Aspectos destacados: un modelo creado para agentes de programación
Qwen3-Coder-Next es un modelo textual abierto diseñado específicamente para agentes de programación y flujos de desarrollo. Qwen describe resolución de problemas a largo plazo, uso complejo de herramientas y recuperación de fallos de ejecución, junto con adaptabilidad a distintos entornos de desarrollo. Acepta texto y produce texto, incluidos código, explicaciones y solicitudes de herramientas. Este punto de control Coder-Next exacto tiene sus propias condiciones sin pensamiento; no deben sustituirse por las ediciones Thinking de la familia Next más amplia.
Para una tarea de desarrollo, proporciona los archivos o fragmentos pertinentes, el comportamiento previsto y la entrada que demuestra un problema. Pide un cambio editable y una explicación vinculada a esas condiciones. Para una tarea de varios pasos, define el objetivo, las herramientas permitidas y las observaciones que demostrarían su finalización. Revisa el cambio de código propuesto y su explicación frente a los archivos proporcionados, la entrada que falla y los criterios de finalización.
Descripción general del modelo
El modelo tiene 80 mil millones de parámetros en total y activa tres mil millones. Su disposición híbrida de 48 capas repite tres capas de expertos Gated DeltaNet seguidas de una capa de expertos de atención con compuertas. El desarrollador indica 512 expertos, diez expertos activados y un experto compartido. El pequeño recuento activado es una característica de cálculo del modelo disperso, no el tamaño del punto de control completo.
El contexto nativo es de 262,144 tokens. Los ejemplos del desarrollador permiten un contexto menor, como 32,768, cuando las restricciones de memoria impiden que funcione la configuración mayor. El código fuente, el historial, las observaciones de herramientas y el texto generado deben caber en la capacidad de secuencia configurada. La ficha no establece una ampliación predeterminada de un millón de tokens para este punto de control.
Uso de la interfaz textual sin pensamiento
Coder-Next admite únicamente el modo sin pensamiento y no genera bloques explícitos de pensamiento. Establecer enable_thinking=False es innecesario en el ejemplo del desarrollador. Aun así, puede explicar un parche, tratar un algoritmo o razonar mediante texto normal; sin pensamiento describe su modo de salida, en lugar de prohibir una explicación.
El inicio rápido pide un algoritmo de ordenación y utiliza una capacidad de generación de 65,536 tokens. Ese valor es un presupuesto de ejemplo, no un límite estricto de salida publicado por separado. Indica el formato y las restricciones del artefacto: el lenguaje, las interfaces pertinentes, el comportamiento requerido y si la respuesta debe contener un parche, una función completa o una explicación. Mantén el resultado editable separado de los comentarios para que se pueda revisar fácilmente.
Entornos de desarrollo y contexto
El desarrollador destaca compatibilidad con entornos de agentes de tipo CLI e IDE, incluido Qwen Code. Un entorno proporciona el estado del proyecto, las definiciones de herramientas, las observaciones y el formato de conversación. Conserva esas entradas de forma coherente durante una tarea de varios pasos. Cuando una herramienta informe de una comprobación fallida, proporciona el error real y el código cambiado pertinente, en lugar de decir al modelo únicamente que lo intente otra vez.
El trabajo a largo plazo se beneficia de un estado visible de la tarea: qué se observó, qué cambio se propone y qué condición sigue sin resolverse. Una observación de herramienta es diferente de una afirmación en texto generado. La capacidad de recuperación de fallos del modelo no debe tratarse como permiso automático para ejecutar comandos ni como una garantía de que toda recuperación tendrá éxito.
Programación con agentes y llamadas a herramientas
Qwen documenta definiciones de herramientas de tipo función con nombres, descripciones, esquemas de entrada y campos obligatorios. Proporciona una definición precisa y el significado esperado del valor de retorno. La aplicación ejecuta una herramienta seleccionada y devuelve su resultado; el modelo utiliza después ese resultado en el siguiente paso. Las llamadas a herramientas por sí mismas no conceden acceso a un sistema de archivos, fuentes en directo o un entorno de ejecución.
Para un agente que edite un repositorio, limita los archivos permitidos y el entregable solicitado. Un informe final útil puede identificar los módulos afectados, explicar el cambio y enumerar los resultados reales devueltos por las comprobaciones conectadas. Mantén diferenciados los comandos propuestos, el código generado y las operaciones completadas. Son ejemplos prácticos de flujo basados en el ámbito documentado de desarrollo y herramientas.
Recomendaciones de generación
El desarrollador recomienda temperatura 1.0, top_p 0.95 y top_k 40. Estos ajustes exactos difieren de varios modelos conversacionales Qwen y deben seguir formando parte de la receta propia de Coder-Next. La configuración publicada utiliza una arquitectura de modelo de lenguaje causal Qwen3-Next. Utiliza el nombre documentado del modelo y la plantilla de chat de este punto de control de forma coherente durante el flujo de programación.
Límites sustanciales
La entrada documentada es texto, por lo que las capturas de pantalla, el audio o el vídeo requieren una representación independiente adecuada antes de este flujo de programación. El contexto nativo y las capacidades de generación de ejemplo son finitos; recorta el código no relacionado y reserva espacio para el artefacto solicitado. Comprueba la sintaxis generada, las interfaces, los casos límite y los cambios propuestos en el flujo real de desarrollo. La salida útil es un artefacto de código o explicación inspeccionable respaldado por pruebas reales de la tarea, conservando la identidad solo textual y sin pensamiento de este punto de control.
", "aboutText": "Aspectos destacados: un modelo creado para agentes de programación\n\nQwen3-Coder-Next es un modelo textual abierto diseñado específicamente para agentes de programación y flujos de desarrollo. Qwen describe resolución de problemas a largo plazo, uso complejo de herramientas y recuperación de fallos de ejecución, junto con adaptabilidad a distintos entornos de desarrollo. Acepta texto y produce texto, incluidos código, explicaciones y solicitudes de herramientas. Este punto de control Coder-Next exacto tiene sus propias condiciones sin pensamiento; no deben sustituirse por las ediciones Thinking de la familia Next más amplia.\n\nPara una tarea de desarrollo, proporciona los archivos o fragmentos pertinentes, el comportamiento previsto y la entrada que demuestra un problema. Pide un cambio editable y una explicación vinculada a esas condiciones. Para una tarea de varios pasos, define el objetivo, las herramientas permitidas y las observaciones que demostrarían su finalización. Revisa el cambio de código propuesto y su explicación frente a los archivos proporcionados, la entrada que falla y los criterios de finalización.\n\nDescripción general del modelo\n\nEl modelo tiene 80 mil millones de parámetros en total y activa tres mil millones. Su disposición híbrida de 48 capas repite tres capas de expertos Gated DeltaNet seguidas de una capa de expertos de atención con compuertas. El desarrollador indica 512 expertos, diez expertos activados y un experto compartido. El pequeño recuento activado es una característica de cálculo del modelo disperso, no el tamaño del punto de control completo.\n\nEl contexto nativo es de 262,144 tokens. Los ejemplos del desarrollador permiten un contexto menor, como 32,768, cuando las restricciones de memoria impiden que funcione la configuración mayor. El código fuente, el historial, las observaciones de herramientas y el texto generado deben caber en la capacidad de secuencia configurada. La ficha no establece una ampliación predeterminada de un millón de tokens para este punto de control.\n\nUso de la interfaz textual sin pensamiento\n\nCoder-Next admite únicamente el modo sin pensamiento y no genera bloques explícitos de pensamiento. Establecer enable_thinking=False es innecesario en el ejemplo del desarrollador. Aun así, puede explicar un parche, tratar un algoritmo o razonar mediante texto normal; sin pensamiento describe su modo de salida, en lugar de prohibir una explicación.\n\nEl inicio rápido pide un algoritmo de ordenación y utiliza una capacidad de generación de 65,536 tokens. Ese valor es un presupuesto de ejemplo, no un límite estricto de salida publicado por separado. Indica el formato y las restricciones del artefacto: el lenguaje, las interfaces pertinentes, el comportamiento requerido y si la respuesta debe contener un parche, una función completa o una explicación. Mantén el resultado editable separado de los comentarios para que se pueda revisar fácilmente.\n\nEntornos de desarrollo y contexto\n\nEl desarrollador destaca compatibilidad con entornos de agentes de tipo CLI e IDE, incluido Qwen Code. Un entorno proporciona el estado del proyecto, las definiciones de herramientas, las observaciones y el formato de conversación. Conserva esas entradas de forma coherente durante una tarea de varios pasos. Cuando una herramienta informe de una comprobación fallida, proporciona el error real y el código cambiado pertinente, en lugar de decir al modelo únicamente que lo intente otra vez.\n\nEl trabajo a largo plazo se beneficia de un estado visible de la tarea: qué se observó, qué cambio se propone y qué condición sigue sin resolverse. Una observación de herramienta es diferente de una afirmación en texto generado. La capacidad de recuperación de fallos del modelo no debe tratarse como permiso automático para ejecutar comandos ni como una garantía de que toda recuperación tendrá éxito.\n\nProgramación con agentes y llamadas a herramientas\n\nQwen documenta definiciones de herramientas de tipo función con nombres, descripciones, esquemas de entrada y campos obligatorios. Proporciona una definición precisa y el significado esperado del valor de retorno. La aplicación ejecuta una herramienta seleccionada y devuelve su resultado; el modelo utiliza después ese resultado en el siguiente paso. Las llamadas a herramientas por sí mismas no conceden acceso a un sistema de archivos, fuentes en directo o un entorno de ejecución.\n\nPara un agente que edite un repositorio, limita los archivos permitidos y el entregable solicitado. Un informe final útil puede identificar los módulos afectados, explicar el cambio y enumerar los resultados reales devueltos por las comprobaciones conectadas. Mantén diferenciados los comandos propuestos, el código generado y las operaciones completadas. Son ejemplos prácticos de flujo basados en el ámbito documentado de desarrollo y herramientas.\n\nRecomendaciones de generación\n\nEl desarrollador recomienda temperatura 1.0, top_p 0.95 y top_k 40. Estos ajustes exactos difieren de varios modelos conversacionales Qwen y deben seguir formando parte de la receta propia de Coder-Next. La configuración publicada utiliza una arquitectura de modelo de lenguaje causal Qwen3-Next. Utiliza el nombre documentado del modelo y la plantilla de chat de este punto de control de forma coherente durante el flujo de programación.\n\nLímites sustanciales\n\nLa entrada documentada es texto, por lo que las capturas de pantalla, el audio o el vídeo requieren una representación independiente adecuada antes de este flujo de programación. El contexto nativo y las capacidades de generación de ejemplo son finitos; recorta el código no relacionado y reserva espacio para el artefacto solicitado. Comprueba la sintaxis generada, las interfaces, los casos límite y los cambios propuestos en el flujo real de desarrollo. La salida útil es un artefacto de código o explicación inspeccionable respaldado por pruebas reales de la tarea, conservando la identidad solo textual y sin pensamiento de este punto de control.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Implement a stable partition helper\n\nWrite a Python function partition_even(values) returning two new lists: even integers first and odd integers second. Preserve order within each list and do not mutate values. Provide tests for negative integers, repeated values and empty input. Return the complete function separately from the explanation, with no claim that tests have been executed.A complete function, tests for the named cases and a brief order-preservation explanation.Check that each input occurrence appears exactly once in the appropriate result list and that source order is retained.qwen/qwen3-coder-nextQwen3-Coder-Next es el modelo de agentes de programación solo de texto de Qwen, con 80 mil millones de parámetros totales y 3 mil millones activados. Utiliza salida sin pensamiento, contexto nativo de 262,144 tokens y llamadas a herramientas para flujos de desarrollo, incluidos trabajo de varios pasos y recuperación a partir de retroalimentación de ejecución.
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: un modelo creado para agentes de programación
Qwen3-Coder-Next es un modelo textual abierto diseñado específicamente para agentes de programación y flujos de desarrollo. Qwen describe resolución de problemas a largo plazo, uso complejo de herramientas y recuperación de fallos de ejecución, junto con adaptabilidad a distintos entornos de desarrollo. Acepta texto y produce texto, incluidos código, explicaciones y solicitudes de herramientas. Este punto de control Coder-Next exacto tiene sus propias condiciones sin pensamiento; no deben sustituirse por las ediciones Thinking de la familia Next más amplia.
Para una tarea de desarrollo, proporciona los archivos o fragmentos pertinentes, el comportamiento previsto y la entrada que demuestra un problema. Pide un cambio editable y una explicación vinculada a esas condiciones. Para una tarea de varios pasos, define el objetivo, las herramientas permitidas y las observaciones que demostrarían su finalización. Revisa el cambio de código propuesto y su explicación frente a los archivos proporcionados, la entrada que falla y los criterios de finalización.
Descripción general del modelo
El modelo tiene 80 mil millones de parámetros en total y activa tres mil millones. Su disposición híbrida de 48 capas repite tres capas de expertos Gated DeltaNet seguidas de una capa de expertos de atención con compuertas. El desarrollador indica 512 expertos, diez expertos activados y un experto compartido. El pequeño recuento activado es una característica de cálculo del modelo disperso, no el tamaño del punto de control completo.
El contexto nativo es de 262,144 tokens. Los ejemplos del desarrollador permiten un contexto menor, como 32,768, cuando las restricciones de memoria impiden que funcione la configuración mayor. El código fuente, el historial, las observaciones de herramientas y el texto generado deben caber en la capacidad de secuencia configurada. La ficha no establece una ampliación predeterminada de un millón de tokens para este punto de control.
Uso de la interfaz textual sin pensamiento
Coder-Next admite únicamente el modo sin pensamiento y no genera bloques explícitos de pensamiento. Establecer enable_thinking=False es innecesario en el ejemplo del desarrollador. Aun así, puede explicar un parche, tratar un algoritmo o razonar mediante texto normal; sin pensamiento describe su modo de salida, en lugar de prohibir una explicación.
El inicio rápido pide un algoritmo de ordenación y utiliza una capacidad de generación de 65,536 tokens. Ese valor es un presupuesto de ejemplo, no un límite estricto de salida publicado por separado. Indica el formato y las restricciones del artefacto: el lenguaje, las interfaces pertinentes, el comportamiento requerido y si la respuesta debe contener un parche, una función completa o una explicación. Mantén el resultado editable separado de los comentarios para que se pueda revisar fácilmente.
Entornos de desarrollo y contexto
El desarrollador destaca compatibilidad con entornos de agentes de tipo CLI e IDE, incluido Qwen Code. Un entorno proporciona el estado del proyecto, las definiciones de herramientas, las observaciones y el formato de conversación. Conserva esas entradas de forma coherente durante una tarea de varios pasos. Cuando una herramienta informe de una comprobación fallida, proporciona el error real y el código cambiado pertinente, en lugar de decir al modelo únicamente que lo intente otra vez.
El trabajo a largo plazo se beneficia de un estado visible de la tarea: qué se observó, qué cambio se propone y qué condición sigue sin resolverse. Una observación de herramienta es diferente de una afirmación en texto generado. La capacidad de recuperación de fallos del modelo no debe tratarse como permiso automático para ejecutar comandos ni como una garantía de que toda recuperación tendrá éxito.
Programación con agentes y llamadas a herramientas
Qwen documenta definiciones de herramientas de tipo función con nombres, descripciones, esquemas de entrada y campos obligatorios. Proporciona una definición precisa y el significado esperado del valor de retorno. La aplicación ejecuta una herramienta seleccionada y devuelve su resultado; el modelo utiliza después ese resultado en el siguiente paso. Las llamadas a herramientas por sí mismas no conceden acceso a un sistema de archivos, fuentes en directo o un entorno de ejecución.
Para un agente que edite un repositorio, limita los archivos permitidos y el entregable solicitado. Un informe final útil puede identificar los módulos afectados, explicar el cambio y enumerar los resultados reales devueltos por las comprobaciones conectadas. Mantén diferenciados los comandos propuestos, el código generado y las operaciones completadas. Son ejemplos prácticos de flujo basados en el ámbito documentado de desarrollo y herramientas.
Recomendaciones de generación
El desarrollador recomienda temperatura 1.0, top_p 0.95 y top_k 40. Estos ajustes exactos difieren de varios modelos conversacionales Qwen y deben seguir formando parte de la receta propia de Coder-Next. La configuración publicada utiliza una arquitectura de modelo de lenguaje causal Qwen3-Next. Utiliza el nombre documentado del modelo y la plantilla de chat de este punto de control de forma coherente durante el flujo de programación.
Límites sustanciales
La entrada documentada es texto, por lo que las capturas de pantalla, el audio o el vídeo requieren una representación independiente adecuada antes de este flujo de programación. El contexto nativo y las capacidades de generación de ejemplo son finitos; recorta el código no relacionado y reserva espacio para el artefacto solicitado. Comprueba la sintaxis generada, las interfaces, los casos límite y los cambios propuestos en el flujo real de desarrollo. La salida útil es un artefacto de código o explicación inspeccionable respaldado por pruebas reales de la tarea, conservando la identidad solo textual y sin pensamiento de este punto de control.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3-coder-next | 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 $0.0016 / 1K tokens Entrada · Lectura de caché $0.00014 / 1K tokens Entrada · Escritura en caché — / 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 $0.0016 / 1K tokens Entrada · Lectura de caché $0.00014 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-next", "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-next',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-next',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-next
Usa las rutas de método indicadas arriba.
qwen/qwen3-coder-nextQwen3-Coder-Next es el modelo de agentes de programación solo de texto de Qwen, con 80 mil millones de parámetros totales y 3 mil millones activados. Utiliza salida sin pensamiento, contexto nativo de 262,144 tokens y llamadas a herramientas para flujos de desarrollo, incluidos trabajo de varios pasos y recuperación a partir de retroalimentación de ejecución.
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: un modelo creado para agentes de programación
Qwen3-Coder-Next es un modelo textual abierto diseñado específicamente para agentes de programación y flujos de desarrollo. Qwen describe resolución de problemas a largo plazo, uso complejo de herramientas y recuperación de fallos de ejecución, junto con adaptabilidad a distintos entornos de desarrollo. Acepta texto y produce texto, incluidos código, explicaciones y solicitudes de herramientas. Este punto de control Coder-Next exacto tiene sus propias condiciones sin pensamiento; no deben sustituirse por las ediciones Thinking de la familia Next más amplia.
Para una tarea de desarrollo, proporciona los archivos o fragmentos pertinentes, el comportamiento previsto y la entrada que demuestra un problema. Pide un cambio editable y una explicación vinculada a esas condiciones. Para una tarea de varios pasos, define el objetivo, las herramientas permitidas y las observaciones que demostrarían su finalización. Revisa el cambio de código propuesto y su explicación frente a los archivos proporcionados, la entrada que falla y los criterios de finalización.
Descripción general del modelo
El modelo tiene 80 mil millones de parámetros en total y activa tres mil millones. Su disposición híbrida de 48 capas repite tres capas de expertos Gated DeltaNet seguidas de una capa de expertos de atención con compuertas. El desarrollador indica 512 expertos, diez expertos activados y un experto compartido. El pequeño recuento activado es una característica de cálculo del modelo disperso, no el tamaño del punto de control completo.
El contexto nativo es de 262,144 tokens. Los ejemplos del desarrollador permiten un contexto menor, como 32,768, cuando las restricciones de memoria impiden que funcione la configuración mayor. El código fuente, el historial, las observaciones de herramientas y el texto generado deben caber en la capacidad de secuencia configurada. La ficha no establece una ampliación predeterminada de un millón de tokens para este punto de control.
Uso de la interfaz textual sin pensamiento
Coder-Next admite únicamente el modo sin pensamiento y no genera bloques explícitos de pensamiento. Establecer enable_thinking=False es innecesario en el ejemplo del desarrollador. Aun así, puede explicar un parche, tratar un algoritmo o razonar mediante texto normal; sin pensamiento describe su modo de salida, en lugar de prohibir una explicación.
El inicio rápido pide un algoritmo de ordenación y utiliza una capacidad de generación de 65,536 tokens. Ese valor es un presupuesto de ejemplo, no un límite estricto de salida publicado por separado. Indica el formato y las restricciones del artefacto: el lenguaje, las interfaces pertinentes, el comportamiento requerido y si la respuesta debe contener un parche, una función completa o una explicación. Mantén el resultado editable separado de los comentarios para que se pueda revisar fácilmente.
Entornos de desarrollo y contexto
El desarrollador destaca compatibilidad con entornos de agentes de tipo CLI e IDE, incluido Qwen Code. Un entorno proporciona el estado del proyecto, las definiciones de herramientas, las observaciones y el formato de conversación. Conserva esas entradas de forma coherente durante una tarea de varios pasos. Cuando una herramienta informe de una comprobación fallida, proporciona el error real y el código cambiado pertinente, en lugar de decir al modelo únicamente que lo intente otra vez.
El trabajo a largo plazo se beneficia de un estado visible de la tarea: qué se observó, qué cambio se propone y qué condición sigue sin resolverse. Una observación de herramienta es diferente de una afirmación en texto generado. La capacidad de recuperación de fallos del modelo no debe tratarse como permiso automático para ejecutar comandos ni como una garantía de que toda recuperación tendrá éxito.
Programación con agentes y llamadas a herramientas
Qwen documenta definiciones de herramientas de tipo función con nombres, descripciones, esquemas de entrada y campos obligatorios. Proporciona una definición precisa y el significado esperado del valor de retorno. La aplicación ejecuta una herramienta seleccionada y devuelve su resultado; el modelo utiliza después ese resultado en el siguiente paso. Las llamadas a herramientas por sí mismas no conceden acceso a un sistema de archivos, fuentes en directo o un entorno de ejecución.
Para un agente que edite un repositorio, limita los archivos permitidos y el entregable solicitado. Un informe final útil puede identificar los módulos afectados, explicar el cambio y enumerar los resultados reales devueltos por las comprobaciones conectadas. Mantén diferenciados los comandos propuestos, el código generado y las operaciones completadas. Son ejemplos prácticos de flujo basados en el ámbito documentado de desarrollo y herramientas.
Recomendaciones de generación
El desarrollador recomienda temperatura 1.0, top_p 0.95 y top_k 40. Estos ajustes exactos difieren de varios modelos conversacionales Qwen y deben seguir formando parte de la receta propia de Coder-Next. La configuración publicada utiliza una arquitectura de modelo de lenguaje causal Qwen3-Next. Utiliza el nombre documentado del modelo y la plantilla de chat de este punto de control de forma coherente durante el flujo de programación.
Límites sustanciales
La entrada documentada es texto, por lo que las capturas de pantalla, el audio o el vídeo requieren una representación independiente adecuada antes de este flujo de programación. El contexto nativo y las capacidades de generación de ejemplo son finitos; recorta el código no relacionado y reserva espacio para el artefacto solicitado. Comprueba la sintaxis generada, las interfaces, los casos límite y los cambios propuestos en el flujo real de desarrollo. La salida útil es un artefacto de código o explicación inspeccionable respaldado por pruebas reales de la tarea, conservando la identidad solo textual y sin pensamiento de este punto de control.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3-coder-next | 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 $0.0016 / 1K tokens Entrada · Lectura de caché $0.00014 / 1K tokens Entrada · Escritura en caché — / 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 $0.0016 / 1K tokens Entrada · Lectura de caché $0.00014 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen/qwen3-coder-next",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-next', '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-next', '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-next
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Implement a stable partition helper\n\nWrite a Python function partition_even(values) returning two new lists: even integers first and odd integers second. Preserve order within each list and do not mutate values. Provide tests for negative integers, repeated values and empty input. Return the complete function separately from the explanation, with no claim that tests have been executed.A complete function, tests for the named cases and a brief order-preservation explanation.Check that each input occurrence appears exactly once in the appropriate result list and that source order is retained.