Qwen3-30B-A3B משלב שני סגנונות תשובה במודל טקסט אחד: חשיבה לבעיות לוגיות, מתמטיות ותכנותיות מורכבות, ותשובות ללא חשיבה לדיאלוג פשוט. Qwen מדגיש גם כתיבה יצירתית, שיחה לפי תפקיד, מילוי הוראות ואינטגרציה עם כלים חיצוניים. משפחת Qwen3 המקורית תומכת ב־119 שפות וניבים, ולכן המודל שימושי לשאלות רב־לשוניות, לתרגום ולשיחה שבה השפה המבוקשת יכולה להשתנות בין סבבים. ציינו את שפת הפלט, שמרו על מונחים שצריכים להישאר ללא שינוי ותארו את צורכי הקורא.
זו המהדורה המקורית של Qwen3-30B-A3B בארכיטקטורת תערובת מומחים. מתוך 30.5 מיליארד הפרמטרים הכוללים שלה, 3.3 מיליארד מופעלים לכל טוקן; שמונה מתוך 128 המומחים שלה נבחרים בשכבות המומחים של המודל. הארכיטקטורה הדלילה היא הבדל משמעותי לעומת המודלים הצפופים של Qwen3. תיאור זה עוסק במודל ההיברידי המקורי, שההקשר המקורי שלו הוא 32,768 טוקנים, ולא במהדורת Instruct-2507 או Thinking-2507 מאוחרת יותר בעלת שם נפרד. לבקשת ניתוח, ספקו את הקוד או קטעי המקור הרלוונטיים, את השאלה שיש להכריע בה ואת התנאים שתשובה תקפה חייבת לקיים.
בתבנית הצ'אט הרשמית, החשיבה מופעלת כברירת מחדל. המתג הקשיח enable_thinking יכול לבטל אותה לחלוטין. כאשר החשיבה נשארת מופעלת, /think ו־/no_think בהוראת משתמש או מערכת פועלים כמתגים רכים, וההוראה האחרונה שולטת בהתנהגות המבוקשת לאורך הסבבים. בקשת /no_think בתבנית מופעלת עדיין יכולה ליצור בלוק חשיבה ריק; כשהמתג הקשיח כבוי, אף אחד מהסמנים אינו מפעיל חשיבה. ההבדל הזה חשוב בתהליך עבודה שעובר בין ניסוח מחדש מיידי לבין שאלה מורכבת יותר של איתור תקלה או הסקה.
הדוגמאות של Qwen מפרידות בין מקטע <think> לבין התשובה הסופית. לבעיה בקוד, הכינו את קטע המקור הרלוונטי הקטן ביותר, את הכשל שנצפה ואת התוצאה הרצויה, ואז בקשו אבחון ותיקון מוצע. לבעיה מתמטית, היצרן ממליץ על הוראה מפורשת לעבוד צעד אחר צעד, כשהתשובה הסופית ממוקמת בתוך \\boxed{}. בקשת רב־ברירה יכולה במקום זאת להגדיר שדה תשובה יחיד. בסבבי שיחה מאוחרים יותר, Qwen ממליץ לשמור את התשובה הסופית ולהשמיט מההיסטוריה את תוכן החשיבה הקודם, במקום להעביר שוב ושוב את כל מקטע ההסקה הלאה.
קריאה לכלים מתוארת בשני המצבים. Qwen ממליץ על Qwen-Agent לטיפול בתבניות הכלים של המודל ולניתוחן, עם דוגמאות של אחזור מידע, מידע על זמן ומפרש קוד. תארו את הכלים הזמינים ואת הארגומנטים שלהם לפני שתבקשו ממנו לתכנן רצף פעולות. בקשה שימושית יכולה לבקש בדיקה של תיעוד נבחר ואחריה הצעת מימוש מנומקת; החזירו כל תוצאת כלי לשיחה כדי שהמודל יוכל להמשיך על סמך ראיות בפועל. הבקשה הטקסטואלית לכלי ותוצאת הביצוע של היישום נשארות חלקים נפרדים בתהליך זה.
כרטיס המודל מתאר הרחבת הקשר ל־131,072 טוקנים באמצעות YaRN. זו הרחבה של החלון המקורי שתלויה בתצורה, ו־Qwen מזהיר שהגדלה סטטית עשויה להשפיע על קלטים קצרים יותר. הכרטיס מסביר גם תצורת ברירת מחדל של 40,960 מיקומים שמקצה מקום להנחיה טיפוסית ולתשובה ארוכה; היא נפרדת מתיאור ההקשר המקורי. הכינו חומר ארוך עם גבולות מסמכים ברורים, תנו עדיפות לחלקים הרלוונטיים לשאלה והשאירו מקום לתשובה ולהסקה כלשהי.
לחשיבה, Qwen ממליץ על temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0, ומייעץ להימנע מפענוח חמדני משום שהוא עלול לפגוע בתוצאות או לחזור על עצמו ללא סוף. למצב ללא חשיבה, ההנחיות משנות את temperature ל־0.7 ואת top-p ל־0.8. הוא ממליץ על הקצאת פלט של 32,768 טוקנים לרוב השאילתות ומתאר 38,912 טוקנים לבעיות מתמטיקה ותכנות תובעניות במיוחד. אלה הגדרות יצירה של היצרן, ולא הבטחה נפרדת לתשובה באורך קבוע. בחרו יחד את המצב ואת התוצר המבוקש, כך שבתשובה יהיה מקום הן להסקה הנדרשת והן לתוצאה הסופית השימושית.
", "aboutText": "Qwen3-30B-A3B משלב שני סגנונות תשובה במודל טקסט אחד: חשיבה לבעיות לוגיות, מתמטיות ותכנותיות מורכבות, ותשובות ללא חשיבה לדיאלוג פשוט. Qwen מדגיש גם כתיבה יצירתית, שיחה לפי תפקיד, מילוי הוראות ואינטגרציה עם כלים חיצוניים. משפחת Qwen3 המקורית תומכת ב־119 שפות וניבים, ולכן המודל שימושי לשאלות רב־לשוניות, לתרגום ולשיחה שבה השפה המבוקשת יכולה להשתנות בין סבבים. ציינו את שפת הפלט, שמרו על מונחים שצריכים להישאר ללא שינוי ותארו את צורכי הקורא.\n\nזו המהדורה המקורית של Qwen3-30B-A3B בארכיטקטורת תערובת מומחים. מתוך 30.5 מיליארד הפרמטרים הכוללים שלה, 3.3 מיליארד מופעלים לכל טוקן; שמונה מתוך 128 המומחים שלה נבחרים בשכבות המומחים של המודל. הארכיטקטורה הדלילה היא הבדל משמעותי לעומת המודלים הצפופים של Qwen3. תיאור זה עוסק במודל ההיברידי המקורי, שההקשר המקורי שלו הוא 32,768 טוקנים, ולא במהדורת Instruct-2507 או Thinking-2507 מאוחרת יותר בעלת שם נפרד. לבקשת ניתוח, ספקו את הקוד או קטעי המקור הרלוונטיים, את השאלה שיש להכריע בה ואת התנאים שתשובה תקפה חייבת לקיים.\n\nבתבנית הצ'אט הרשמית, החשיבה מופעלת כברירת מחדל. המתג הקשיח enable_thinking יכול לבטל אותה לחלוטין. כאשר החשיבה נשארת מופעלת, /think ו־/no_think בהוראת משתמש או מערכת פועלים כמתגים רכים, וההוראה האחרונה שולטת בהתנהגות המבוקשת לאורך הסבבים. בקשת /no_think בתבנית מופעלת עדיין יכולה ליצור בלוק חשיבה ריק; כשהמתג הקשיח כבוי, אף אחד מהסמנים אינו מפעיל חשיבה. ההבדל הזה חשוב בתהליך עבודה שעובר בין ניסוח מחדש מיידי לבין שאלה מורכבת יותר של איתור תקלה או הסקה.\n\nהדוגמאות של Qwen מפרידות בין מקטעדוגמה טכנית באנגלית
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.qwen/qwen3-30b-a3bQwen3-30B-A3B הוא מודל הטקסט של Qwen בארכיטקטורת תערובת מומחים, עם מצבי חשיבה וללא חשיבה להסקה, לתכנות ולשיחה רב־לשונית. הוא כולל 30.5 מיליארד פרמטרים בסך הכול, 3.3 מיליארד פעילים לכל טוקן והקשר מקורי של 32,768 טוקנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-30B-A3B משלב שני סגנונות תשובה במודל טקסט אחד: חשיבה לבעיות לוגיות, מתמטיות ותכנותיות מורכבות, ותשובות ללא חשיבה לדיאלוג פשוט. Qwen מדגיש גם כתיבה יצירתית, שיחה לפי תפקיד, מילוי הוראות ואינטגרציה עם כלים חיצוניים. משפחת Qwen3 המקורית תומכת ב־119 שפות וניבים, ולכן המודל שימושי לשאלות רב־לשוניות, לתרגום ולשיחה שבה השפה המבוקשת יכולה להשתנות בין סבבים. ציינו את שפת הפלט, שמרו על מונחים שצריכים להישאר ללא שינוי ותארו את צורכי הקורא.
זו המהדורה המקורית של Qwen3-30B-A3B בארכיטקטורת תערובת מומחים. מתוך 30.5 מיליארד הפרמטרים הכוללים שלה, 3.3 מיליארד מופעלים לכל טוקן; שמונה מתוך 128 המומחים שלה נבחרים בשכבות המומחים של המודל. הארכיטקטורה הדלילה היא הבדל משמעותי לעומת המודלים הצפופים של Qwen3. תיאור זה עוסק במודל ההיברידי המקורי, שההקשר המקורי שלו הוא 32,768 טוקנים, ולא במהדורת Instruct-2507 או Thinking-2507 מאוחרת יותר בעלת שם נפרד. לבקשת ניתוח, ספקו את הקוד או קטעי המקור הרלוונטיים, את השאלה שיש להכריע בה ואת התנאים שתשובה תקפה חייבת לקיים.
בתבנית הצ'אט הרשמית, החשיבה מופעלת כברירת מחדל. המתג הקשיח enable_thinking יכול לבטל אותה לחלוטין. כאשר החשיבה נשארת מופעלת, /think ו־/no_think בהוראת משתמש או מערכת פועלים כמתגים רכים, וההוראה האחרונה שולטת בהתנהגות המבוקשת לאורך הסבבים. בקשת /no_think בתבנית מופעלת עדיין יכולה ליצור בלוק חשיבה ריק; כשהמתג הקשיח כבוי, אף אחד מהסמנים אינו מפעיל חשיבה. ההבדל הזה חשוב בתהליך עבודה שעובר בין ניסוח מחדש מיידי לבין שאלה מורכבת יותר של איתור תקלה או הסקה.
הדוגמאות של Qwen מפרידות בין מקטע <think> לבין התשובה הסופית. לבעיה בקוד, הכינו את קטע המקור הרלוונטי הקטן ביותר, את הכשל שנצפה ואת התוצאה הרצויה, ואז בקשו אבחון ותיקון מוצע. לבעיה מתמטית, היצרן ממליץ על הוראה מפורשת לעבוד צעד אחר צעד, כשהתשובה הסופית ממוקמת בתוך \\boxed{}. בקשת רב־ברירה יכולה במקום זאת להגדיר שדה תשובה יחיד. בסבבי שיחה מאוחרים יותר, Qwen ממליץ לשמור את התשובה הסופית ולהשמיט מההיסטוריה את תוכן החשיבה הקודם, במקום להעביר שוב ושוב את כל מקטע ההסקה הלאה.
קריאה לכלים מתוארת בשני המצבים. Qwen ממליץ על Qwen-Agent לטיפול בתבניות הכלים של המודל ולניתוחן, עם דוגמאות של אחזור מידע, מידע על זמן ומפרש קוד. תארו את הכלים הזמינים ואת הארגומנטים שלהם לפני שתבקשו ממנו לתכנן רצף פעולות. בקשה שימושית יכולה לבקש בדיקה של תיעוד נבחר ואחריה הצעת מימוש מנומקת; החזירו כל תוצאת כלי לשיחה כדי שהמודל יוכל להמשיך על סמך ראיות בפועל. הבקשה הטקסטואלית לכלי ותוצאת הביצוע של היישום נשארות חלקים נפרדים בתהליך זה.
כרטיס המודל מתאר הרחבת הקשר ל־131,072 טוקנים באמצעות YaRN. זו הרחבה של החלון המקורי שתלויה בתצורה, ו־Qwen מזהיר שהגדלה סטטית עשויה להשפיע על קלטים קצרים יותר. הכרטיס מסביר גם תצורת ברירת מחדל של 40,960 מיקומים שמקצה מקום להנחיה טיפוסית ולתשובה ארוכה; היא נפרדת מתיאור ההקשר המקורי. הכינו חומר ארוך עם גבולות מסמכים ברורים, תנו עדיפות לחלקים הרלוונטיים לשאלה והשאירו מקום לתשובה ולהסקה כלשהי.
לחשיבה, Qwen ממליץ על temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0, ומייעץ להימנע מפענוח חמדני משום שהוא עלול לפגוע בתוצאות או לחזור על עצמו ללא סוף. למצב ללא חשיבה, ההנחיות משנות את temperature ל־0.7 ואת top-p ל־0.8. הוא ממליץ על הקצאת פלט של 32,768 טוקנים לרוב השאילתות ומתאר 38,912 טוקנים לבעיות מתמטיקה ותכנות תובעניות במיוחד. אלה הגדרות יצירה של היצרן, ולא הבטחה נפרדת לתשובה באורך קבוע. בחרו יחד את המצב ואת התוצר המבוקש, כך שבתשובה יהיה מקום הן להסקה הנדרשת והן לתוצאה הסופית השימושית.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3-30b-a3b | 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.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00024 / 1K טוקנים פלט · טוקני פלט $0.001 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00024 / 1K טוקנים פלט · טוקני פלט $0.001 / 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/qwen3-30b-a3b", "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/qwen3-30b-a3b',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/qwen3-30b-a3b',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/qwen3-30b-a3b
השתמשו בנתיבי השיטות המוצגים למעלה.
qwen/qwen3-30b-a3bQwen3-30B-A3B הוא מודל הטקסט של Qwen בארכיטקטורת תערובת מומחים, עם מצבי חשיבה וללא חשיבה להסקה, לתכנות ולשיחה רב־לשונית. הוא כולל 30.5 מיליארד פרמטרים בסך הכול, 3.3 מיליארד פעילים לכל טוקן והקשר מקורי של 32,768 טוקנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-30B-A3B משלב שני סגנונות תשובה במודל טקסט אחד: חשיבה לבעיות לוגיות, מתמטיות ותכנותיות מורכבות, ותשובות ללא חשיבה לדיאלוג פשוט. Qwen מדגיש גם כתיבה יצירתית, שיחה לפי תפקיד, מילוי הוראות ואינטגרציה עם כלים חיצוניים. משפחת Qwen3 המקורית תומכת ב־119 שפות וניבים, ולכן המודל שימושי לשאלות רב־לשוניות, לתרגום ולשיחה שבה השפה המבוקשת יכולה להשתנות בין סבבים. ציינו את שפת הפלט, שמרו על מונחים שצריכים להישאר ללא שינוי ותארו את צורכי הקורא.
זו המהדורה המקורית של Qwen3-30B-A3B בארכיטקטורת תערובת מומחים. מתוך 30.5 מיליארד הפרמטרים הכוללים שלה, 3.3 מיליארד מופעלים לכל טוקן; שמונה מתוך 128 המומחים שלה נבחרים בשכבות המומחים של המודל. הארכיטקטורה הדלילה היא הבדל משמעותי לעומת המודלים הצפופים של Qwen3. תיאור זה עוסק במודל ההיברידי המקורי, שההקשר המקורי שלו הוא 32,768 טוקנים, ולא במהדורת Instruct-2507 או Thinking-2507 מאוחרת יותר בעלת שם נפרד. לבקשת ניתוח, ספקו את הקוד או קטעי המקור הרלוונטיים, את השאלה שיש להכריע בה ואת התנאים שתשובה תקפה חייבת לקיים.
בתבנית הצ'אט הרשמית, החשיבה מופעלת כברירת מחדל. המתג הקשיח enable_thinking יכול לבטל אותה לחלוטין. כאשר החשיבה נשארת מופעלת, /think ו־/no_think בהוראת משתמש או מערכת פועלים כמתגים רכים, וההוראה האחרונה שולטת בהתנהגות המבוקשת לאורך הסבבים. בקשת /no_think בתבנית מופעלת עדיין יכולה ליצור בלוק חשיבה ריק; כשהמתג הקשיח כבוי, אף אחד מהסמנים אינו מפעיל חשיבה. ההבדל הזה חשוב בתהליך עבודה שעובר בין ניסוח מחדש מיידי לבין שאלה מורכבת יותר של איתור תקלה או הסקה.
הדוגמאות של Qwen מפרידות בין מקטע <think> לבין התשובה הסופית. לבעיה בקוד, הכינו את קטע המקור הרלוונטי הקטן ביותר, את הכשל שנצפה ואת התוצאה הרצויה, ואז בקשו אבחון ותיקון מוצע. לבעיה מתמטית, היצרן ממליץ על הוראה מפורשת לעבוד צעד אחר צעד, כשהתשובה הסופית ממוקמת בתוך \\boxed{}. בקשת רב־ברירה יכולה במקום זאת להגדיר שדה תשובה יחיד. בסבבי שיחה מאוחרים יותר, Qwen ממליץ לשמור את התשובה הסופית ולהשמיט מההיסטוריה את תוכן החשיבה הקודם, במקום להעביר שוב ושוב את כל מקטע ההסקה הלאה.
קריאה לכלים מתוארת בשני המצבים. Qwen ממליץ על Qwen-Agent לטיפול בתבניות הכלים של המודל ולניתוחן, עם דוגמאות של אחזור מידע, מידע על זמן ומפרש קוד. תארו את הכלים הזמינים ואת הארגומנטים שלהם לפני שתבקשו ממנו לתכנן רצף פעולות. בקשה שימושית יכולה לבקש בדיקה של תיעוד נבחר ואחריה הצעת מימוש מנומקת; החזירו כל תוצאת כלי לשיחה כדי שהמודל יוכל להמשיך על סמך ראיות בפועל. הבקשה הטקסטואלית לכלי ותוצאת הביצוע של היישום נשארות חלקים נפרדים בתהליך זה.
כרטיס המודל מתאר הרחבת הקשר ל־131,072 טוקנים באמצעות YaRN. זו הרחבה של החלון המקורי שתלויה בתצורה, ו־Qwen מזהיר שהגדלה סטטית עשויה להשפיע על קלטים קצרים יותר. הכרטיס מסביר גם תצורת ברירת מחדל של 40,960 מיקומים שמקצה מקום להנחיה טיפוסית ולתשובה ארוכה; היא נפרדת מתיאור ההקשר המקורי. הכינו חומר ארוך עם גבולות מסמכים ברורים, תנו עדיפות לחלקים הרלוונטיים לשאלה והשאירו מקום לתשובה ולהסקה כלשהי.
לחשיבה, Qwen ממליץ על temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0, ומייעץ להימנע מפענוח חמדני משום שהוא עלול לפגוע בתוצאות או לחזור על עצמו ללא סוף. למצב ללא חשיבה, ההנחיות משנות את temperature ל־0.7 ואת top-p ל־0.8. הוא ממליץ על הקצאת פלט של 32,768 טוקנים לרוב השאילתות ומתאר 38,912 טוקנים לבעיות מתמטיקה ותכנות תובעניות במיוחד. אלה הגדרות יצירה של היצרן, ולא הבטחה נפרדת לתשובה באורך קבוע. בחרו יחד את המצב ואת התוצר המבוקש, כך שבתשובה יהיה מקום הן להסקה הנדרשת והן לתוצאה הסופית השימושית.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3-30b-a3b | 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.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00024 / 1K טוקנים פלט · טוקני פלט $0.001 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00024 / 1K טוקנים פלט · טוקני פלט $0.001 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen/qwen3-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-30b-a3b', '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/qwen3-30b-a3b', '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/qwen3-30b-a3b
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.