Qwen3-14B est un modèle linguistique dense de la version originale Qwen3, combinant les comportements Thinking et non-Thinking dans un seul modèle. Qwen positionne la famille pour le raisonnement logique, les mathématiques, le code, la rédaction créative, le dialogue fondé sur un rôle et le suivi d’instructions. Il accepte et renvoie du texte, avec des capacités multilingues d’instruction et de traduction dans les 119 langues et dialectes de la famille. Une consigne conversationnelle utile précise la langue, le niveau de connaissances du lecteur et le résultat exact : explication, réécriture, problème résolu ou modification de code proposée.
Le modèle entraîné aux instructions possède 14,8 milliards de paramètres au total dans 40 couches. C’est l’édition dense 14B, plutôt qu’un modèle à mélange d’experts ou un modèle ultérieur au nom de famille similaire. Son contexte natif est de 32 768 jetons. Pour une tâche documentaire, incluez les passages pertinents et leurs titres, puis demandez la comparaison ou l’explication précise nécessaire. Par exemple, une consigne peut fournir deux versions d’un processus et demander un tableau des conditions modifiées, puis une procédure révisée conservant les exceptions énoncées. Demandez que cette procédure révisée garde les titres sources et identifie les conditions modifiées.
Thinking est activé par défaut dans le gabarit de conversation du fabricant. Le réglage explicite enable_thinking=False désactive entièrement la section de raisonnement. Si Thinking reste activé, /think ou /no_think dans l’invite ou l’instruction système peut changer le mode demandé d’un tour à l’autre; l’instruction la plus récente s’applique. Un gabarit activé peut encore renvoyer un bloc <think> vide pour une demande textuelle de non-Thinking. La désactivation explicite ne peut pas être annulée en ajoutant /think au texte. Choisissez le mode selon le problème : une réécriture directe peut utiliser un style de réponse différent d’une explication mathématique en plusieurs étapes.
L’exemple officiel de génération sépare le contenu Thinking de la réponse finale. Pour rendre cette réponse utile, fournissez les prémisses ou sources et définissez sa structure avant la génération. Qwen recommande un résultat final encadré pour les mathématiques et un champ de réponse explicite pour les questions à choix multiple. Une consigne pédagogique peut de même demander le résultat, l’explication essentielle et un exemple résolu. Pour les conversations à plusieurs tours, le fabricant recommande de conserver la réponse finale dans l’historique en omettant le contenu Thinking précédent, afin que les questions suivantes s’appuient sur le résultat livré.
Qwen décrit des capacités d’agents et d’appels d’outils dans les modes Thinking comme non-Thinking. L’intégration recommandée Qwen-Agent fournit des gabarits et analyseurs pour des outils définis, dont la recherche d’informations et un interpréteur de code dans l’exemple. Une application peut donner au modèle des outils nommés, leurs arguments acceptés et une condition d’arrêt. Pour examiner du code, préparez l’extrait source et les détails de l’échec, demandez d’identifier les vérifications requises, puis renvoyez le résultat réel de l’outil pour interprétation. La réponse finale peut être un diagnostic, une modification proposée et des questions restantes liées aux éléments fournis.
Le fabricant valide une extension à 131 072 jetons avec YaRN, distincte de la fenêtre native. Il avertit que la mise à l’échelle statique peut affecter le comportement sur des entrées courtes et recommande de la configurer lorsque de plus longs contextes sont nécessaires. Sa fiche explique aussi une allocation par défaut de 40 960 positions pour des longueurs typiques d’invite et de sortie. Organisez les longues entrées en sections nommées et réservez de la place pour le raisonnement et le livrable final au lieu de remplir chaque position d’éléments de contexte. Le réglage étendu dépend de la configuration prescrite.
Qwen recommande temperature 0,6 et top-p 0,95 pour Thinking, et 0,7 et 0,8 pour non-Thinking, avec top-k 20 et min-p 0 dans les deux cas. Il déconseille le décodage glouton en mode Thinking en raison de possibles dégradations et répétitions. L’espace de sortie recommandé est de 32 768 jetons pour la plupart des questions, avec 38 912 indiqués pour des tâches particulièrement complexes de mathématiques et de code. Ces recommandations guident la génération; elles ne définissent pas une limite de réponse fixe indépendante. Des instructions explicites de langue et de format sont particulièrement utiles lorsque le résultat doit rester cohérent dans une conversation multilingue.
", "aboutText": "Qwen3-14B est un modèle linguistique dense de la version originale Qwen3, combinant les comportements Thinking et non-Thinking dans un seul modèle. Qwen positionne la famille pour le raisonnement logique, les mathématiques, le code, la rédaction créative, le dialogue fondé sur un rôle et le suivi d’instructions. Il accepte et renvoie du texte, avec des capacités multilingues d’instruction et de traduction dans les 119 langues et dialectes de la famille. Une consigne conversationnelle utile précise la langue, le niveau de connaissances du lecteur et le résultat exact : explication, réécriture, problème résolu ou modification de code proposée.\n\nLe modèle entraîné aux instructions possède 14,8 milliards de paramètres au total dans 40 couches. C’est l’édition dense 14B, plutôt qu’un modèle à mélange d’experts ou un modèle ultérieur au nom de famille similaire. Son contexte natif est de 32 768 jetons. Pour une tâche documentaire, incluez les passages pertinents et leurs titres, puis demandez la comparaison ou l’explication précise nécessaire. Par exemple, une consigne peut fournir deux versions d’un processus et demander un tableau des conditions modifiées, puis une procédure révisée conservant les exceptions énoncées. Demandez que cette procédure révisée garde les titres sources et identifie les conditions modifiées.\n\nThinking est activé par défaut dans le gabarit de conversation du fabricant. Le réglage explicite enable_thinking=False désactive entièrement la section de raisonnement. Si Thinking reste activé, /think ou /no_think dans l’invite ou l’instruction système peut changer le mode demandé d’un tour à l’autre; l’instruction la plus récente s’applique. Un gabarit activé peut encore renvoyer un blocExemple technique en anglais
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.qwen/qwen3-14bQwen3-14B est le modèle textuel dense de Qwen pour la conversation multilingue, la rédaction, le code et le raisonnement pas à pas. Sa conception hybride d’origine alterne entre les modes Thinking et réponse directe et possède un contexte natif de 32 768 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3-14B est un modèle linguistique dense de la version originale Qwen3, combinant les comportements Thinking et non-Thinking dans un seul modèle. Qwen positionne la famille pour le raisonnement logique, les mathématiques, le code, la rédaction créative, le dialogue fondé sur un rôle et le suivi d’instructions. Il accepte et renvoie du texte, avec des capacités multilingues d’instruction et de traduction dans les 119 langues et dialectes de la famille. Une consigne conversationnelle utile précise la langue, le niveau de connaissances du lecteur et le résultat exact : explication, réécriture, problème résolu ou modification de code proposée.
Le modèle entraîné aux instructions possède 14,8 milliards de paramètres au total dans 40 couches. C’est l’édition dense 14B, plutôt qu’un modèle à mélange d’experts ou un modèle ultérieur au nom de famille similaire. Son contexte natif est de 32 768 jetons. Pour une tâche documentaire, incluez les passages pertinents et leurs titres, puis demandez la comparaison ou l’explication précise nécessaire. Par exemple, une consigne peut fournir deux versions d’un processus et demander un tableau des conditions modifiées, puis une procédure révisée conservant les exceptions énoncées. Demandez que cette procédure révisée garde les titres sources et identifie les conditions modifiées.
Thinking est activé par défaut dans le gabarit de conversation du fabricant. Le réglage explicite enable_thinking=False désactive entièrement la section de raisonnement. Si Thinking reste activé, /think ou /no_think dans l’invite ou l’instruction système peut changer le mode demandé d’un tour à l’autre; l’instruction la plus récente s’applique. Un gabarit activé peut encore renvoyer un bloc <think> vide pour une demande textuelle de non-Thinking. La désactivation explicite ne peut pas être annulée en ajoutant /think au texte. Choisissez le mode selon le problème : une réécriture directe peut utiliser un style de réponse différent d’une explication mathématique en plusieurs étapes.
L’exemple officiel de génération sépare le contenu Thinking de la réponse finale. Pour rendre cette réponse utile, fournissez les prémisses ou sources et définissez sa structure avant la génération. Qwen recommande un résultat final encadré pour les mathématiques et un champ de réponse explicite pour les questions à choix multiple. Une consigne pédagogique peut de même demander le résultat, l’explication essentielle et un exemple résolu. Pour les conversations à plusieurs tours, le fabricant recommande de conserver la réponse finale dans l’historique en omettant le contenu Thinking précédent, afin que les questions suivantes s’appuient sur le résultat livré.
Qwen décrit des capacités d’agents et d’appels d’outils dans les modes Thinking comme non-Thinking. L’intégration recommandée Qwen-Agent fournit des gabarits et analyseurs pour des outils définis, dont la recherche d’informations et un interpréteur de code dans l’exemple. Une application peut donner au modèle des outils nommés, leurs arguments acceptés et une condition d’arrêt. Pour examiner du code, préparez l’extrait source et les détails de l’échec, demandez d’identifier les vérifications requises, puis renvoyez le résultat réel de l’outil pour interprétation. La réponse finale peut être un diagnostic, une modification proposée et des questions restantes liées aux éléments fournis.
Le fabricant valide une extension à 131 072 jetons avec YaRN, distincte de la fenêtre native. Il avertit que la mise à l’échelle statique peut affecter le comportement sur des entrées courtes et recommande de la configurer lorsque de plus longs contextes sont nécessaires. Sa fiche explique aussi une allocation par défaut de 40 960 positions pour des longueurs typiques d’invite et de sortie. Organisez les longues entrées en sections nommées et réservez de la place pour le raisonnement et le livrable final au lieu de remplir chaque position d’éléments de contexte. Le réglage étendu dépend de la configuration prescrite.
Qwen recommande temperature 0,6 et top-p 0,95 pour Thinking, et 0,7 et 0,8 pour non-Thinking, avec top-k 20 et min-p 0 dans les deux cas. Il déconseille le décodage glouton en mode Thinking en raison de possibles dégradations et répétitions. L’espace de sortie recommandé est de 32 768 jetons pour la plupart des questions, avec 38 912 indiqués pour des tâches particulièrement complexes de mathématiques et de code. Ces recommandations guident la génération; elles ne définissent pas une limite de réponse fixe indépendante. Des instructions explicites de langue et de format sont particulièrement utiles lorsque le résultat doit rester cohérent dans une conversation multilingue.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-14b | 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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0.00058 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0.00058 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-14b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-14b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-14b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-14b
Utilisez les chemins de méthode indiqués ci-dessus.
qwen/qwen3-14bQwen3-14B est le modèle textuel dense de Qwen pour la conversation multilingue, la rédaction, le code et le raisonnement pas à pas. Sa conception hybride d’origine alterne entre les modes Thinking et réponse directe et possède un contexte natif de 32 768 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3-14B est un modèle linguistique dense de la version originale Qwen3, combinant les comportements Thinking et non-Thinking dans un seul modèle. Qwen positionne la famille pour le raisonnement logique, les mathématiques, le code, la rédaction créative, le dialogue fondé sur un rôle et le suivi d’instructions. Il accepte et renvoie du texte, avec des capacités multilingues d’instruction et de traduction dans les 119 langues et dialectes de la famille. Une consigne conversationnelle utile précise la langue, le niveau de connaissances du lecteur et le résultat exact : explication, réécriture, problème résolu ou modification de code proposée.
Le modèle entraîné aux instructions possède 14,8 milliards de paramètres au total dans 40 couches. C’est l’édition dense 14B, plutôt qu’un modèle à mélange d’experts ou un modèle ultérieur au nom de famille similaire. Son contexte natif est de 32 768 jetons. Pour une tâche documentaire, incluez les passages pertinents et leurs titres, puis demandez la comparaison ou l’explication précise nécessaire. Par exemple, une consigne peut fournir deux versions d’un processus et demander un tableau des conditions modifiées, puis une procédure révisée conservant les exceptions énoncées. Demandez que cette procédure révisée garde les titres sources et identifie les conditions modifiées.
Thinking est activé par défaut dans le gabarit de conversation du fabricant. Le réglage explicite enable_thinking=False désactive entièrement la section de raisonnement. Si Thinking reste activé, /think ou /no_think dans l’invite ou l’instruction système peut changer le mode demandé d’un tour à l’autre; l’instruction la plus récente s’applique. Un gabarit activé peut encore renvoyer un bloc <think> vide pour une demande textuelle de non-Thinking. La désactivation explicite ne peut pas être annulée en ajoutant /think au texte. Choisissez le mode selon le problème : une réécriture directe peut utiliser un style de réponse différent d’une explication mathématique en plusieurs étapes.
L’exemple officiel de génération sépare le contenu Thinking de la réponse finale. Pour rendre cette réponse utile, fournissez les prémisses ou sources et définissez sa structure avant la génération. Qwen recommande un résultat final encadré pour les mathématiques et un champ de réponse explicite pour les questions à choix multiple. Une consigne pédagogique peut de même demander le résultat, l’explication essentielle et un exemple résolu. Pour les conversations à plusieurs tours, le fabricant recommande de conserver la réponse finale dans l’historique en omettant le contenu Thinking précédent, afin que les questions suivantes s’appuient sur le résultat livré.
Qwen décrit des capacités d’agents et d’appels d’outils dans les modes Thinking comme non-Thinking. L’intégration recommandée Qwen-Agent fournit des gabarits et analyseurs pour des outils définis, dont la recherche d’informations et un interpréteur de code dans l’exemple. Une application peut donner au modèle des outils nommés, leurs arguments acceptés et une condition d’arrêt. Pour examiner du code, préparez l’extrait source et les détails de l’échec, demandez d’identifier les vérifications requises, puis renvoyez le résultat réel de l’outil pour interprétation. La réponse finale peut être un diagnostic, une modification proposée et des questions restantes liées aux éléments fournis.
Le fabricant valide une extension à 131 072 jetons avec YaRN, distincte de la fenêtre native. Il avertit que la mise à l’échelle statique peut affecter le comportement sur des entrées courtes et recommande de la configurer lorsque de plus longs contextes sont nécessaires. Sa fiche explique aussi une allocation par défaut de 40 960 positions pour des longueurs typiques d’invite et de sortie. Organisez les longues entrées en sections nommées et réservez de la place pour le raisonnement et le livrable final au lieu de remplir chaque position d’éléments de contexte. Le réglage étendu dépend de la configuration prescrite.
Qwen recommande temperature 0,6 et top-p 0,95 pour Thinking, et 0,7 et 0,8 pour non-Thinking, avec top-k 20 et min-p 0 dans les deux cas. Il déconseille le décodage glouton en mode Thinking en raison de possibles dégradations et répétitions. L’espace de sortie recommandé est de 32 768 jetons pour la plupart des questions, avec 38 912 indiqués pour des tâches particulièrement complexes de mathématiques et de code. Ces recommandations guident la génération; elles ne définissent pas une limite de réponse fixe indépendante. Des instructions explicites de langue et de format sont particulièrement utiles lorsque le résultat doit rester cohérent dans une conversation multilingue.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-14b | 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0.00058 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0.00058 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen/qwen3-14b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-14b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-14b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-14b
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.