Points forts : programmation à l’échelle du dépôt
Qwen3-Coder-30B-A3B-Instruct est un modèle textuel centré sur les instructions pour les agents de programmation. Qwen documente le code, l’utilisation comme agent de navigateur et la compréhension à l’échelle du dépôt, avec un format d’appel de fonction dédié et une intégration par des processus comme Qwen Code. Entrée et sortie sont textuelles. Conservez ce checkpoint Coder précis plutôt que de le remplacer par le modèle généraliste Qwen3-30B-A3B-Instruct-2507 ou Qwen3-Coder-Next, dont les axes d’entraînement et conseils de génération diffèrent.
Le contexte natif est de 262 144 tokens, avec une extension décrite par le fabricant à environ un million avec YaRN. Un grand contexte peut réunir davantage d’éléments du dépôt, mais une tâche claire a toujours besoin de modules, interfaces et exigences pertinents. Fournissez le livrable attendu et le comportement observable avant de demander une modification de code.
Vue d’ensemble du modèle
Le modèle à mélange d’experts possède 30,5 milliards de paramètres au total et en active 3,3 milliards. Il a 48 couches, 128 experts et huit experts sélectionnés par token. Paramètres totaux et actifs ont des sens différents ; le nombre actif n’est pas la taille du checkpoint complet. Sa configuration de modèle linguistique causal est textuelle, pas une interface de vision ou de parole.
Coder-30B-A3B-Instruct prend uniquement en charge le mode non-Thinking et ne génère pas de blocs Thinking explicites. Le réglage enable_thinking=False est inutile dans l’exemple du fabricant. Il peut toujours expliquer un algorithme ou justifier un patch en texte ordinaire. Une demande d’étapes de raisonnement ne devrait pas être confondue avec l’activation du comportement Thinking distinct d’une autre édition Qwen.
Préparer une demande de développement
Fournissez le code pertinent, une entrée illustrant le comportement actuel, le résultat observé et la modification souhaitée. Pour un algorithme, précisez les contraintes d’entrée et la sortie requise avant de demander une approche. Pour modifier un dépôt, identifiez la fonctionnalité touchée et les interfaces que l’implémentation doit préserver. Demandez un patch éditable ou une fonction complète séparément des commentaires explicatifs.
Une réponse utile peut organiser le diagnostic, la modification proposée et les vérifications nécessaires à sa revue. Si la tâche repose sur une référence visuelle ou un comportement enregistré, fournissez une représentation textuelle adaptée et conservez les identifiants permettant de comparer le résultat à l’original. Comparez le patch proposé au code fourni, au comportement attendu et aux résultats renvoyés par les vérifications connectées.
Programmation de type agent et processus de navigateur
Le fabricant souligne les appels d’outils et un format d’appel de fonction spécialement conçu. Un processus d’agent connecté fournit descriptions d’outils, schémas d’entrée et observations, et effectue les opérations réelles. Définissez les actions autorisées et une condition de fin, puis renvoyez les résultats réels d’inspection ou d’exécution au modèle afin qu’il mette à jour son travail proposé.
La capacité d’agent de navigateur signifie participer à un processus avec un outil de navigateur connecté, pas accéder automatiquement au navigateur d’un utilisateur ou aux pages actuelles. La même distinction s’applique à l’inspection du dépôt et à l’exécution de code. Commande proposée, demande d’outil et opération terminée devraient rester séparées dans le rapport final. Conservez le format des outils et la procédure d’analyse du modèle natif plutôt que de supposer le gabarit d’un autre modèle interchangeable.
Long contexte et configuration
Le fabricant décrit une extension YaRN du contexte natif de 262 144 tokens à environ un million pour les tâches à l’échelle du dépôt. Utilisez une configuration adaptée au matériau du dépôt, en réservant de la place pour les observations d’outils et le résultat. Son démarrage rapide suggère aussi un contexte plus petit, comme 32 768, lorsque la pression mémoire empêche le réglage plus grand de fonctionner.
Gardez chemins de code, noms de fonctions et définitions pertinentes dans une longue entrée. Retirez les fichiers générés sans rapport ou les éléments répétés et réservez de la place pour la réponse. Texte source, historique, observations d’outils et code généré se partagent l’espace de séquence configuré ; l’entrée la plus grande possible ne devrait pas être considérée comme un rappel parfait de chaque dépendance.
Conseils de génération
Best Practices recommande temperature 0,7, top_p 0,8, top_k 20 et une pénalité de répétition de 1,05. Cette recommandation précise diffère de celle de plusieurs autres modèles Qwen et reste propre à cette édition Coder. Qwen recommande un espace de génération de 65 536 tokens pour la plupart des questions ; c’est une recommandation, pas un maximum strict établi indépendamment.
Précisez la langue et la forme de sortie, par exemple patch, fonction complète ou explication, et vérifiez la syntaxe et les interfaces du livrable dans le processus réel de développement. L’exemple de fonction du fabricant illustre le mécanisme d’outils ; un contrat d’outil doit toujours avoir des noms d’arguments et une sémantique de retour cohérents dans l’application qui l’utilise.
Limites substantielles et résultat utile
L’entrée documentée de ce checkpoint est textuelle. Elle n’établit pas directement la compréhension d’images, d’audio ou de vidéos. Le code généré et une explication assurée restent des brouillons jusqu’à ce que les vérifications ou observations pertinentes soient réellement renvoyées par l’environnement connecté. Le résultat utile est une proposition d’implémentation vérifiable liée aux conditions du dépôt fourni, conservant son identité Coder précise, son mode non-Thinking et les conseils de génération du fabricant.
", "aboutText": "Points forts : programmation à l’échelle du dépôt\n\nQwen3-Coder-30B-A3B-Instruct est un modèle textuel centré sur les instructions pour les agents de programmation. Qwen documente le code, l’utilisation comme agent de navigateur et la compréhension à l’échelle du dépôt, avec un format d’appel de fonction dédié et une intégration par des processus comme Qwen Code. Entrée et sortie sont textuelles. Conservez ce checkpoint Coder précis plutôt que de le remplacer par le modèle généraliste Qwen3-30B-A3B-Instruct-2507 ou Qwen3-Coder-Next, dont les axes d’entraînement et conseils de génération diffèrent.\n\nLe contexte natif est de 262 144 tokens, avec une extension décrite par le fabricant à environ un million avec YaRN. Un grand contexte peut réunir davantage d’éléments du dépôt, mais une tâche claire a toujours besoin de modules, interfaces et exigences pertinents. Fournissez le livrable attendu et le comportement observable avant de demander une modification de code.\n\nVue d’ensemble du modèle\n\nLe modèle à mélange d’experts possède 30,5 milliards de paramètres au total et en active 3,3 milliards. Il a 48 couches, 128 experts et huit experts sélectionnés par token. Paramètres totaux et actifs ont des sens différents ; le nombre actif n’est pas la taille du checkpoint complet. Sa configuration de modèle linguistique causal est textuelle, pas une interface de vision ou de parole.\n\nCoder-30B-A3B-Instruct prend uniquement en charge le mode non-Thinking et ne génère pas de blocs Thinking explicites. Le réglage enable_thinking=False est inutile dans l’exemple du fabricant. Il peut toujours expliquer un algorithme ou justifier un patch en texte ordinaire. Une demande d’étapes de raisonnement ne devrait pas être confondue avec l’activation du comportement Thinking distinct d’une autre édition Qwen.\n\nPréparer une demande de développement\n\nFournissez le code pertinent, une entrée illustrant le comportement actuel, le résultat observé et la modification souhaitée. Pour un algorithme, précisez les contraintes d’entrée et la sortie requise avant de demander une approche. Pour modifier un dépôt, identifiez la fonctionnalité touchée et les interfaces que l’implémentation doit préserver. Demandez un patch éditable ou une fonction complète séparément des commentaires explicatifs.\n\nUne réponse utile peut organiser le diagnostic, la modification proposée et les vérifications nécessaires à sa revue. Si la tâche repose sur une référence visuelle ou un comportement enregistré, fournissez une représentation textuelle adaptée et conservez les identifiants permettant de comparer le résultat à l’original. Comparez le patch proposé au code fourni, au comportement attendu et aux résultats renvoyés par les vérifications connectées.\n\nProgrammation de type agent et processus de navigateur\n\nLe fabricant souligne les appels d’outils et un format d’appel de fonction spécialement conçu. Un processus d’agent connecté fournit descriptions d’outils, schémas d’entrée et observations, et effectue les opérations réelles. Définissez les actions autorisées et une condition de fin, puis renvoyez les résultats réels d’inspection ou d’exécution au modèle afin qu’il mette à jour son travail proposé.\n\nLa capacité d’agent de navigateur signifie participer à un processus avec un outil de navigateur connecté, pas accéder automatiquement au navigateur d’un utilisateur ou aux pages actuelles. La même distinction s’applique à l’inspection du dépôt et à l’exécution de code. Commande proposée, demande d’outil et opération terminée devraient rester séparées dans le rapport final. Conservez le format des outils et la procédure d’analyse du modèle natif plutôt que de supposer le gabarit d’un autre modèle interchangeable.\n\nLong contexte et configuration\n\nLe fabricant décrit une extension YaRN du contexte natif de 262 144 tokens à environ un million pour les tâches à l’échelle du dépôt. Utilisez une configuration adaptée au matériau du dépôt, en réservant de la place pour les observations d’outils et le résultat. Son démarrage rapide suggère aussi un contexte plus petit, comme 32 768, lorsque la pression mémoire empêche le réglage plus grand de fonctionner.\n\nGardez chemins de code, noms de fonctions et définitions pertinentes dans une longue entrée. Retirez les fichiers générés sans rapport ou les éléments répétés et réservez de la place pour la réponse. Texte source, historique, observations d’outils et code généré se partagent l’espace de séquence configuré ; l’entrée la plus grande possible ne devrait pas être considérée comme un rappel parfait de chaque dépendance.\n\nConseils de génération\n\nBest Practices recommande temperature 0,7, top_p 0,8, top_k 20 et une pénalité de répétition de 1,05. Cette recommandation précise diffère de celle de plusieurs autres modèles Qwen et reste propre à cette édition Coder. Qwen recommande un espace de génération de 65 536 tokens pour la plupart des questions ; c’est une recommandation, pas un maximum strict établi indépendamment.\n\nPrécisez la langue et la forme de sortie, par exemple patch, fonction complète ou explication, et vérifiez la syntaxe et les interfaces du livrable dans le processus réel de développement. L’exemple de fonction du fabricant illustre le mécanisme d’outils ; un contrat d’outil doit toujours avoir des noms d’arguments et une sémantique de retour cohérents dans l’application qui l’utilise.\n\nLimites substantielles et résultat utile\n\nL’entrée documentée de ce checkpoint est textuelle. Elle n’établit pas directement la compréhension d’images, d’audio ou de vidéos. Le code généré et une explication assurée restent des brouillons jusqu’à ce que les vérifications ou observations pertinentes soient réellement renvoyées par l’environnement connecté. Le résultat utile est une proposition d’implémentation vérifiable liée aux conditions du dépôt fourni, conservant son identité Coder précise, son mode non-Thinking et les conseils de génération du fabricant.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est le modèle textuel de code non-Thinking de Qwen, avec 30,5 milliards de paramètres au total et 3,3 milliards activés. Il vise le développement à l’échelle du dépôt, le code et les processus d’agents de navigateur, avec un contexte natif de 262 144 tokens et un format d’appel de fonction dédié.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Points forts : programmation à l’échelle du dépôt
Qwen3-Coder-30B-A3B-Instruct est un modèle textuel centré sur les instructions pour les agents de programmation. Qwen documente le code, l’utilisation comme agent de navigateur et la compréhension à l’échelle du dépôt, avec un format d’appel de fonction dédié et une intégration par des processus comme Qwen Code. Entrée et sortie sont textuelles. Conservez ce checkpoint Coder précis plutôt que de le remplacer par le modèle généraliste Qwen3-30B-A3B-Instruct-2507 ou Qwen3-Coder-Next, dont les axes d’entraînement et conseils de génération diffèrent.
Le contexte natif est de 262 144 tokens, avec une extension décrite par le fabricant à environ un million avec YaRN. Un grand contexte peut réunir davantage d’éléments du dépôt, mais une tâche claire a toujours besoin de modules, interfaces et exigences pertinents. Fournissez le livrable attendu et le comportement observable avant de demander une modification de code.
Vue d’ensemble du modèle
Le modèle à mélange d’experts possède 30,5 milliards de paramètres au total et en active 3,3 milliards. Il a 48 couches, 128 experts et huit experts sélectionnés par token. Paramètres totaux et actifs ont des sens différents ; le nombre actif n’est pas la taille du checkpoint complet. Sa configuration de modèle linguistique causal est textuelle, pas une interface de vision ou de parole.
Coder-30B-A3B-Instruct prend uniquement en charge le mode non-Thinking et ne génère pas de blocs Thinking explicites. Le réglage enable_thinking=False est inutile dans l’exemple du fabricant. Il peut toujours expliquer un algorithme ou justifier un patch en texte ordinaire. Une demande d’étapes de raisonnement ne devrait pas être confondue avec l’activation du comportement Thinking distinct d’une autre édition Qwen.
Préparer une demande de développement
Fournissez le code pertinent, une entrée illustrant le comportement actuel, le résultat observé et la modification souhaitée. Pour un algorithme, précisez les contraintes d’entrée et la sortie requise avant de demander une approche. Pour modifier un dépôt, identifiez la fonctionnalité touchée et les interfaces que l’implémentation doit préserver. Demandez un patch éditable ou une fonction complète séparément des commentaires explicatifs.
Une réponse utile peut organiser le diagnostic, la modification proposée et les vérifications nécessaires à sa revue. Si la tâche repose sur une référence visuelle ou un comportement enregistré, fournissez une représentation textuelle adaptée et conservez les identifiants permettant de comparer le résultat à l’original. Comparez le patch proposé au code fourni, au comportement attendu et aux résultats renvoyés par les vérifications connectées.
Programmation de type agent et processus de navigateur
Le fabricant souligne les appels d’outils et un format d’appel de fonction spécialement conçu. Un processus d’agent connecté fournit descriptions d’outils, schémas d’entrée et observations, et effectue les opérations réelles. Définissez les actions autorisées et une condition de fin, puis renvoyez les résultats réels d’inspection ou d’exécution au modèle afin qu’il mette à jour son travail proposé.
La capacité d’agent de navigateur signifie participer à un processus avec un outil de navigateur connecté, pas accéder automatiquement au navigateur d’un utilisateur ou aux pages actuelles. La même distinction s’applique à l’inspection du dépôt et à l’exécution de code. Commande proposée, demande d’outil et opération terminée devraient rester séparées dans le rapport final. Conservez le format des outils et la procédure d’analyse du modèle natif plutôt que de supposer le gabarit d’un autre modèle interchangeable.
Long contexte et configuration
Le fabricant décrit une extension YaRN du contexte natif de 262 144 tokens à environ un million pour les tâches à l’échelle du dépôt. Utilisez une configuration adaptée au matériau du dépôt, en réservant de la place pour les observations d’outils et le résultat. Son démarrage rapide suggère aussi un contexte plus petit, comme 32 768, lorsque la pression mémoire empêche le réglage plus grand de fonctionner.
Gardez chemins de code, noms de fonctions et définitions pertinentes dans une longue entrée. Retirez les fichiers générés sans rapport ou les éléments répétés et réservez de la place pour la réponse. Texte source, historique, observations d’outils et code généré se partagent l’espace de séquence configuré ; l’entrée la plus grande possible ne devrait pas être considérée comme un rappel parfait de chaque dépendance.
Conseils de génération
Best Practices recommande temperature 0,7, top_p 0,8, top_k 20 et une pénalité de répétition de 1,05. Cette recommandation précise diffère de celle de plusieurs autres modèles Qwen et reste propre à cette édition Coder. Qwen recommande un espace de génération de 65 536 tokens pour la plupart des questions ; c’est une recommandation, pas un maximum strict établi indépendamment.
Précisez la langue et la forme de sortie, par exemple patch, fonction complète ou explication, et vérifiez la syntaxe et les interfaces du livrable dans le processus réel de développement. L’exemple de fonction du fabricant illustre le mécanisme d’outils ; un contrat d’outil doit toujours avoir des noms d’arguments et une sémantique de retour cohérents dans l’application qui l’utilise.
Limites substantielles et résultat utile
L’entrée documentée de ce checkpoint est textuelle. Elle n’établit pas directement la compréhension d’images, d’audio ou de vidéos. Le code généré et une explication assurée restent des brouillons jusqu’à ce que les vérifications ou observations pertinentes soient réellement renvoyées par l’environnement connecté. Le résultat utile est une proposition d’implémentation vérifiable liée aux conditions du dépôt fourni, conservant son identité Coder précise, son mode non-Thinking et les conseils de génération du fabricant.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-coder-30b-a3b-instruct | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-coder-30b-a3b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct est le modèle textuel de code non-Thinking de Qwen, avec 30,5 milliards de paramètres au total et 3,3 milliards activés. Il vise le développement à l’échelle du dépôt, le code et les processus d’agents de navigateur, avec un contexte natif de 262 144 tokens et un format d’appel de fonction dédié.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Points forts : programmation à l’échelle du dépôt
Qwen3-Coder-30B-A3B-Instruct est un modèle textuel centré sur les instructions pour les agents de programmation. Qwen documente le code, l’utilisation comme agent de navigateur et la compréhension à l’échelle du dépôt, avec un format d’appel de fonction dédié et une intégration par des processus comme Qwen Code. Entrée et sortie sont textuelles. Conservez ce checkpoint Coder précis plutôt que de le remplacer par le modèle généraliste Qwen3-30B-A3B-Instruct-2507 ou Qwen3-Coder-Next, dont les axes d’entraînement et conseils de génération diffèrent.
Le contexte natif est de 262 144 tokens, avec une extension décrite par le fabricant à environ un million avec YaRN. Un grand contexte peut réunir davantage d’éléments du dépôt, mais une tâche claire a toujours besoin de modules, interfaces et exigences pertinents. Fournissez le livrable attendu et le comportement observable avant de demander une modification de code.
Vue d’ensemble du modèle
Le modèle à mélange d’experts possède 30,5 milliards de paramètres au total et en active 3,3 milliards. Il a 48 couches, 128 experts et huit experts sélectionnés par token. Paramètres totaux et actifs ont des sens différents ; le nombre actif n’est pas la taille du checkpoint complet. Sa configuration de modèle linguistique causal est textuelle, pas une interface de vision ou de parole.
Coder-30B-A3B-Instruct prend uniquement en charge le mode non-Thinking et ne génère pas de blocs Thinking explicites. Le réglage enable_thinking=False est inutile dans l’exemple du fabricant. Il peut toujours expliquer un algorithme ou justifier un patch en texte ordinaire. Une demande d’étapes de raisonnement ne devrait pas être confondue avec l’activation du comportement Thinking distinct d’une autre édition Qwen.
Préparer une demande de développement
Fournissez le code pertinent, une entrée illustrant le comportement actuel, le résultat observé et la modification souhaitée. Pour un algorithme, précisez les contraintes d’entrée et la sortie requise avant de demander une approche. Pour modifier un dépôt, identifiez la fonctionnalité touchée et les interfaces que l’implémentation doit préserver. Demandez un patch éditable ou une fonction complète séparément des commentaires explicatifs.
Une réponse utile peut organiser le diagnostic, la modification proposée et les vérifications nécessaires à sa revue. Si la tâche repose sur une référence visuelle ou un comportement enregistré, fournissez une représentation textuelle adaptée et conservez les identifiants permettant de comparer le résultat à l’original. Comparez le patch proposé au code fourni, au comportement attendu et aux résultats renvoyés par les vérifications connectées.
Programmation de type agent et processus de navigateur
Le fabricant souligne les appels d’outils et un format d’appel de fonction spécialement conçu. Un processus d’agent connecté fournit descriptions d’outils, schémas d’entrée et observations, et effectue les opérations réelles. Définissez les actions autorisées et une condition de fin, puis renvoyez les résultats réels d’inspection ou d’exécution au modèle afin qu’il mette à jour son travail proposé.
La capacité d’agent de navigateur signifie participer à un processus avec un outil de navigateur connecté, pas accéder automatiquement au navigateur d’un utilisateur ou aux pages actuelles. La même distinction s’applique à l’inspection du dépôt et à l’exécution de code. Commande proposée, demande d’outil et opération terminée devraient rester séparées dans le rapport final. Conservez le format des outils et la procédure d’analyse du modèle natif plutôt que de supposer le gabarit d’un autre modèle interchangeable.
Long contexte et configuration
Le fabricant décrit une extension YaRN du contexte natif de 262 144 tokens à environ un million pour les tâches à l’échelle du dépôt. Utilisez une configuration adaptée au matériau du dépôt, en réservant de la place pour les observations d’outils et le résultat. Son démarrage rapide suggère aussi un contexte plus petit, comme 32 768, lorsque la pression mémoire empêche le réglage plus grand de fonctionner.
Gardez chemins de code, noms de fonctions et définitions pertinentes dans une longue entrée. Retirez les fichiers générés sans rapport ou les éléments répétés et réservez de la place pour la réponse. Texte source, historique, observations d’outils et code généré se partagent l’espace de séquence configuré ; l’entrée la plus grande possible ne devrait pas être considérée comme un rappel parfait de chaque dépendance.
Conseils de génération
Best Practices recommande temperature 0,7, top_p 0,8, top_k 20 et une pénalité de répétition de 1,05. Cette recommandation précise diffère de celle de plusieurs autres modèles Qwen et reste propre à cette édition Coder. Qwen recommande un espace de génération de 65 536 tokens pour la plupart des questions ; c’est une recommandation, pas un maximum strict établi indépendamment.
Précisez la langue et la forme de sortie, par exemple patch, fonction complète ou explication, et vérifiez la syntaxe et les interfaces du livrable dans le processus réel de développement. L’exemple de fonction du fabricant illustre le mécanisme d’outils ; un contrat d’outil doit toujours avoir des noms d’arguments et une sémantique de retour cohérents dans l’application qui l’utilise.
Limites substantielles et résultat utile
L’entrée documentée de ce checkpoint est textuelle. Elle n’établit pas directement la compréhension d’images, d’audio ou de vidéos. Le code généré et une explication assurée restent des brouillons jusqu’à ce que les vérifications ou observations pertinentes soient réellement renvoyées par l’environnement connecté. Le résultat utile est une proposition d’implémentation vérifiable liée aux conditions du dépôt fourni, conservant son identité Coder précise, son mode non-Thinking et les conseils de génération du fabricant.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-coder-30b-a3b-instruct | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-coder-30b-a3b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.