Aspectos destacados: programación a escala de repositorio
Qwen3-Coder-30B-A3B-Instruct es un modelo de texto centrado en el seguimiento de instrucciones para agentes de programación. Qwen documenta sus capacidades de programación, uso como agente de navegador y comprensión a escala de repositorio, con un formato específico de llamada a funciones e integración mediante flujos de trabajo como Qwen Code. Su entrada y su salida son texto. Conserva este checkpoint exacto de Coder en lugar de sustituirlo por el modelo general Qwen3-30B-A3B-Instruct-2507 o por Qwen3-Coder-Next, cuyos objetivos de entrenamiento y recomendaciones de generación son distintos.
El contexto nativo es de 262,144 tokens, y el fabricante describe su ampliación hasta aproximadamente un millón mediante YaRN. Un contexto amplio permite reunir más evidencias del repositorio, pero una tarea clara sigue necesitando los módulos, las interfaces y los requisitos pertinentes. Indica el artefacto esperado y el comportamiento observable antes de solicitar un cambio de código.
Descripción del modelo
El modelo de mezcla de expertos tiene 30.5 mil millones de parámetros en total y activa 3.3 mil millones. Dispone de 48 capas, 128 expertos y ocho expertos seleccionados por token. Los parámetros totales y los parámetros activados tienen significados distintos; la cifra de parámetros activados no representa el tamaño completo del checkpoint. Su configuración de modelo de lenguaje causal corresponde a un modelo de texto, no a una interfaz de visión o voz.
Coder-30B-A3B-Instruct solo admite el modo sin razonamiento explícito y no genera bloques de pensamiento explícitos. En el ejemplo del fabricante no es necesario establecer enable_thinking=False. Aun así, puede explicar un algoritmo o justificar un parche mediante texto convencional. Solicitar pasos de razonamiento no debe confundirse con activar el comportamiento Thinking independiente de otra edición de Qwen.
Preparar una solicitud de desarrollo
Proporciona el código pertinente, una entrada que demuestre el comportamiento actual, el resultado observado y el cambio deseado. Para un algoritmo, especifica las restricciones de entrada y la 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 de los comentarios explicativos.
Una respuesta útil puede organizar el diagnóstico, el cambio propuesto y las comprobaciones necesarias para revisarlo. Cuando una tarea se basa en una referencia visual o en un comportamiento grabado, proporciona una representación textual adecuada y conserva los identificadores que permitan comparar el resultado con el original. Contrasta el parche propuesto con el código facilitado, el comportamiento esperado y los resultados devueltos por las comprobaciones conectadas.
Programación con agentes y flujos de trabajo de navegador
El fabricante destaca las llamadas a herramientas y un formato de llamada a funciones diseñado específicamente. Un flujo de trabajo con agentes conectados proporciona las descripciones de las herramientas, los esquemas de entrada y las observaciones, y realiza las operaciones reales. Define las acciones permitidas y una condición de finalización; después, devuelve al modelo los resultados reales de inspección o ejecución para que pueda actualizar el trabajo que propone.
La capacidad de actuar como agente de navegador significa participar en un flujo de trabajo con una herramienta de navegador conectada, no disponer de acceso automático al navegador del usuario ni a sus páginas actuales. La misma distinción se aplica a la inspección de repositorios y a la ejecución de código. Un comando propuesto, una solicitud de herramienta y una operación completada deben mantenerse separados en el informe final. Conserva el formato nativo de herramientas del modelo y su procedimiento de análisis, en lugar de asumir que la plantilla de otro modelo es intercambiable.
Contexto largo y configuración
El fabricante describe la ampliación mediante YaRN desde el contexto nativo de 262,144 tokens hasta aproximadamente un millón para tareas a escala de repositorio. Utiliza una configuración de contexto adecuada para el material del repositorio, y reserva espacio para las observaciones de las herramientas y el resultado. Su guía de inicio rápido también sugiere un contexto menor, como 32,768, cuando la presión de memoria impide utilizar el ajuste más amplio.
Conserva las rutas del código, los nombres de funciones y las definiciones pertinentes en las entradas largas. Elimina los archivos generados que no guarden relación o el material repetido y reserva espacio para la respuesta. El texto de origen, el historial, las observaciones de las herramientas y el código generado comparten el límite de secuencia configurado; no debe interpretarse la entrada más extensa posible como un recuerdo perfecto de cada dependencia.
Recomendaciones de generación
Best Practices recomienda temperature 0.7, top_p 0.8, top_k 20 y una penalización por repetición de 1.05. La recomendación exacta de penalización por repetición difiere de la de otros modelos de Qwen y sigue formando parte del procedimiento de esta edición de Coder. Qwen recomienda un margen de generación de 65,536 tokens para la mayoría de las consultas; se trata de una recomendación, no de un máximo estricto establecido de forma independiente.
Indica el idioma y el formato de salida, como un parche, una función completa o una explicación, y comprueba la sintaxis y las interfaces del artefacto 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 una semántica de retorno internamente coherentes en la aplicación que lo utiliza.
Límites sustanciales y resultado útil
La entrada documentada de este checkpoint es texto. No acredita directamente capacidades de comprensión de imágenes, audio o vídeo. El código generado y una explicación expresada con seguridad son artefactos preliminares hasta que el entorno conectado devuelve las comprobaciones u observaciones pertinentes. El resultado útil es una propuesta de implementación que pueda inspeccionarse y esté vinculada a las condiciones del repositorio facilitadas, conservando su identidad exacta de Coder, su modo sin razonamiento explícito y las recomendaciones 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 el seguimiento de instrucciones para agentes de programación. Qwen documenta sus capacidades de programación, uso como agente de navegador y comprensión a escala de repositorio, con un formato específico de llamada a funciones e integración mediante flujos de trabajo como Qwen Code. Su entrada y su salida son texto. Conserva este checkpoint exacto de Coder en lugar de sustituirlo por el modelo general Qwen3-30B-A3B-Instruct-2507 o por Qwen3-Coder-Next, cuyos objetivos de entrenamiento y recomendaciones de generación son distintos.\n\nEl contexto nativo es de 262,144 tokens, y el fabricante describe su ampliación hasta aproximadamente un millón mediante YaRN. Un contexto amplio permite reunir más evidencias del repositorio, pero una tarea clara sigue necesitando los módulos, las interfaces y los requisitos pertinentes. Indica el artefacto esperado y el comportamiento observable antes de solicitar un cambio de código.\n\nDescripción del modelo\n\nEl modelo de mezcla de expertos tiene 30.5 mil millones de parámetros en total y activa 3.3 mil millones. Dispone de 48 capas, 128 expertos y ocho expertos seleccionados por token. Los parámetros totales y los parámetros activados tienen significados distintos; la cifra de parámetros activados no representa el tamaño completo del checkpoint. Su configuración de modelo de lenguaje causal corresponde a un modelo de texto, no a una interfaz de visión o voz.\n\nCoder-30B-A3B-Instruct solo admite el modo sin razonamiento explícito y no genera bloques de pensamiento explícitos. En el ejemplo del fabricante no es necesario establecer enable_thinking=False. Aun así, puede explicar un algoritmo o justificar un parche mediante texto convencional. Solicitar pasos de razonamiento no debe confundirse con activar el comportamiento Thinking independiente de otra edición de Qwen.\n\nPreparar una solicitud de desarrollo\n\nProporciona el código pertinente, una entrada que demuestre el comportamiento actual, el resultado observado y el cambio deseado. Para un algoritmo, especifica las restricciones de entrada y la 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 de los comentarios explicativos.\n\nUna respuesta útil puede organizar el diagnóstico, el cambio propuesto y las comprobaciones necesarias para revisarlo. Cuando una tarea se basa en una referencia visual o en un comportamiento grabado, proporciona una representación textual adecuada y conserva los identificadores que permitan comparar el resultado con el original. Contrasta el parche propuesto con el código facilitado, el comportamiento esperado y los resultados devueltos por las comprobaciones conectadas.\n\nProgramación con agentes y flujos de trabajo de navegador\n\nEl fabricante destaca las llamadas a herramientas y un formato de llamada a funciones diseñado específicamente. Un flujo de trabajo con agentes conectados proporciona las descripciones de las herramientas, los esquemas de entrada y las observaciones, y realiza las operaciones reales. Define las acciones permitidas y una condición de finalización; después, devuelve al modelo los resultados reales de inspección o ejecución para que pueda actualizar el trabajo que propone.\n\nLa capacidad de actuar como agente de navegador significa participar en un flujo de trabajo con una herramienta de navegador conectada, no disponer de acceso automático al navegador del usuario ni a sus páginas actuales. La misma distinción se aplica a la inspección de repositorios y a la ejecución de código. Un comando propuesto, una solicitud de herramienta y una operación completada deben mantenerse separados en el informe final. Conserva el formato nativo de herramientas del modelo y su procedimiento de análisis, en lugar de asumir que la plantilla de otro modelo es intercambiable.\n\nContexto largo y configuración\n\nEl fabricante describe la ampliación mediante YaRN desde el contexto nativo de 262,144 tokens hasta aproximadamente un millón para tareas a escala de repositorio. Utiliza una configuración de contexto adecuada para el material del repositorio, y reserva espacio para las observaciones de las herramientas y el resultado. Su guía de inicio rápido también sugiere un contexto menor, como 32,768, cuando la presión de memoria impide utilizar el ajuste más amplio.\n\nConserva las rutas del código, los nombres de funciones y las definiciones pertinentes en las entradas largas. Elimina los archivos generados que no guarden relación o el material repetido y reserva espacio para la respuesta. El texto de origen, el historial, las observaciones de las herramientas y el código generado comparten el límite de secuencia configurado; no debe interpretarse la entrada más extensa posible como un recuerdo perfecto de cada dependencia.\n\nRecomendaciones de generación\n\nBest Practices recomienda temperature 0.7, top_p 0.8, top_k 20 y una penalización por repetición de 1.05. La recomendación exacta de penalización por repetición difiere de la de otros modelos de Qwen y sigue formando parte del procedimiento de esta edición de Coder. Qwen recomienda un margen de generación de 65,536 tokens para la mayoría de las consultas; se trata de una recomendación, no de un máximo estricto establecido de forma independiente.\n\nIndica el idioma y el formato de salida, como un parche, una función completa o una explicación, y comprueba la sintaxis y las interfaces del artefacto 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 una semántica de retorno internamente coherentes en la aplicación que lo utiliza.\n\nLímites sustanciales y resultado útil\n\nLa entrada documentada de este checkpoint es texto. No acredita directamente capacidades de comprensión de imágenes, audio o vídeo. El código generado y una explicación expresada con seguridad son artefactos preliminares hasta que el entorno conectado devuelve las comprobaciones u observaciones pertinentes. El resultado útil es una propuesta de implementación que pueda inspeccionarse y esté vinculada a las condiciones del repositorio facilitadas, conservando su identidad exacta de Coder, su modo sin razonamiento explícito y las recomendaciones 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 texto para programación de Qwen sin modo de razonamiento explícito, con 30.5 mil millones de parámetros totales y 3.3 mil millones de parámetros activados. Está orientado al desarrollo a escala de repositorio, la programación y los flujos de trabajo de 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 el seguimiento de instrucciones para agentes de programación. Qwen documenta sus capacidades de programación, uso como agente de navegador y comprensión a escala de repositorio, con un formato específico de llamada a funciones e integración mediante flujos de trabajo como Qwen Code. Su entrada y su salida son texto. Conserva este checkpoint exacto de Coder en lugar de sustituirlo por el modelo general Qwen3-30B-A3B-Instruct-2507 o por Qwen3-Coder-Next, cuyos objetivos de entrenamiento y recomendaciones de generación son distintos.
El contexto nativo es de 262,144 tokens, y el fabricante describe su ampliación hasta aproximadamente un millón mediante YaRN. Un contexto amplio permite reunir más evidencias del repositorio, pero una tarea clara sigue necesitando los módulos, las interfaces y los requisitos pertinentes. Indica el artefacto esperado y el comportamiento observable antes de solicitar un cambio de código.
Descripción del modelo
El modelo de mezcla de expertos tiene 30.5 mil millones de parámetros en total y activa 3.3 mil millones. Dispone de 48 capas, 128 expertos y ocho expertos seleccionados por token. Los parámetros totales y los parámetros activados tienen significados distintos; la cifra de parámetros activados no representa el tamaño completo del checkpoint. Su configuración de modelo de lenguaje causal corresponde a un modelo de texto, no a una interfaz de visión o voz.
Coder-30B-A3B-Instruct solo admite el modo sin razonamiento explícito y no genera bloques de pensamiento explícitos. En el ejemplo del fabricante no es necesario establecer enable_thinking=False. Aun así, puede explicar un algoritmo o justificar un parche mediante texto convencional. Solicitar pasos de razonamiento no debe confundirse con activar el comportamiento Thinking independiente de otra edición de Qwen.
Preparar una solicitud de desarrollo
Proporciona el código pertinente, una entrada que demuestre el comportamiento actual, el resultado observado y el cambio deseado. Para un algoritmo, especifica las restricciones de entrada y la 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 de los comentarios explicativos.
Una respuesta útil puede organizar el diagnóstico, el cambio propuesto y las comprobaciones necesarias para revisarlo. Cuando una tarea se basa en una referencia visual o en un comportamiento grabado, proporciona una representación textual adecuada y conserva los identificadores que permitan comparar el resultado con el original. Contrasta el parche propuesto con el código facilitado, el comportamiento esperado y los resultados devueltos por las comprobaciones conectadas.
Programación con agentes y flujos de trabajo de navegador
El fabricante destaca las llamadas a herramientas y un formato de llamada a funciones diseñado específicamente. Un flujo de trabajo con agentes conectados proporciona las descripciones de las herramientas, los esquemas de entrada y las observaciones, y realiza las operaciones reales. Define las acciones permitidas y una condición de finalización; después, devuelve al modelo los resultados reales de inspección o ejecución para que pueda actualizar el trabajo que propone.
La capacidad de actuar como agente de navegador significa participar en un flujo de trabajo con una herramienta de navegador conectada, no disponer de acceso automático al navegador del usuario ni a sus páginas actuales. La misma distinción se aplica a la inspección de repositorios y a la ejecución de código. Un comando propuesto, una solicitud de herramienta y una operación completada deben mantenerse separados en el informe final. Conserva el formato nativo de herramientas del modelo y su procedimiento de análisis, en lugar de asumir que la plantilla de otro modelo es intercambiable.
Contexto largo y configuración
El fabricante describe la ampliación mediante YaRN desde el contexto nativo de 262,144 tokens hasta aproximadamente un millón para tareas a escala de repositorio. Utiliza una configuración de contexto adecuada para el material del repositorio, y reserva espacio para las observaciones de las herramientas y el resultado. Su guía de inicio rápido también sugiere un contexto menor, como 32,768, cuando la presión de memoria impide utilizar el ajuste más amplio.
Conserva las rutas del código, los nombres de funciones y las definiciones pertinentes en las entradas largas. Elimina los archivos generados que no guarden relación o el material repetido y reserva espacio para la respuesta. El texto de origen, el historial, las observaciones de las herramientas y el código generado comparten el límite de secuencia configurado; no debe interpretarse la entrada más extensa posible como un recuerdo perfecto de cada dependencia.
Recomendaciones de generación
Best Practices recomienda temperature 0.7, top_p 0.8, top_k 20 y una penalización por repetición de 1.05. La recomendación exacta de penalización por repetición difiere de la de otros modelos de Qwen y sigue formando parte del procedimiento de esta edición de Coder. Qwen recomienda un margen de generación de 65,536 tokens para la mayoría de las consultas; se trata de una recomendación, no de un máximo estricto establecido de forma independiente.
Indica el idioma y el formato de salida, como un parche, una función completa o una explicación, y comprueba la sintaxis y las interfaces del artefacto 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 una semántica de retorno internamente coherentes en la aplicación que lo utiliza.
Límites sustanciales y resultado útil
La entrada documentada de este checkpoint es texto. No acredita directamente capacidades de comprensión de imágenes, audio o vídeo. El código generado y una explicación expresada con seguridad son artefactos preliminares hasta que el entorno conectado devuelve las comprobaciones u observaciones pertinentes. El resultado útil es una propuesta de implementación que pueda inspeccionarse y esté vinculada a las condiciones del repositorio facilitadas, conservando su identidad exacta de Coder, su modo sin razonamiento explícito y las recomendaciones 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 |
| 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 $0.0008 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-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 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-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 texto para programación de Qwen sin modo de razonamiento explícito, con 30.5 mil millones de parámetros totales y 3.3 mil millones de parámetros activados. Está orientado al desarrollo a escala de repositorio, la programación y los flujos de trabajo de 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 el seguimiento de instrucciones para agentes de programación. Qwen documenta sus capacidades de programación, uso como agente de navegador y comprensión a escala de repositorio, con un formato específico de llamada a funciones e integración mediante flujos de trabajo como Qwen Code. Su entrada y su salida son texto. Conserva este checkpoint exacto de Coder en lugar de sustituirlo por el modelo general Qwen3-30B-A3B-Instruct-2507 o por Qwen3-Coder-Next, cuyos objetivos de entrenamiento y recomendaciones de generación son distintos.
El contexto nativo es de 262,144 tokens, y el fabricante describe su ampliación hasta aproximadamente un millón mediante YaRN. Un contexto amplio permite reunir más evidencias del repositorio, pero una tarea clara sigue necesitando los módulos, las interfaces y los requisitos pertinentes. Indica el artefacto esperado y el comportamiento observable antes de solicitar un cambio de código.
Descripción del modelo
El modelo de mezcla de expertos tiene 30.5 mil millones de parámetros en total y activa 3.3 mil millones. Dispone de 48 capas, 128 expertos y ocho expertos seleccionados por token. Los parámetros totales y los parámetros activados tienen significados distintos; la cifra de parámetros activados no representa el tamaño completo del checkpoint. Su configuración de modelo de lenguaje causal corresponde a un modelo de texto, no a una interfaz de visión o voz.
Coder-30B-A3B-Instruct solo admite el modo sin razonamiento explícito y no genera bloques de pensamiento explícitos. En el ejemplo del fabricante no es necesario establecer enable_thinking=False. Aun así, puede explicar un algoritmo o justificar un parche mediante texto convencional. Solicitar pasos de razonamiento no debe confundirse con activar el comportamiento Thinking independiente de otra edición de Qwen.
Preparar una solicitud de desarrollo
Proporciona el código pertinente, una entrada que demuestre el comportamiento actual, el resultado observado y el cambio deseado. Para un algoritmo, especifica las restricciones de entrada y la 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 de los comentarios explicativos.
Una respuesta útil puede organizar el diagnóstico, el cambio propuesto y las comprobaciones necesarias para revisarlo. Cuando una tarea se basa en una referencia visual o en un comportamiento grabado, proporciona una representación textual adecuada y conserva los identificadores que permitan comparar el resultado con el original. Contrasta el parche propuesto con el código facilitado, el comportamiento esperado y los resultados devueltos por las comprobaciones conectadas.
Programación con agentes y flujos de trabajo de navegador
El fabricante destaca las llamadas a herramientas y un formato de llamada a funciones diseñado específicamente. Un flujo de trabajo con agentes conectados proporciona las descripciones de las herramientas, los esquemas de entrada y las observaciones, y realiza las operaciones reales. Define las acciones permitidas y una condición de finalización; después, devuelve al modelo los resultados reales de inspección o ejecución para que pueda actualizar el trabajo que propone.
La capacidad de actuar como agente de navegador significa participar en un flujo de trabajo con una herramienta de navegador conectada, no disponer de acceso automático al navegador del usuario ni a sus páginas actuales. La misma distinción se aplica a la inspección de repositorios y a la ejecución de código. Un comando propuesto, una solicitud de herramienta y una operación completada deben mantenerse separados en el informe final. Conserva el formato nativo de herramientas del modelo y su procedimiento de análisis, en lugar de asumir que la plantilla de otro modelo es intercambiable.
Contexto largo y configuración
El fabricante describe la ampliación mediante YaRN desde el contexto nativo de 262,144 tokens hasta aproximadamente un millón para tareas a escala de repositorio. Utiliza una configuración de contexto adecuada para el material del repositorio, y reserva espacio para las observaciones de las herramientas y el resultado. Su guía de inicio rápido también sugiere un contexto menor, como 32,768, cuando la presión de memoria impide utilizar el ajuste más amplio.
Conserva las rutas del código, los nombres de funciones y las definiciones pertinentes en las entradas largas. Elimina los archivos generados que no guarden relación o el material repetido y reserva espacio para la respuesta. El texto de origen, el historial, las observaciones de las herramientas y el código generado comparten el límite de secuencia configurado; no debe interpretarse la entrada más extensa posible como un recuerdo perfecto de cada dependencia.
Recomendaciones de generación
Best Practices recomienda temperature 0.7, top_p 0.8, top_k 20 y una penalización por repetición de 1.05. La recomendación exacta de penalización por repetición difiere de la de otros modelos de Qwen y sigue formando parte del procedimiento de esta edición de Coder. Qwen recomienda un margen de generación de 65,536 tokens para la mayoría de las consultas; se trata de una recomendación, no de un máximo estricto establecido de forma independiente.
Indica el idioma y el formato de salida, como un parche, una función completa o una explicación, y comprueba la sintaxis y las interfaces del artefacto 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 una semántica de retorno internamente coherentes en la aplicación que lo utiliza.
Límites sustanciales y resultado útil
La entrada documentada de este checkpoint es texto. No acredita directamente capacidades de comprensión de imágenes, audio o vídeo. El código generado y una explicación expresada con seguridad son artefactos preliminares hasta que el entorno conectado devuelve las comprobaciones u observaciones pertinentes. El resultado útil es una propuesta de implementación que pueda inspeccionarse y esté vinculada a las condiciones del repositorio facilitadas, conservando su identidad exacta de Coder, su modo sin razonamiento explícito y las recomendaciones 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 |
| 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 $0.0008 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-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.