Qwen3-235B-A22B-FP8 היא מהדורת FP8 הרשמית של Qwen3-235B-A22B. יכולות הטקסט המוצגות שלה כוללות הסקה מתמטית ולוגית, יצירת קוד, כתיבה יצירתית, דיאלוג לפי תפקיד ומילוי הוראות לאורך שיחה מרובת סבבים ביותר מ־100 שפות וניבים. היא משלבת מצבי חשיבה ותשובה ישירה. השתמשו בה למשימה המחברת כמה אילוצים, כגון השוואת שני מימושים לאותו מפרט והפיכת ההשוואה להצעה לשינוי מוגדר.
הארכיטקטורה הבסיסית היא תערובת מומחים: 235 מיליארד פרמטרים בסך הכול, 22 מיליארד פעילים בזמן העיבוד, 94 שכבות ו־128 מומחים, שמהם נבחרים שמונה לכל טוקן. קשב של שאילתות מקובצות משתמש ב־64 ראשי שאילתה ובארבעה ראשי מפתח/ערך. הסיומת FP8 מזהה צ'קפוינט שפורסם בנפרד, ולא סוג פלט נוסף או מספר פרמטרים אחר. המודל מקבל טקסט ויוצר טקסט. תנו לעוזר לבדיקת קוד את המפרט, את קובצי המקור הרלוונטיים ואת ההתנהגות הצפויה; בקשו טבלת החלטות, את השינוי שנבחר ודוגמאות שמדגימות את התוצאה הרצויה.
תהליך ההתחלה של היצרן מעצב את המקור ואת ההוראות כשיחה. להשוואת מסמכים, סמנו את הגרסאות, ציינו את הסמכות של כל מקור והגדירו את הדרישות שחייבות להישאר ללא שינוי. לשאלה מתמטית, כללו את הנוסח המלא ואת הצורה הרצויה של התשובה הסופית. למשימת מימוש, ציינו את השפה, את מבנה הקלט האמיתי, את מקרה הכשל ואת הממשקים שיש לשמר. הגדירו במפורש את התוצר הסופי, כך שגם תשובה ארוכה תפתור את הבקשה המקורית. האינטגרציה שפורסמה מצפה לסביבת הרצה שמכירה את Qwen3; הכרטיס מזהיר שגרסאות Transformers שמתחת ל־4.51.0 אינן מזהות את הארכיטקטורה הנדרשת.
במהדורה זו יש הערה ייעודית ל־FP8. הצ'קפוינט משתמש בכימות FP8 ברזולוציה עדינה עם גודל בלוק של 128; התצורה שפורסמה מתעדת את שיטת הכימות. היצרן מציין את Transformers, את SGLang ואת vLLM כאפשרויות להרצת הסקה, ומזהיר מפני בעיות ב־FP8 ברזולוציה עדינה בהסקה מבוזרת ב־Transformers. שימוש במספר התקנים עשוי לדרוש CUDA_LAUNCH_BLOCKING=1. זהו פרט תאימות ייחודי למהדורה, ואינו סיבה להניח שמהירות, שימוש בזיכרון או איכות הפלט זהים בין סביבות הרצה. שמרו על השם המלא הכולל FP8 בעת השוואה או תיעוד תוצאות, והעריכו את הצ'קפוינט בפועל בסביבה המיועדת.
חשיבה היא ברירת המחדל בתבנית הצ'אט שסופקה, ומתג קשיח יכול לבטל אותה. כאשר החשיבה מופעלת, /think ו־/no_think יכולים לשלוט בסבבים מסוימים; ההוראה האחרונה מקבלת עדיפות. מתגים רכים אינם גוברים על ביטול קשיח. שמרו את התשובה הסופית בנפרד ממקטע ההסקה שנוצר, והעבירו את התשובה הסופית להיסטוריית הדיאלוג בהמשך. ניתוח מפורט של סתירה יכול לבקש חשיבה, ואילו בקשת המשך המעצבת מחדש מסקנה שהתקבלה יכולה לבקש תשובה ישירה. כאשר החשיבה מופעלת, אפילו בקשה רכה ללא חשיבה משאירה בלוק הסקה; תוכנו עשוי להיות ריק. הביטול הקשיח מסיר בלוק זה.
כרטיס המודל ממליץ על Qwen-Agent לתבניות של קריאות לכלים ולניתוחן. בעוזר הנדסי, היישום יכול לחשוף מריץ בדיקות או כלי לקריאת מקור בלבד, לבצע את הקריאה שהתקבלה ולהחזיר ראיות לצורך התשובה הבאה. הגדירו את קלטי הכלי, את הרשאותיו ואת שדות התוצאה שלו. דרשו מהעוזר לקשר את השינוי המוצע לתוצאה שהוחזרה ולהבחין בין בדיקה שהוא מבקש לבין בדיקה שהיישום כבר השלים בפועל. יכולות המודל הקשורות לכלים תלויות בתהליך הביצוע שסביבו. מדריך Qwen3 מתאר גם קריאות מקבילות ורב־שלביות לכלים, עם ארגומנטים המיוצגים כאובייקטים ותוצאות שמוחזרות לשיחה.
ההקשר המקורי הוא 32,768 טוקנים, ו־131,072 מתועדים באמצעות הרחבת YaRN. הקלט והפלט שנוצר חולקים את תקציב הרצף. החלון הגדול יותר דורש את התצורה הרלוונטית, ו־YaRN סטטי עשוי להשפיע על קלטים קצרים. ארגנו חומר מקור ארוך לפי קובץ או סעיף ושמרו מקום להשוואה הסופית או לקוד. אורכי הפלט שמוצגים בדוגמת ההתחלה המהירה ובהמלצות לשימוש מיטבי הם הנחיות ליצירה, ולא הוכחה לאורך פלט מרבי עצמאי החל על שירות שלם. תיעוד Qwen3 דן באורכי הודעות עוזר של 38,912 טוקנים במצב חשיבה ושל 16,384 במצב ללא חשיבה במסגרת ההסבר על אורך האימון, וממליץ להעריך את איכותה של יצירה ארוכה יותר. נתונים אלה נפרדים מחלון ההקשר הכולל ואינם גבול קשיח ייחודי לנקודת קצה. הכרטיס מסביר גם את הקצאת המיקומים המוגדרת כברירת מחדל, 40,960 טוקנים, כ־8,192 להנחיות טיפוסיות ועוד 32,768 לפלט; אלה הנחיות תצורה של היצרן, בנפרד מהקשר האימון המקורי ומכל גבול של נקודת קצה.
הדגימה המומלצת במצב חשיבה היא temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0; מצב ישיר משתמש ב־0.7, ב־0.8, ב־20 וב־0 בהתאמה. פענוח חמדני במצב חשיבה עלול להוביל לחזרות, וערכי presence penalty גבוהים יותר עשויים לגרום לערבוב שפות. בקשו מבנה סופי שניתן לבדוק, כגון טבלת תוצאות ואחריה הפונקציה ששונתה והמקרים הרלוונטיים. בדקו מסקנות מספריות, הריצו קוד בסביבת היעד ובחנו את תוצאות הכלים לפני יישום שינוי מוצע. זהותו של צ'קפוינט FP8 וההסתייגויות לגבי סביבת ההרצה שלו צריכות להישאר קשורות להערכה זו.
", "aboutText": "Qwen3-235B-A22B-FP8 היא מהדורת FP8 הרשמית של Qwen3-235B-A22B. יכולות הטקסט המוצגות שלה כוללות הסקה מתמטית ולוגית, יצירת קוד, כתיבה יצירתית, דיאלוג לפי תפקיד ומילוי הוראות לאורך שיחה מרובת סבבים ביותר מ־100 שפות וניבים. היא משלבת מצבי חשיבה ותשובה ישירה. השתמשו בה למשימה המחברת כמה אילוצים, כגון השוואת שני מימושים לאותו מפרט והפיכת ההשוואה להצעה לשינוי מוגדר.\n\nהארכיטקטורה הבסיסית היא תערובת מומחים: 235 מיליארד פרמטרים בסך הכול, 22 מיליארד פעילים בזמן העיבוד, 94 שכבות ו־128 מומחים, שמהם נבחרים שמונה לכל טוקן. קשב של שאילתות מקובצות משתמש ב־64 ראשי שאילתה ובארבעה ראשי מפתח/ערך. הסיומת FP8 מזהה צ'קפוינט שפורסם בנפרד, ולא סוג פלט נוסף או מספר פרמטרים אחר. המודל מקבל טקסט ויוצר טקסט. תנו לעוזר לבדיקת קוד את המפרט, את קובצי המקור הרלוונטיים ואת ההתנהגות הצפויה; בקשו טבלת החלטות, את השינוי שנבחר ודוגמאות שמדגימות את התוצאה הרצויה.\n\nתהליך ההתחלה של היצרן מעצב את המקור ואת ההוראות כשיחה. להשוואת מסמכים, סמנו את הגרסאות, ציינו את הסמכות של כל מקור והגדירו את הדרישות שחייבות להישאר ללא שינוי. לשאלה מתמטית, כללו את הנוסח המלא ואת הצורה הרצויה של התשובה הסופית. למשימת מימוש, ציינו את השפה, את מבנה הקלט האמיתי, את מקרה הכשל ואת הממשקים שיש לשמר. הגדירו במפורש את התוצר הסופי, כך שגם תשובה ארוכה תפתור את הבקשה המקורית. האינטגרציה שפורסמה מצפה לסביבת הרצה שמכירה את Qwen3; הכרטיס מזהיר שגרסאות Transformers שמתחת ל־4.51.0 אינן מזהות את הארכיטקטורה הנדרשת.\n\nבמהדורה זו יש הערה ייעודית ל־FP8. הצ'קפוינט משתמש בכימות FP8 ברזולוציה עדינה עם גודל בלוק של 128; התצורה שפורסמה מתעדת את שיטת הכימות. היצרן מציין את Transformers, את SGLang ואת vLLM כאפשרויות להרצת הסקה, ומזהיר מפני בעיות ב־FP8 ברזולוציה עדינה בהסקה מבוזרת ב־Transformers. שימוש במספר התקנים עשוי לדרוש CUDA_LAUNCH_BLOCKING=1. זהו פרט תאימות ייחודי למהדורה, ואינו סיבה להניח שמהירות, שימוש בזיכרון או איכות הפלט זהים בין סביבות הרצה. שמרו על השם המלא הכולל FP8 בעת השוואה או תיעוד תוצאות, והעריכו את הצ'קפוינט בפועל בסביבה המיועדת.\n\nחשיבה היא ברירת המחדל בתבנית הצ'אט שסופקה, ומתג קשיח יכול לבטל אותה. כאשר החשיבה מופעלת, /think ו־/no_think יכולים לשלוט בסבבים מסוימים; ההוראה האחרונה מקבלת עדיפות. מתגים רכים אינם גוברים על ביטול קשיח. שמרו את התשובה הסופית בנפרד ממקטע ההסקה שנוצר, והעבירו את התשובה הסופית להיסטוריית הדיאלוג בהמשך. ניתוח מפורט של סתירה יכול לבקש חשיבה, ואילו בקשת המשך המעצבת מחדש מסקנה שהתקבלה יכולה לבקש תשובה ישירה. כאשר החשיבה מופעלת, אפילו בקשה רכה ללא חשיבה משאירה בלוק הסקה; תוכנו עשוי להיות ריק. הביטול הקשיח מסיר בלוק זה.\n\nכרטיס המודל ממליץ על Qwen-Agent לתבניות של קריאות לכלים ולניתוחן. בעוזר הנדסי, היישום יכול לחשוף מריץ בדיקות או כלי לקריאת מקור בלבד, לבצע את הקריאה שהתקבלה ולהחזיר ראיות לצורך התשובה הבאה. הגדירו את קלטי הכלי, את הרשאותיו ואת שדות התוצאה שלו. דרשו מהעוזר לקשר את השינוי המוצע לתוצאה שהוחזרה ולהבחין בין בדיקה שהוא מבקש לבין בדיקה שהיישום כבר השלים בפועל. יכולות המודל הקשורות לכלים תלויות בתהליך הביצוע שסביבו. מדריך Qwen3 מתאר גם קריאות מקבילות ורב־שלביות לכלים, עם ארגומנטים המיוצגים כאובייקטים ותוצאות שמוחזרות לשיחה.\n\nההקשר המקורי הוא 32,768 טוקנים, ו־131,072 מתועדים באמצעות הרחבת YaRN. הקלט והפלט שנוצר חולקים את תקציב הרצף. החלון הגדול יותר דורש את התצורה הרלוונטית, ו־YaRN סטטי עשוי להשפיע על קלטים קצרים. ארגנו חומר מקור ארוך לפי קובץ או סעיף ושמרו מקום להשוואה הסופית או לקוד. אורכי הפלט שמוצגים בדוגמת ההתחלה המהירה ובהמלצות לשימוש מיטבי הם הנחיות ליצירה, ולא הוכחה לאורך פלט מרבי עצמאי החל על שירות שלם. תיעוד Qwen3 דן באורכי הודעות עוזר של 38,912 טוקנים במצב חשיבה ושל 16,384 במצב ללא חשיבה במסגרת ההסבר על אורך האימון, וממליץ להעריך את איכותה של יצירה ארוכה יותר. נתונים אלה נפרדים מחלון ההקשר הכולל ואינם גבול קשיח ייחודי לנקודת קצה. הכרטיס מסביר גם את הקצאת המיקומים המוגדרת כברירת מחדל, 40,960 טוקנים, כ־8,192 להנחיות טיפוסיות ועוד 32,768 לפלט; אלה הנחיות תצורה של היצרן, בנפרד מהקשר האימון המקורי ומכל גבול של נקודת קצה.\n\nהדגימה המומלצת במצב חשיבה היא temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0; מצב ישיר משתמש ב־0.7, ב־0.8, ב־20 וב־0 בהתאמה. פענוח חמדני במצב חשיבה עלול להוביל לחזרות, וערכי presence penalty גבוהים יותר עשויים לגרום לערבוב שפות. בקשו מבנה סופי שניתן לבדוק, כגון טבלת תוצאות ואחריה הפונקציה ששונתה והמקרים הרלוונטיים. בדקו מסקנות מספריות, הריצו קוד בסביבת היעד ובחנו את תוצאות הכלים לפני יישום שינוי מוצע. זהותו של צ'קפוינט FP8 וההסתייגויות לגבי סביבת ההרצה שלו צריכות להישאר קשורות להערכה זו.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Compare two normalizers to a contract\n\nThe contract requires unique case-sensitive tags in first-occurrence order. Compare Python A: return sorted(set(tags)) with B: return list(dict.fromkeys(tags)). Input: ["red", "Blue", "red", "blue"]. Give a criterion table, select the compliant implementation and provide tests for order and case preservation. Do not alter the contract to fit either implementation.A two-implementation decision table, a selected implementation and two contract-focused tests.Check that sorting is recognized as an order violation and Blue remains distinct from blue.qwen/qwen3-235b-a22b-fp8Qwen3-235B-A22B-FP8 הוא הצ'קפוינט הרשמי בכימות FP8 ברזולוציה עדינה של מודל תערובת המומחים הגדול של Qwen3. הוא שומר על יכולות הסקה טקסטואלית היברידית ודיאלוג, עם זהות כימות משלו ושיקולים ייחודיים לסביבת ההרצה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-235B-A22B-FP8 היא מהדורת FP8 הרשמית של Qwen3-235B-A22B. יכולות הטקסט המוצגות שלה כוללות הסקה מתמטית ולוגית, יצירת קוד, כתיבה יצירתית, דיאלוג לפי תפקיד ומילוי הוראות לאורך שיחה מרובת סבבים ביותר מ־100 שפות וניבים. היא משלבת מצבי חשיבה ותשובה ישירה. השתמשו בה למשימה המחברת כמה אילוצים, כגון השוואת שני מימושים לאותו מפרט והפיכת ההשוואה להצעה לשינוי מוגדר.
הארכיטקטורה הבסיסית היא תערובת מומחים: 235 מיליארד פרמטרים בסך הכול, 22 מיליארד פעילים בזמן העיבוד, 94 שכבות ו־128 מומחים, שמהם נבחרים שמונה לכל טוקן. קשב של שאילתות מקובצות משתמש ב־64 ראשי שאילתה ובארבעה ראשי מפתח/ערך. הסיומת FP8 מזהה צ'קפוינט שפורסם בנפרד, ולא סוג פלט נוסף או מספר פרמטרים אחר. המודל מקבל טקסט ויוצר טקסט. תנו לעוזר לבדיקת קוד את המפרט, את קובצי המקור הרלוונטיים ואת ההתנהגות הצפויה; בקשו טבלת החלטות, את השינוי שנבחר ודוגמאות שמדגימות את התוצאה הרצויה.
תהליך ההתחלה של היצרן מעצב את המקור ואת ההוראות כשיחה. להשוואת מסמכים, סמנו את הגרסאות, ציינו את הסמכות של כל מקור והגדירו את הדרישות שחייבות להישאר ללא שינוי. לשאלה מתמטית, כללו את הנוסח המלא ואת הצורה הרצויה של התשובה הסופית. למשימת מימוש, ציינו את השפה, את מבנה הקלט האמיתי, את מקרה הכשל ואת הממשקים שיש לשמר. הגדירו במפורש את התוצר הסופי, כך שגם תשובה ארוכה תפתור את הבקשה המקורית. האינטגרציה שפורסמה מצפה לסביבת הרצה שמכירה את Qwen3; הכרטיס מזהיר שגרסאות Transformers שמתחת ל־4.51.0 אינן מזהות את הארכיטקטורה הנדרשת.
במהדורה זו יש הערה ייעודית ל־FP8. הצ'קפוינט משתמש בכימות FP8 ברזולוציה עדינה עם גודל בלוק של 128; התצורה שפורסמה מתעדת את שיטת הכימות. היצרן מציין את Transformers, את SGLang ואת vLLM כאפשרויות להרצת הסקה, ומזהיר מפני בעיות ב־FP8 ברזולוציה עדינה בהסקה מבוזרת ב־Transformers. שימוש במספר התקנים עשוי לדרוש CUDA_LAUNCH_BLOCKING=1. זהו פרט תאימות ייחודי למהדורה, ואינו סיבה להניח שמהירות, שימוש בזיכרון או איכות הפלט זהים בין סביבות הרצה. שמרו על השם המלא הכולל FP8 בעת השוואה או תיעוד תוצאות, והעריכו את הצ'קפוינט בפועל בסביבה המיועדת.
חשיבה היא ברירת המחדל בתבנית הצ'אט שסופקה, ומתג קשיח יכול לבטל אותה. כאשר החשיבה מופעלת, /think ו־/no_think יכולים לשלוט בסבבים מסוימים; ההוראה האחרונה מקבלת עדיפות. מתגים רכים אינם גוברים על ביטול קשיח. שמרו את התשובה הסופית בנפרד ממקטע ההסקה שנוצר, והעבירו את התשובה הסופית להיסטוריית הדיאלוג בהמשך. ניתוח מפורט של סתירה יכול לבקש חשיבה, ואילו בקשת המשך המעצבת מחדש מסקנה שהתקבלה יכולה לבקש תשובה ישירה. כאשר החשיבה מופעלת, אפילו בקשה רכה ללא חשיבה משאירה בלוק הסקה; תוכנו עשוי להיות ריק. הביטול הקשיח מסיר בלוק זה.
כרטיס המודל ממליץ על Qwen-Agent לתבניות של קריאות לכלים ולניתוחן. בעוזר הנדסי, היישום יכול לחשוף מריץ בדיקות או כלי לקריאת מקור בלבד, לבצע את הקריאה שהתקבלה ולהחזיר ראיות לצורך התשובה הבאה. הגדירו את קלטי הכלי, את הרשאותיו ואת שדות התוצאה שלו. דרשו מהעוזר לקשר את השינוי המוצע לתוצאה שהוחזרה ולהבחין בין בדיקה שהוא מבקש לבין בדיקה שהיישום כבר השלים בפועל. יכולות המודל הקשורות לכלים תלויות בתהליך הביצוע שסביבו. מדריך Qwen3 מתאר גם קריאות מקבילות ורב־שלביות לכלים, עם ארגומנטים המיוצגים כאובייקטים ותוצאות שמוחזרות לשיחה.
ההקשר המקורי הוא 32,768 טוקנים, ו־131,072 מתועדים באמצעות הרחבת YaRN. הקלט והפלט שנוצר חולקים את תקציב הרצף. החלון הגדול יותר דורש את התצורה הרלוונטית, ו־YaRN סטטי עשוי להשפיע על קלטים קצרים. ארגנו חומר מקור ארוך לפי קובץ או סעיף ושמרו מקום להשוואה הסופית או לקוד. אורכי הפלט שמוצגים בדוגמת ההתחלה המהירה ובהמלצות לשימוש מיטבי הם הנחיות ליצירה, ולא הוכחה לאורך פלט מרבי עצמאי החל על שירות שלם. תיעוד Qwen3 דן באורכי הודעות עוזר של 38,912 טוקנים במצב חשיבה ושל 16,384 במצב ללא חשיבה במסגרת ההסבר על אורך האימון, וממליץ להעריך את איכותה של יצירה ארוכה יותר. נתונים אלה נפרדים מחלון ההקשר הכולל ואינם גבול קשיח ייחודי לנקודת קצה. הכרטיס מסביר גם את הקצאת המיקומים המוגדרת כברירת מחדל, 40,960 טוקנים, כ־8,192 להנחיות טיפוסיות ועוד 32,768 לפלט; אלה הנחיות תצורה של היצרן, בנפרד מהקשר האימון המקורי ומכל גבול של נקודת קצה.
הדגימה המומלצת במצב חשיבה היא temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0; מצב ישיר משתמש ב־0.7, ב־0.8, ב־20 וב־0 בהתאמה. פענוח חמדני במצב חשיבה עלול להוביל לחזרות, וערכי presence penalty גבוהים יותר עשויים לגרום לערבוב שפות. בקשו מבנה סופי שניתן לבדוק, כגון טבלת תוצאות ואחריה הפונקציה ששונתה והמקרים הרלוונטיים. בדקו מסקנות מספריות, הריצו קוד בסביבת היעד ובחנו את תוצאות הכלים לפני יישום שינוי מוצע. זהותו של צ'קפוינט FP8 וההסתייגויות לגבי סביבת ההרצה שלו צריכות להישאר קשורות להערכה זו.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3-235b-a22b-fp8 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0004 / 1K טוקנים פלט · טוקני פלט $0.0016 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-235b-a22b-fp8", "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/qwen3-235b-a22b-fp8',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/qwen3-235b-a22b-fp8',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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra qwen/qwen3-235b-a22b-fp8
השתמשו בנתיבי השיטות המוצגים למעלה.
qwen/qwen3-235b-a22b-fp8Qwen3-235B-A22B-FP8 הוא הצ'קפוינט הרשמי בכימות FP8 ברזולוציה עדינה של מודל תערובת המומחים הגדול של Qwen3. הוא שומר על יכולות הסקה טקסטואלית היברידית ודיאלוג, עם זהות כימות משלו ושיקולים ייחודיים לסביבת ההרצה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-235B-A22B-FP8 היא מהדורת FP8 הרשמית של Qwen3-235B-A22B. יכולות הטקסט המוצגות שלה כוללות הסקה מתמטית ולוגית, יצירת קוד, כתיבה יצירתית, דיאלוג לפי תפקיד ומילוי הוראות לאורך שיחה מרובת סבבים ביותר מ־100 שפות וניבים. היא משלבת מצבי חשיבה ותשובה ישירה. השתמשו בה למשימה המחברת כמה אילוצים, כגון השוואת שני מימושים לאותו מפרט והפיכת ההשוואה להצעה לשינוי מוגדר.
הארכיטקטורה הבסיסית היא תערובת מומחים: 235 מיליארד פרמטרים בסך הכול, 22 מיליארד פעילים בזמן העיבוד, 94 שכבות ו־128 מומחים, שמהם נבחרים שמונה לכל טוקן. קשב של שאילתות מקובצות משתמש ב־64 ראשי שאילתה ובארבעה ראשי מפתח/ערך. הסיומת FP8 מזהה צ'קפוינט שפורסם בנפרד, ולא סוג פלט נוסף או מספר פרמטרים אחר. המודל מקבל טקסט ויוצר טקסט. תנו לעוזר לבדיקת קוד את המפרט, את קובצי המקור הרלוונטיים ואת ההתנהגות הצפויה; בקשו טבלת החלטות, את השינוי שנבחר ודוגמאות שמדגימות את התוצאה הרצויה.
תהליך ההתחלה של היצרן מעצב את המקור ואת ההוראות כשיחה. להשוואת מסמכים, סמנו את הגרסאות, ציינו את הסמכות של כל מקור והגדירו את הדרישות שחייבות להישאר ללא שינוי. לשאלה מתמטית, כללו את הנוסח המלא ואת הצורה הרצויה של התשובה הסופית. למשימת מימוש, ציינו את השפה, את מבנה הקלט האמיתי, את מקרה הכשל ואת הממשקים שיש לשמר. הגדירו במפורש את התוצר הסופי, כך שגם תשובה ארוכה תפתור את הבקשה המקורית. האינטגרציה שפורסמה מצפה לסביבת הרצה שמכירה את Qwen3; הכרטיס מזהיר שגרסאות Transformers שמתחת ל־4.51.0 אינן מזהות את הארכיטקטורה הנדרשת.
במהדורה זו יש הערה ייעודית ל־FP8. הצ'קפוינט משתמש בכימות FP8 ברזולוציה עדינה עם גודל בלוק של 128; התצורה שפורסמה מתעדת את שיטת הכימות. היצרן מציין את Transformers, את SGLang ואת vLLM כאפשרויות להרצת הסקה, ומזהיר מפני בעיות ב־FP8 ברזולוציה עדינה בהסקה מבוזרת ב־Transformers. שימוש במספר התקנים עשוי לדרוש CUDA_LAUNCH_BLOCKING=1. זהו פרט תאימות ייחודי למהדורה, ואינו סיבה להניח שמהירות, שימוש בזיכרון או איכות הפלט זהים בין סביבות הרצה. שמרו על השם המלא הכולל FP8 בעת השוואה או תיעוד תוצאות, והעריכו את הצ'קפוינט בפועל בסביבה המיועדת.
חשיבה היא ברירת המחדל בתבנית הצ'אט שסופקה, ומתג קשיח יכול לבטל אותה. כאשר החשיבה מופעלת, /think ו־/no_think יכולים לשלוט בסבבים מסוימים; ההוראה האחרונה מקבלת עדיפות. מתגים רכים אינם גוברים על ביטול קשיח. שמרו את התשובה הסופית בנפרד ממקטע ההסקה שנוצר, והעבירו את התשובה הסופית להיסטוריית הדיאלוג בהמשך. ניתוח מפורט של סתירה יכול לבקש חשיבה, ואילו בקשת המשך המעצבת מחדש מסקנה שהתקבלה יכולה לבקש תשובה ישירה. כאשר החשיבה מופעלת, אפילו בקשה רכה ללא חשיבה משאירה בלוק הסקה; תוכנו עשוי להיות ריק. הביטול הקשיח מסיר בלוק זה.
כרטיס המודל ממליץ על Qwen-Agent לתבניות של קריאות לכלים ולניתוחן. בעוזר הנדסי, היישום יכול לחשוף מריץ בדיקות או כלי לקריאת מקור בלבד, לבצע את הקריאה שהתקבלה ולהחזיר ראיות לצורך התשובה הבאה. הגדירו את קלטי הכלי, את הרשאותיו ואת שדות התוצאה שלו. דרשו מהעוזר לקשר את השינוי המוצע לתוצאה שהוחזרה ולהבחין בין בדיקה שהוא מבקש לבין בדיקה שהיישום כבר השלים בפועל. יכולות המודל הקשורות לכלים תלויות בתהליך הביצוע שסביבו. מדריך Qwen3 מתאר גם קריאות מקבילות ורב־שלביות לכלים, עם ארגומנטים המיוצגים כאובייקטים ותוצאות שמוחזרות לשיחה.
ההקשר המקורי הוא 32,768 טוקנים, ו־131,072 מתועדים באמצעות הרחבת YaRN. הקלט והפלט שנוצר חולקים את תקציב הרצף. החלון הגדול יותר דורש את התצורה הרלוונטית, ו־YaRN סטטי עשוי להשפיע על קלטים קצרים. ארגנו חומר מקור ארוך לפי קובץ או סעיף ושמרו מקום להשוואה הסופית או לקוד. אורכי הפלט שמוצגים בדוגמת ההתחלה המהירה ובהמלצות לשימוש מיטבי הם הנחיות ליצירה, ולא הוכחה לאורך פלט מרבי עצמאי החל על שירות שלם. תיעוד Qwen3 דן באורכי הודעות עוזר של 38,912 טוקנים במצב חשיבה ושל 16,384 במצב ללא חשיבה במסגרת ההסבר על אורך האימון, וממליץ להעריך את איכותה של יצירה ארוכה יותר. נתונים אלה נפרדים מחלון ההקשר הכולל ואינם גבול קשיח ייחודי לנקודת קצה. הכרטיס מסביר גם את הקצאת המיקומים המוגדרת כברירת מחדל, 40,960 טוקנים, כ־8,192 להנחיות טיפוסיות ועוד 32,768 לפלט; אלה הנחיות תצורה של היצרן, בנפרד מהקשר האימון המקורי ומכל גבול של נקודת קצה.
הדגימה המומלצת במצב חשיבה היא temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0; מצב ישיר משתמש ב־0.7, ב־0.8, ב־20 וב־0 בהתאמה. פענוח חמדני במצב חשיבה עלול להוביל לחזרות, וערכי presence penalty גבוהים יותר עשויים לגרום לערבוב שפות. בקשו מבנה סופי שניתן לבדוק, כגון טבלת תוצאות ואחריה הפונקציה ששונתה והמקרים הרלוונטיים. בדקו מסקנות מספריות, הריצו קוד בסביבת היעד ובחנו את תוצאות הכלים לפני יישום שינוי מוצע. זהותו של צ'קפוינט FP8 וההסתייגויות לגבי סביבת ההרצה שלו צריכות להישאר קשורות להערכה זו.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3-235b-a22b-fp8 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0004 / 1K טוקנים פלט · טוקני פלט $0.0016 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen/qwen3-235b-a22b-fp8",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-235b-a22b-fp8', '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/qwen3-235b-a22b-fp8', '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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra qwen/qwen3-235b-a22b-fp8
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Compare two normalizers to a contract\n\nThe contract requires unique case-sensitive tags in first-occurrence order. Compare Python A: return sorted(set(tags)) with B: return list(dict.fromkeys(tags)). Input: ["red", "Blue", "red", "blue"]. Give a criterion table, select the compliant implementation and provide tests for order and case preservation. Do not alter the contract to fit either implementation.A two-implementation decision table, a selected implementation and two contract-focused tests.Check that sorting is recognized as an order violation and Blue remains distinct from blue.