Qwen3-4B applique la conception hybride des réponses de Qwen3 à un modèle linguistique dense compact. Le fabricant décrit le raisonnement mathématique et logique, la génération de code, l’écriture créative, l’interaction fondée sur des rôles et le dialogue à plusieurs tours, ainsi que le suivi des consignes dans plus de 100 langues et dialectes. Une tâche éditoriale ou technique ciblée constitue une manière utile de l’employer : fournissez un fragment source précis et demandez une transformation bien définie plutôt qu’une vue d’ensemble ouverte.
Cette version comprend quatre milliards de paramètres, dont 3,6 milliards hors embeddings, et comporte 36 couches. L’attention à requêtes groupées utilise 32 têtes de requête et huit têtes clé/valeur. Le texte constitue à la fois l’entrée et la sortie. Cette fiche décrit la version hybride Qwen3-4B d’origine, et non un modèle Thinking ou Instruct daté ultérieur. Un exemple pratique consiste à transformer une courte note d’incident en un passage de relais opérationnel indiquant l’échec observé, l’impact connu et la prochaine étape d’investigation. Fournissez ces faits dans des champs séparés et exigez que le modèle signale les informations manquantes plutôt que de les compléter.
Préparez la consigne et la source comme deux parties distinctes d’un message de chat. Pour la programmation, joignez une petite fonction, une entrée représentative et la valeur de retour souhaitée, puis demandez une explication ou une modification précisément délimitée. Demandez un cas ordinaire et un cas limite dans la sortie. Pour une tâche rédactionnelle, indiquez le public, la longueur et le vocabulaire qui doivent rester inchangés. Pour une classification, fournissez les libellés autorisés, leurs définitions et un exemple de sortie ; vérifiez ensuite que le choix renvoyé appartient à cette liste. L’intégration publiée attend un runtime compatible avec Qwen3 ; la fiche avertit que les versions de Transformers antérieures à 4.51.0 ne reconnaissent pas l’architecture requise.
Les modes thinking et non-thinking sont intégrés à la même version. Dans le modèle de conversation du fabricant, thinking est activé par défaut et un réglage ferme le désactive. Lorsque thinking est activé, /think et /no_think sont des consignes souples pouvant modifier le comportement entre les tours ; la consigne la plus récente s’applique. Elles ne réactivent pas un mode désactivé par le réglage ferme. Une courte transformation de texte peut demander une réponse directe, tandis qu’une explication de conditions contradictoires peut utiliser le raisonnement. Conservez la réponse finale, plutôt que le raisonnement antérieur, comme résultat utile d’un tour de conversation. Lorsque thinking est activé, même une consigne souple non-thinking conserve un bloc de raisonnement ; son contenu peut être vide. La désactivation ferme supprime ce bloc.
La fiche du modèle comprend l’usage en tant qu’agent et recommande Qwen-Agent pour les définitions d’outils et le parsing. Pour un assistant qui classe un ticket entrant puis recherche la description d’une catégorie, l’application exposerait l’outil de recherche, exécuterait tout appel accepté et fournirait le résultat. Définissez au préalable les arguments et les champs attendus. Demandez un relevé final du ticket comprenant la catégorie choisie, une courte justification et les champs inconnus. Validez le relevé et conservez le résultat de l’outil utilisé pour le créer. Le guide Qwen3 décrit également les appels d’outils parallèles et à plusieurs étapes, avec des arguments représentés sous forme d’objets et des résultats renvoyés dans la conversation.
La fiche exacte annonce 32 768 tokens de contexte natif et documente une extension à 131 072 avec YaRN. Le chiffre étendu dépend de la configuration ; la mise à l’échelle statique peut affecter les entrées plus courtes. Planifiez ensemble la requête complète et la réponse. Pour un ensemble de courtes notes, identifiez chaque élément, demandez un identifiant de sortie correspondant et utilisez un schéma concis afin que le résultat généré tienne encore dans l’espace disponible. Les exemples et recommandations de longueur de sortie de la fiche ne constituent pas une limite de génération ferme universelle. La documentation Qwen3 évoque des longueurs de messages assistant de 38 912 tokens en mode thinking et de 16 384 en mode non-thinking dans son explication des longueurs d’entraînement, et recommande d’évaluer la qualité des générations plus longues. Ces chiffres sont distincts de la fenêtre de contexte globale et ne sont pas une limite ferme propre à un endpoint. La fiche explique également son allocation positionnelle par défaut de 40 960 tokens, soit 8 192 pour les prompts typiques plus 32 768 pour la sortie ; il s’agit de recommandations de configuration du fabricant, distinctes du contexte d’entraînement natif et de toute limite d’endpoint.
Cette édition comporte un avertissement supplémentaire concernant les répétitions persistantes. Le fabricant renvoie à la configuration d’échantillonnage recommandée et suggère presence_penalty à 1.5 en cas de répétitions importantes. Ses recommandations générales signalent que des pénalités plus fortes peuvent introduire une sortie mélangeant plusieurs langues ou réduire la qualité ; c’est donc un réglage ciblé plutôt qu’une garantie. Le mode thinking utilise une température de 0.6, top-p à 0.95, top-k à 20 et min-p à 0 ; non-thinking utilise 0.7, 0.8, 20 et 0. Évitez le décodage glouton pour le raisonnement, exigez une réponse finale clairement délimitée et inspectez le résultat pour détecter les propositions répétées, les champs manquants et les changements de terminologie.
", "aboutText": "Qwen3-4B applique la conception hybride des réponses de Qwen3 à un modèle linguistique dense compact. Le fabricant décrit le raisonnement mathématique et logique, la génération de code, l’écriture créative, l’interaction fondée sur des rôles et le dialogue à plusieurs tours, ainsi que le suivi des consignes dans plus de 100 langues et dialectes. Une tâche éditoriale ou technique ciblée constitue une manière utile de l’employer : fournissez un fragment source précis et demandez une transformation bien définie plutôt qu’une vue d’ensemble ouverte.\n\nCette version comprend quatre milliards de paramètres, dont 3,6 milliards hors embeddings, et comporte 36 couches. L’attention à requêtes groupées utilise 32 têtes de requête et huit têtes clé/valeur. Le texte constitue à la fois l’entrée et la sortie. Cette fiche décrit la version hybride Qwen3-4B d’origine, et non un modèle Thinking ou Instruct daté ultérieur. Un exemple pratique consiste à transformer une courte note d’incident en un passage de relais opérationnel indiquant l’échec observé, l’impact connu et la prochaine étape d’investigation. Fournissez ces faits dans des champs séparés et exigez que le modèle signale les informations manquantes plutôt que de les compléter.\n\nPréparez la consigne et la source comme deux parties distinctes d’un message de chat. Pour la programmation, joignez une petite fonction, une entrée représentative et la valeur de retour souhaitée, puis demandez une explication ou une modification précisément délimitée. Demandez un cas ordinaire et un cas limite dans la sortie. Pour une tâche rédactionnelle, indiquez le public, la longueur et le vocabulaire qui doivent rester inchangés. Pour une classification, fournissez les libellés autorisés, leurs définitions et un exemple de sortie ; vérifiez ensuite que le choix renvoyé appartient à cette liste. L’intégration publiée attend un runtime compatible avec Qwen3 ; la fiche avertit que les versions de Transformers antérieures à 4.51.0 ne reconnaissent pas l’architecture requise.\n\nLes modes thinking et non-thinking sont intégrés à la même version. Dans le modèle de conversation du fabricant, thinking est activé par défaut et un réglage ferme le désactive. Lorsque thinking est activé, /think et /no_think sont des consignes souples pouvant modifier le comportement entre les tours ; la consigne la plus récente s’applique. Elles ne réactivent pas un mode désactivé par le réglage ferme. Une courte transformation de texte peut demander une réponse directe, tandis qu’une explication de conditions contradictoires peut utiliser le raisonnement. Conservez la réponse finale, plutôt que le raisonnement antérieur, comme résultat utile d’un tour de conversation. Lorsque thinking est activé, même une consigne souple non-thinking conserve un bloc de raisonnement ; son contenu peut être vide. La désactivation ferme supprime ce bloc.\n\nLa fiche du modèle comprend l’usage en tant qu’agent et recommande Qwen-Agent pour les définitions d’outils et le parsing. Pour un assistant qui classe un ticket entrant puis recherche la description d’une catégorie, l’application exposerait l’outil de recherche, exécuterait tout appel accepté et fournirait le résultat. Définissez au préalable les arguments et les champs attendus. Demandez un relevé final du ticket comprenant la catégorie choisie, une courte justification et les champs inconnus. Validez le relevé et conservez le résultat de l’outil utilisé pour le créer. Le guide Qwen3 décrit également les appels d’outils parallèles et à plusieurs étapes, avec des arguments représentés sous forme d’objets et des résultats renvoyés dans la conversation.\n\nLa fiche exacte annonce 32 768 tokens de contexte natif et documente une extension à 131 072 avec YaRN. Le chiffre étendu dépend de la configuration ; la mise à l’échelle statique peut affecter les entrées plus courtes. Planifiez ensemble la requête complète et la réponse. Pour un ensemble de courtes notes, identifiez chaque élément, demandez un identifiant de sortie correspondant et utilisez un schéma concis afin que le résultat généré tienne encore dans l’espace disponible. Les exemples et recommandations de longueur de sortie de la fiche ne constituent pas une limite de génération ferme universelle. La documentation Qwen3 évoque des longueurs de messages assistant de 38 912 tokens en mode thinking et de 16 384 en mode non-thinking dans son explication des longueurs d’entraînement, et recommande d’évaluer la qualité des générations plus longues. Ces chiffres sont distincts de la fenêtre de contexte globale et ne sont pas une limite ferme propre à un endpoint. La fiche explique également son allocation positionnelle par défaut de 40 960 tokens, soit 8 192 pour les prompts typiques plus 32 768 pour la sortie ; il s’agit de recommandations de configuration du fabricant, distinctes du contexte d’entraînement natif et de toute limite d’endpoint.\n\nCette édition comporte un avertissement supplémentaire concernant les répétitions persistantes. Le fabricant renvoie à la configuration d’échantillonnage recommandée et suggère presence_penalty à 1.5 en cas de répétitions importantes. Ses recommandations générales signalent que des pénalités plus fortes peuvent introduire une sortie mélangeant plusieurs langues ou réduire la qualité ; c’est donc un réglage ciblé plutôt qu’une garantie. Le mode thinking utilise une température de 0.6, top-p à 0.95, top-k à 20 et min-p à 0 ; non-thinking utilise 0.7, 0.8, 20 et 0. Évitez le décodage glouton pour le raisonnement, exigez une réponse finale clairement délimitée et inspectez le résultat pour détecter les propositions répétées, les champs manquants et les changements de terminologie.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Turn an incident note into a handoff\n\nTurn these facts into an operational handoff. Observed failure: report export stops with Disk full. Known impact: exports for Team C failed; other teams were not checked. Last completed step: temporary files listed, none deleted. Next step: identify approved cleanup candidates. Use four labelled lines and do not invent a restoration time or wider impact.Four labelled lines: Failure, Confirmed impact, Completed work and Next step.Check that listing files is not reported as deleting them and untested teams remain outside confirmed impact.qwen3-4bQwen3-4B est un modèle textuel de quatre milliards de paramètres pour le suivi des instructions, le dialogue multilingue et le code. Sa conception hybride permet des réponses directes et un mode réflexion, avec des recommandations propres à l’édition pour maîtriser les répétitions.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3-4B applique la conception hybride des réponses de Qwen3 à un modèle linguistique dense compact. Le fabricant décrit le raisonnement mathématique et logique, la génération de code, l’écriture créative, l’interaction fondée sur des rôles et le dialogue à plusieurs tours, ainsi que le suivi des consignes dans plus de 100 langues et dialectes. Une tâche éditoriale ou technique ciblée constitue une manière utile de l’employer : fournissez un fragment source précis et demandez une transformation bien définie plutôt qu’une vue d’ensemble ouverte.
Cette version comprend quatre milliards de paramètres, dont 3,6 milliards hors embeddings, et comporte 36 couches. L’attention à requêtes groupées utilise 32 têtes de requête et huit têtes clé/valeur. Le texte constitue à la fois l’entrée et la sortie. Cette fiche décrit la version hybride Qwen3-4B d’origine, et non un modèle Thinking ou Instruct daté ultérieur. Un exemple pratique consiste à transformer une courte note d’incident en un passage de relais opérationnel indiquant l’échec observé, l’impact connu et la prochaine étape d’investigation. Fournissez ces faits dans des champs séparés et exigez que le modèle signale les informations manquantes plutôt que de les compléter.
Préparez la consigne et la source comme deux parties distinctes d’un message de chat. Pour la programmation, joignez une petite fonction, une entrée représentative et la valeur de retour souhaitée, puis demandez une explication ou une modification précisément délimitée. Demandez un cas ordinaire et un cas limite dans la sortie. Pour une tâche rédactionnelle, indiquez le public, la longueur et le vocabulaire qui doivent rester inchangés. Pour une classification, fournissez les libellés autorisés, leurs définitions et un exemple de sortie ; vérifiez ensuite que le choix renvoyé appartient à cette liste. L’intégration publiée attend un runtime compatible avec Qwen3 ; la fiche avertit que les versions de Transformers antérieures à 4.51.0 ne reconnaissent pas l’architecture requise.
Les modes thinking et non-thinking sont intégrés à la même version. Dans le modèle de conversation du fabricant, thinking est activé par défaut et un réglage ferme le désactive. Lorsque thinking est activé, /think et /no_think sont des consignes souples pouvant modifier le comportement entre les tours ; la consigne la plus récente s’applique. Elles ne réactivent pas un mode désactivé par le réglage ferme. Une courte transformation de texte peut demander une réponse directe, tandis qu’une explication de conditions contradictoires peut utiliser le raisonnement. Conservez la réponse finale, plutôt que le raisonnement antérieur, comme résultat utile d’un tour de conversation. Lorsque thinking est activé, même une consigne souple non-thinking conserve un bloc de raisonnement ; son contenu peut être vide. La désactivation ferme supprime ce bloc.
La fiche du modèle comprend l’usage en tant qu’agent et recommande Qwen-Agent pour les définitions d’outils et le parsing. Pour un assistant qui classe un ticket entrant puis recherche la description d’une catégorie, l’application exposerait l’outil de recherche, exécuterait tout appel accepté et fournirait le résultat. Définissez au préalable les arguments et les champs attendus. Demandez un relevé final du ticket comprenant la catégorie choisie, une courte justification et les champs inconnus. Validez le relevé et conservez le résultat de l’outil utilisé pour le créer. Le guide Qwen3 décrit également les appels d’outils parallèles et à plusieurs étapes, avec des arguments représentés sous forme d’objets et des résultats renvoyés dans la conversation.
La fiche exacte annonce 32 768 tokens de contexte natif et documente une extension à 131 072 avec YaRN. Le chiffre étendu dépend de la configuration ; la mise à l’échelle statique peut affecter les entrées plus courtes. Planifiez ensemble la requête complète et la réponse. Pour un ensemble de courtes notes, identifiez chaque élément, demandez un identifiant de sortie correspondant et utilisez un schéma concis afin que le résultat généré tienne encore dans l’espace disponible. Les exemples et recommandations de longueur de sortie de la fiche ne constituent pas une limite de génération ferme universelle. La documentation Qwen3 évoque des longueurs de messages assistant de 38 912 tokens en mode thinking et de 16 384 en mode non-thinking dans son explication des longueurs d’entraînement, et recommande d’évaluer la qualité des générations plus longues. Ces chiffres sont distincts de la fenêtre de contexte globale et ne sont pas une limite ferme propre à un endpoint. La fiche explique également son allocation positionnelle par défaut de 40 960 tokens, soit 8 192 pour les prompts typiques plus 32 768 pour la sortie ; il s’agit de recommandations de configuration du fabricant, distinctes du contexte d’entraînement natif et de toute limite d’endpoint.
Cette édition comporte un avertissement supplémentaire concernant les répétitions persistantes. Le fabricant renvoie à la configuration d’échantillonnage recommandée et suggère presence_penalty à 1.5 en cas de répétitions importantes. Ses recommandations générales signalent que des pénalités plus fortes peuvent introduire une sortie mélangeant plusieurs langues ou réduire la qualité ; c’est donc un réglage ciblé plutôt qu’une garantie. Le mode thinking utilise une température de 0.6, top-p à 0.95, top-k à 20 et min-p à 0 ; non-thinking utilise 0.7, 0.8, 20 et 0. Évitez le décodage glouton pour le raisonnement, exigez une réponse finale clairement délimitée et inspectez le résultat pour détecter les propositions répétées, les champs manquants et les changements de terminologie.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3-4b | 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.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.001 / 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": "qwen3-4b", "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='qwen3-4b',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='qwen3-4b',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 qwen3-4b
Utilisez les chemins de méthode indiqués ci-dessus.
qwen3-4bQwen3-4B est un modèle textuel de quatre milliards de paramètres pour le suivi des instructions, le dialogue multilingue et le code. Sa conception hybride permet des réponses directes et un mode réflexion, avec des recommandations propres à l’édition pour maîtriser les répétitions.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3-4B applique la conception hybride des réponses de Qwen3 à un modèle linguistique dense compact. Le fabricant décrit le raisonnement mathématique et logique, la génération de code, l’écriture créative, l’interaction fondée sur des rôles et le dialogue à plusieurs tours, ainsi que le suivi des consignes dans plus de 100 langues et dialectes. Une tâche éditoriale ou technique ciblée constitue une manière utile de l’employer : fournissez un fragment source précis et demandez une transformation bien définie plutôt qu’une vue d’ensemble ouverte.
Cette version comprend quatre milliards de paramètres, dont 3,6 milliards hors embeddings, et comporte 36 couches. L’attention à requêtes groupées utilise 32 têtes de requête et huit têtes clé/valeur. Le texte constitue à la fois l’entrée et la sortie. Cette fiche décrit la version hybride Qwen3-4B d’origine, et non un modèle Thinking ou Instruct daté ultérieur. Un exemple pratique consiste à transformer une courte note d’incident en un passage de relais opérationnel indiquant l’échec observé, l’impact connu et la prochaine étape d’investigation. Fournissez ces faits dans des champs séparés et exigez que le modèle signale les informations manquantes plutôt que de les compléter.
Préparez la consigne et la source comme deux parties distinctes d’un message de chat. Pour la programmation, joignez une petite fonction, une entrée représentative et la valeur de retour souhaitée, puis demandez une explication ou une modification précisément délimitée. Demandez un cas ordinaire et un cas limite dans la sortie. Pour une tâche rédactionnelle, indiquez le public, la longueur et le vocabulaire qui doivent rester inchangés. Pour une classification, fournissez les libellés autorisés, leurs définitions et un exemple de sortie ; vérifiez ensuite que le choix renvoyé appartient à cette liste. L’intégration publiée attend un runtime compatible avec Qwen3 ; la fiche avertit que les versions de Transformers antérieures à 4.51.0 ne reconnaissent pas l’architecture requise.
Les modes thinking et non-thinking sont intégrés à la même version. Dans le modèle de conversation du fabricant, thinking est activé par défaut et un réglage ferme le désactive. Lorsque thinking est activé, /think et /no_think sont des consignes souples pouvant modifier le comportement entre les tours ; la consigne la plus récente s’applique. Elles ne réactivent pas un mode désactivé par le réglage ferme. Une courte transformation de texte peut demander une réponse directe, tandis qu’une explication de conditions contradictoires peut utiliser le raisonnement. Conservez la réponse finale, plutôt que le raisonnement antérieur, comme résultat utile d’un tour de conversation. Lorsque thinking est activé, même une consigne souple non-thinking conserve un bloc de raisonnement ; son contenu peut être vide. La désactivation ferme supprime ce bloc.
La fiche du modèle comprend l’usage en tant qu’agent et recommande Qwen-Agent pour les définitions d’outils et le parsing. Pour un assistant qui classe un ticket entrant puis recherche la description d’une catégorie, l’application exposerait l’outil de recherche, exécuterait tout appel accepté et fournirait le résultat. Définissez au préalable les arguments et les champs attendus. Demandez un relevé final du ticket comprenant la catégorie choisie, une courte justification et les champs inconnus. Validez le relevé et conservez le résultat de l’outil utilisé pour le créer. Le guide Qwen3 décrit également les appels d’outils parallèles et à plusieurs étapes, avec des arguments représentés sous forme d’objets et des résultats renvoyés dans la conversation.
La fiche exacte annonce 32 768 tokens de contexte natif et documente une extension à 131 072 avec YaRN. Le chiffre étendu dépend de la configuration ; la mise à l’échelle statique peut affecter les entrées plus courtes. Planifiez ensemble la requête complète et la réponse. Pour un ensemble de courtes notes, identifiez chaque élément, demandez un identifiant de sortie correspondant et utilisez un schéma concis afin que le résultat généré tienne encore dans l’espace disponible. Les exemples et recommandations de longueur de sortie de la fiche ne constituent pas une limite de génération ferme universelle. La documentation Qwen3 évoque des longueurs de messages assistant de 38 912 tokens en mode thinking et de 16 384 en mode non-thinking dans son explication des longueurs d’entraînement, et recommande d’évaluer la qualité des générations plus longues. Ces chiffres sont distincts de la fenêtre de contexte globale et ne sont pas une limite ferme propre à un endpoint. La fiche explique également son allocation positionnelle par défaut de 40 960 tokens, soit 8 192 pour les prompts typiques plus 32 768 pour la sortie ; il s’agit de recommandations de configuration du fabricant, distinctes du contexte d’entraînement natif et de toute limite d’endpoint.
Cette édition comporte un avertissement supplémentaire concernant les répétitions persistantes. Le fabricant renvoie à la configuration d’échantillonnage recommandée et suggère presence_penalty à 1.5 en cas de répétitions importantes. Ses recommandations générales signalent que des pénalités plus fortes peuvent introduire une sortie mélangeant plusieurs langues ou réduire la qualité ; c’est donc un réglage ciblé plutôt qu’une garantie. Le mode thinking utilise une température de 0.6, top-p à 0.95, top-k à 20 et min-p à 0 ; non-thinking utilise 0.7, 0.8, 20 et 0. Évitez le décodage glouton pour le raisonnement, exigez une réponse finale clairement délimitée et inspectez le résultat pour détecter les propositions répétées, les champs manquants et les changements de terminologie.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3-4b | 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.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.001 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen3-4b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-4b', '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': 'qwen3-4b', '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 qwen3-4b
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Turn an incident note into a handoff\n\nTurn these facts into an operational handoff. Observed failure: report export stops with Disk full. Known impact: exports for Team C failed; other teams were not checked. Last completed step: temporary files listed, none deleted. Next step: identify approved cleanup candidates. Use four labelled lines and do not invent a restoration time or wider impact.Four labelled lines: Failure, Confirmed impact, Completed work and Next step.Check that listing files is not reported as deleting them and untested teams remain outside confirmed impact.