B-A3B es el modelo de texto de mezcla de expertos de Qwen con modos de pensamiento y sin pensamiento para razonamiento, programación y conversación multilingüe. Tiene 30.500 millones de parámetros totales, 3.300 millones activos por token y 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.
Qwen3-30B-A3B combina dos estilos de respuesta en un modelo de texto: pensamiento para problemas complejos de lógica, matemáticas y programación, y modo sin pensamiento para diálogo sencillo. Qwen también destaca escritura creativa, conversación basada en papeles, seguimiento de instrucciones e integración con herramientas externas. La familia Qwen3 original admite 119 idiomas y dialectos, lo que hace útil este modelo para preguntas multilingües, traducción y conversación en la que el idioma solicitado puede cambiar entre turnos. Indica el idioma de salida, conserva la terminología que deba permanecer sin cambios y describe las necesidades del lector.
Esta es la edición original de mezcla de expertos Qwen3-30B-A3B. Sus 30.500 millones de parámetros totales incluyen 3.300 millones activados por token; en las capas de expertos del modelo se seleccionan ocho de sus 128 expertos. La arquitectura dispersa supone una diferencia importante frente a los modelos densos de Qwen3. Este perfil se refiere al modelo híbrido original, cuyo contexto nativo es de 32.768 tokens, no a una edición posterior identificada por separado como Instruct-2507 o Thinking-2507. Para un encargo de análisis, proporciona el código o los pasajes de origen pertinentes, la pregunta que se debe resolver y las condiciones que debe cumplir una respuesta válida.
En la plantilla oficial de chat, el pensamiento está activado de forma predeterminada. El interruptor explícito enable_thinking puede desactivarlo por completo. Cuando permanece activado, /think y /no_think en una instrucción de usuario o sistema actúan como interruptores textuales, y la instrucción más reciente controla el comportamiento solicitado entre turnos. Una petición /no_think con una plantilla activada puede seguir produciendo un bloque de pensamiento vacío; con el interruptor de configuración desactivado, ninguno de los marcadores activa el pensamiento. Esta distinción importa cuando un flujo alterna entre una reescritura inmediata y una pregunta de depuración o razonamiento más compleja.
Los ejemplos de Qwen separan la sección <think> de la respuesta final. Para un problema de código, prepara el fragmento de origen pertinente más pequeño, el fallo observado y el resultado deseado y pide después un diagnóstico y una propuesta de corrección. Para un problema matemático, el productor recomienda una instrucción explícita paso a paso con la respuesta final en \\boxed{}. Un encargo de opción múltiple puede definir, en cambio, un único campo de respuesta. En turnos posteriores, Qwen recomienda conservar la respuesta final y omitir del historial el contenido de pensamiento anterior, en lugar de arrastrar repetidamente toda la sección de razonamiento.
Se describen llamadas a herramientas para ambos modos. Qwen recomienda Qwen-Agent para gestionar las plantillas de llamadas a herramientas del modelo y analizar sintácticamente dichas llamadas, con ejemplos de recuperación de información, información horaria e intérprete de código. Describe las herramientas disponibles y sus argumentos antes de pedirle que planifique una secuencia. Un encargo útil puede solicitar una comprobación de documentación seleccionada seguida de una propuesta de implementación razonada; devuelve cada resultado de herramienta a la conversación para que el modelo continúe a partir de evidencia real. La solicitud textual de herramienta y el resultado ejecutado por la aplicación siguen siendo partes independientes de ese flujo.
La ficha describe una extensión del contexto a 131.072 tokens con YaRN. Es una ampliación de la ventana nativa dependiente de configuración y Qwen advierte que el escalado estático puede afectar a entradas más cortas. La ficha también explica una configuración predeterminada de 40.960 posiciones que asigna espacio para un prompt habitual y una respuesta larga; es distinta de su descripción de contexto nativo. Prepara material largo con separaciones claras entre documentos, prioriza las partes pertinentes para la pregunta y deja espacio para la respuesta y cualquier razonamiento.
Para pensamiento, Qwen recomienda temperature 0,6, top-p 0,95, top-k 20 y min-p 0 y desaconseja la decodificación voraz porque puede degradar los resultados o repetir indefinidamente. Para el modo sin pensamiento, sus orientaciones cambian temperature a 0,7 y top-p a 0,8. Recomienda un espacio de salida de 32.768 tokens para la mayoría de consultas y describe 38.912 tokens para problemas especialmente exigentes de matemáticas y programación. Son ajustes de generación del productor, no una garantía fija e independiente de respuesta. Elige conjuntamente el modo y el resultado solicitado para que haya espacio tanto para el razonamiento necesario como para el resultado final útil.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3-30b-a3b | 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 $0.00024 / 1K tokens Salida · Tokens de salida $0.001 / 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 $0.00024 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen/qwen3-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b', '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/qwen3-30b-a3b
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.