Qwen3-32B הוא המודל הצפוף הגדול ביותר בגרסת Qwen3 המקורית. הוא משלב את מצב החשיבה של המשפחה ללוגיקה מורכבת, למתמטיקה ולתכנות עם תשובות ללא חשיבה לשיחה כללית. Qwen מדגיש גם כתיבה יצירתית, דיאלוג לפי תפקיד, מילוי הוראות לאורך מספר סבבים ושימוש בכלים בסגנון סוכן. המודל מעבד טקסט ויוצר טקסט; הוראות רב־לשוניות ותרגום הם חלק מהתמיכה של המשפחה המקורית ב־119 שפות וניבים. אפשר לתת לו משימה של הסבר אנליטי, הצעת קוד או קטע כתיבה שהוגדר בקפידה.
המהדורה המדויקת כוללת 32.8 מיליארד פרמטרים בסך הכול לאורך 64 שכבות. זהו מודל צפוף, הנפרד מארכיטקטורת ניתוב המומחים של Qwen3-30B-A3B וממהדורות Qwen3 מאוחרות יותר בעלות שמות נפרדים. ההקשר המקורי שלו הוא 32,768 טוקנים. הכינו משימה תובענית עם הראיות הרלוונטיות, הדרישות והתוצאה הצפויה יחד. לבדיקה הנדסית, ספקו את תיאור הרכיב, את אילוצי הממשק ואת הסוגיה שיש להכריע בה, ואז בקשו הצעה שמזהה הנחות, תלויות וחלופות, תוך שימוש רק בחומר שסופק כאשר זה מתאים.
תבנית הצ'אט של היצרן מפעילה חשיבה כברירת מחדל וחושפת מתג קשיח בשם enable_thinking. ביטול קשיח מונע לחלוטין תוכן חשיבה. כשהחשיבה מופעלת, /think ו־/no_think בהוראות משתמש או מערכת מספקים שליטה רכה לכל סבב, וההוראה האחרונה קובעת את ההתנהגות המבוקשת. בקשה רכה ללא חשיבה יכולה להשאיר בלוק חשיבה ריק; סימן /think אינו יכול לגבור על תבנית שבוטלה באופן קשיח. הדבר מאפשר למודל המקורי לעבור בין בקשת ניסוח ישירה לבין שאלה שמפיקה תועלת משרשרת הסקה ממושכת, כאשר הבקרות שנקבעו מיושמות.
דוגמת היצירה מנתחת מקטע <think> בנפרד מהתשובה הסופית. Qwen ממליץ להגדיר את הפורמט הסופי במפורש, כגון תשובה מתמטית ממוסגרת או שדה תשובה יחיד למשימת רב־ברירה. בניתוח מעשי, ציינו את המסקנה המבוקשת ואת החומר התומך: למשל, בחירת תכנון סופית ואחריה האילוצים שהיא מקיימת והסוגיות שנשארות פתוחות. שמרו את התשובה הסופית, ולא את תוכן החשיבה הקודם, בהיסטוריית השיחה בהמשך בהתאם להנחיות היצרן. כך נשמרת התוצאה שנדרשת לשאלות מאוחרות יותר, בלי להעביר כל שלב הסקה הלאה.
קריאה לכלים היא חלק מתיאור המודל המתועד בשני המצבים. Qwen ממליץ על Qwen-Agent לתבניות ולמנתחים של קריאות לכלים, ומדגים אחזור מידע, מידע על זמן ומפרש קוד. הגדירו כלים באופן ברור, הסבירו את משמעות הארגומנטים שלהם וציינו למודל מה נחשב משימה שהושלמה. תהליך עבודה שימושי יכול לבקש אחזור מידע נבחר, לספק את התוכן שהוחזר בפועל, ואז לבקש סיכום משולב או מימוש מוצע. הקריאה שהמודל מבקש והפעלת הכלי על ידי היישום הן שלבים נפרדים; התשובה הסופית צריכה להתבסס על הראיות שהוחזרו.
לקלטים ארוכים יותר, כרטיס המודל מתעד הרחבת YaRN ל־131,072 טוקנים. החלון המקורי קטן יותר, והגדלה סטטית יכולה להשפיע על ביצועים בקלט קצר. Qwen ממליץ להפעיל את ההרחבה כאשר אכן נדרש הקשר ארוך יותר; הכרטיס מסביר בנוסף הקצאת ברירת מחדל של 40,960 מיקומים להנחיה ולפלט. בחרו מסמכים רלוונטיים ושמרו על כותרות, גבולות מקורות ומונחים. השאירו מקום להסקה ולתשובה הסופית, במיוחד כשהמשימה דורשת ליישב כמה מפרטים במקום לסכם קטע יחיד.
ההמלצות הרשמיות הן temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0 לחשיבה; למצב ללא חשיבה, temperature של 0.7 ו־top-p של 0.8 מחליפים את שתי ההגדרות הראשונות. Qwen מייעץ להימנע מפענוח חמדני במצב חשיבה ומציין ש־presence penalty גבוה יכול לגרום לערבוב שפות או לירידה באיכות. הוא ממליץ על הקצאת פלט של 32,768 טוקנים לרוב השאילתות ומתאר 38,912 לבעיות מתמטיקה ותכנות תובעניות במיוחד. הקצאות אלה הן הנחיות ליצירה, ולא גבול תשובה קשיח אוניברסלי. בקשה מדויקת ופורמט סופי מוגדר עוזרים למקד את יכולת ההסקה הזמינה של המודל בעבודה שהקורא צריך.
", "aboutText": "Qwen3-32B הוא המודל הצפוף הגדול ביותר בגרסת Qwen3 המקורית. הוא משלב את מצב החשיבה של המשפחה ללוגיקה מורכבת, למתמטיקה ולתכנות עם תשובות ללא חשיבה לשיחה כללית. Qwen מדגיש גם כתיבה יצירתית, דיאלוג לפי תפקיד, מילוי הוראות לאורך מספר סבבים ושימוש בכלים בסגנון סוכן. המודל מעבד טקסט ויוצר טקסט; הוראות רב־לשוניות ותרגום הם חלק מהתמיכה של המשפחה המקורית ב־119 שפות וניבים. אפשר לתת לו משימה של הסבר אנליטי, הצעת קוד או קטע כתיבה שהוגדר בקפידה.\n\nהמהדורה המדויקת כוללת 32.8 מיליארד פרמטרים בסך הכול לאורך 64 שכבות. זהו מודל צפוף, הנפרד מארכיטקטורת ניתוב המומחים של Qwen3-30B-A3B וממהדורות Qwen3 מאוחרות יותר בעלות שמות נפרדים. ההקשר המקורי שלו הוא 32,768 טוקנים. הכינו משימה תובענית עם הראיות הרלוונטיות, הדרישות והתוצאה הצפויה יחד. לבדיקה הנדסית, ספקו את תיאור הרכיב, את אילוצי הממשק ואת הסוגיה שיש להכריע בה, ואז בקשו הצעה שמזהה הנחות, תלויות וחלופות, תוך שימוש רק בחומר שסופק כאשר זה מתאים.\n\nתבנית הצ'אט של היצרן מפעילה חשיבה כברירת מחדל וחושפת מתג קשיח בשם enable_thinking. ביטול קשיח מונע לחלוטין תוכן חשיבה. כשהחשיבה מופעלת, /think ו־/no_think בהוראות משתמש או מערכת מספקים שליטה רכה לכל סבב, וההוראה האחרונה קובעת את ההתנהגות המבוקשת. בקשה רכה ללא חשיבה יכולה להשאיר בלוק חשיבה ריק; סימן /think אינו יכול לגבור על תבנית שבוטלה באופן קשיח. הדבר מאפשר למודל המקורי לעבור בין בקשת ניסוח ישירה לבין שאלה שמפיקה תועלת משרשרת הסקה ממושכת, כאשר הבקרות שנקבעו מיושמות.\n\nדוגמת היצירה מנתחת מקטעדוגמה טכנית באנגלית
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.qwen/qwen3-32bQwen3-32B הוא מודל הטקסט ההיברידי הצפוף של Qwen להסקה מורכבת, לתכנות, לכתיבה רב־לשונית ולמשימות מוכוונות כלים. הוא משלב מצבי חשיבה וללא חשיבה במודל אחד, וכולל הקשר מקורי של 32,768 טוקנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-32B הוא המודל הצפוף הגדול ביותר בגרסת Qwen3 המקורית. הוא משלב את מצב החשיבה של המשפחה ללוגיקה מורכבת, למתמטיקה ולתכנות עם תשובות ללא חשיבה לשיחה כללית. Qwen מדגיש גם כתיבה יצירתית, דיאלוג לפי תפקיד, מילוי הוראות לאורך מספר סבבים ושימוש בכלים בסגנון סוכן. המודל מעבד טקסט ויוצר טקסט; הוראות רב־לשוניות ותרגום הם חלק מהתמיכה של המשפחה המקורית ב־119 שפות וניבים. אפשר לתת לו משימה של הסבר אנליטי, הצעת קוד או קטע כתיבה שהוגדר בקפידה.
המהדורה המדויקת כוללת 32.8 מיליארד פרמטרים בסך הכול לאורך 64 שכבות. זהו מודל צפוף, הנפרד מארכיטקטורת ניתוב המומחים של Qwen3-30B-A3B וממהדורות Qwen3 מאוחרות יותר בעלות שמות נפרדים. ההקשר המקורי שלו הוא 32,768 טוקנים. הכינו משימה תובענית עם הראיות הרלוונטיות, הדרישות והתוצאה הצפויה יחד. לבדיקה הנדסית, ספקו את תיאור הרכיב, את אילוצי הממשק ואת הסוגיה שיש להכריע בה, ואז בקשו הצעה שמזהה הנחות, תלויות וחלופות, תוך שימוש רק בחומר שסופק כאשר זה מתאים.
תבנית הצ'אט של היצרן מפעילה חשיבה כברירת מחדל וחושפת מתג קשיח בשם enable_thinking. ביטול קשיח מונע לחלוטין תוכן חשיבה. כשהחשיבה מופעלת, /think ו־/no_think בהוראות משתמש או מערכת מספקים שליטה רכה לכל סבב, וההוראה האחרונה קובעת את ההתנהגות המבוקשת. בקשה רכה ללא חשיבה יכולה להשאיר בלוק חשיבה ריק; סימן /think אינו יכול לגבור על תבנית שבוטלה באופן קשיח. הדבר מאפשר למודל המקורי לעבור בין בקשת ניסוח ישירה לבין שאלה שמפיקה תועלת משרשרת הסקה ממושכת, כאשר הבקרות שנקבעו מיושמות.
דוגמת היצירה מנתחת מקטע <think> בנפרד מהתשובה הסופית. Qwen ממליץ להגדיר את הפורמט הסופי במפורש, כגון תשובה מתמטית ממוסגרת או שדה תשובה יחיד למשימת רב־ברירה. בניתוח מעשי, ציינו את המסקנה המבוקשת ואת החומר התומך: למשל, בחירת תכנון סופית ואחריה האילוצים שהיא מקיימת והסוגיות שנשארות פתוחות. שמרו את התשובה הסופית, ולא את תוכן החשיבה הקודם, בהיסטוריית השיחה בהמשך בהתאם להנחיות היצרן. כך נשמרת התוצאה שנדרשת לשאלות מאוחרות יותר, בלי להעביר כל שלב הסקה הלאה.
קריאה לכלים היא חלק מתיאור המודל המתועד בשני המצבים. Qwen ממליץ על Qwen-Agent לתבניות ולמנתחים של קריאות לכלים, ומדגים אחזור מידע, מידע על זמן ומפרש קוד. הגדירו כלים באופן ברור, הסבירו את משמעות הארגומנטים שלהם וציינו למודל מה נחשב משימה שהושלמה. תהליך עבודה שימושי יכול לבקש אחזור מידע נבחר, לספק את התוכן שהוחזר בפועל, ואז לבקש סיכום משולב או מימוש מוצע. הקריאה שהמודל מבקש והפעלת הכלי על ידי היישום הן שלבים נפרדים; התשובה הסופית צריכה להתבסס על הראיות שהוחזרו.
לקלטים ארוכים יותר, כרטיס המודל מתעד הרחבת YaRN ל־131,072 טוקנים. החלון המקורי קטן יותר, והגדלה סטטית יכולה להשפיע על ביצועים בקלט קצר. Qwen ממליץ להפעיל את ההרחבה כאשר אכן נדרש הקשר ארוך יותר; הכרטיס מסביר בנוסף הקצאת ברירת מחדל של 40,960 מיקומים להנחיה ולפלט. בחרו מסמכים רלוונטיים ושמרו על כותרות, גבולות מקורות ומונחים. השאירו מקום להסקה ולתשובה הסופית, במיוחד כשהמשימה דורשת ליישב כמה מפרטים במקום לסכם קטע יחיד.
ההמלצות הרשמיות הן temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0 לחשיבה; למצב ללא חשיבה, temperature של 0.7 ו־top-p של 0.8 מחליפים את שתי ההגדרות הראשונות. Qwen מייעץ להימנע מפענוח חמדני במצב חשיבה ומציין ש־presence penalty גבוה יכול לגרום לערבוב שפות או לירידה באיכות. הוא ממליץ על הקצאת פלט של 32,768 טוקנים לרוב השאילתות ומתאר 38,912 לבעיות מתמטיקה ותכנות תובעניות במיוחד. הקצאות אלה הן הנחיות ליצירה, ולא גבול תשובה קשיח אוניברסלי. בקשה מדויקת ופורמט סופי מוגדר עוזרים למקד את יכולת ההסקה הזמינה של המודל בעבודה שהקורא צריך.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3-32b | 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 $0.000286 / 1K טוקנים פלט · טוקני פלט $0.001144 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 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 $0.000286 / 1K טוקנים פלט · טוקני פלט $0.001144 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-32b", "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/qwen3-32b',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/qwen3-32b',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/qwen3-32b
השתמשו בנתיבי השיטות המוצגים למעלה.
qwen/qwen3-32bQwen3-32B הוא מודל הטקסט ההיברידי הצפוף של Qwen להסקה מורכבת, לתכנות, לכתיבה רב־לשונית ולמשימות מוכוונות כלים. הוא משלב מצבי חשיבה וללא חשיבה במודל אחד, וכולל הקשר מקורי של 32,768 טוקנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-32B הוא המודל הצפוף הגדול ביותר בגרסת Qwen3 המקורית. הוא משלב את מצב החשיבה של המשפחה ללוגיקה מורכבת, למתמטיקה ולתכנות עם תשובות ללא חשיבה לשיחה כללית. Qwen מדגיש גם כתיבה יצירתית, דיאלוג לפי תפקיד, מילוי הוראות לאורך מספר סבבים ושימוש בכלים בסגנון סוכן. המודל מעבד טקסט ויוצר טקסט; הוראות רב־לשוניות ותרגום הם חלק מהתמיכה של המשפחה המקורית ב־119 שפות וניבים. אפשר לתת לו משימה של הסבר אנליטי, הצעת קוד או קטע כתיבה שהוגדר בקפידה.
המהדורה המדויקת כוללת 32.8 מיליארד פרמטרים בסך הכול לאורך 64 שכבות. זהו מודל צפוף, הנפרד מארכיטקטורת ניתוב המומחים של Qwen3-30B-A3B וממהדורות Qwen3 מאוחרות יותר בעלות שמות נפרדים. ההקשר המקורי שלו הוא 32,768 טוקנים. הכינו משימה תובענית עם הראיות הרלוונטיות, הדרישות והתוצאה הצפויה יחד. לבדיקה הנדסית, ספקו את תיאור הרכיב, את אילוצי הממשק ואת הסוגיה שיש להכריע בה, ואז בקשו הצעה שמזהה הנחות, תלויות וחלופות, תוך שימוש רק בחומר שסופק כאשר זה מתאים.
תבנית הצ'אט של היצרן מפעילה חשיבה כברירת מחדל וחושפת מתג קשיח בשם enable_thinking. ביטול קשיח מונע לחלוטין תוכן חשיבה. כשהחשיבה מופעלת, /think ו־/no_think בהוראות משתמש או מערכת מספקים שליטה רכה לכל סבב, וההוראה האחרונה קובעת את ההתנהגות המבוקשת. בקשה רכה ללא חשיבה יכולה להשאיר בלוק חשיבה ריק; סימן /think אינו יכול לגבור על תבנית שבוטלה באופן קשיח. הדבר מאפשר למודל המקורי לעבור בין בקשת ניסוח ישירה לבין שאלה שמפיקה תועלת משרשרת הסקה ממושכת, כאשר הבקרות שנקבעו מיושמות.
דוגמת היצירה מנתחת מקטע <think> בנפרד מהתשובה הסופית. Qwen ממליץ להגדיר את הפורמט הסופי במפורש, כגון תשובה מתמטית ממוסגרת או שדה תשובה יחיד למשימת רב־ברירה. בניתוח מעשי, ציינו את המסקנה המבוקשת ואת החומר התומך: למשל, בחירת תכנון סופית ואחריה האילוצים שהיא מקיימת והסוגיות שנשארות פתוחות. שמרו את התשובה הסופית, ולא את תוכן החשיבה הקודם, בהיסטוריית השיחה בהמשך בהתאם להנחיות היצרן. כך נשמרת התוצאה שנדרשת לשאלות מאוחרות יותר, בלי להעביר כל שלב הסקה הלאה.
קריאה לכלים היא חלק מתיאור המודל המתועד בשני המצבים. Qwen ממליץ על Qwen-Agent לתבניות ולמנתחים של קריאות לכלים, ומדגים אחזור מידע, מידע על זמן ומפרש קוד. הגדירו כלים באופן ברור, הסבירו את משמעות הארגומנטים שלהם וציינו למודל מה נחשב משימה שהושלמה. תהליך עבודה שימושי יכול לבקש אחזור מידע נבחר, לספק את התוכן שהוחזר בפועל, ואז לבקש סיכום משולב או מימוש מוצע. הקריאה שהמודל מבקש והפעלת הכלי על ידי היישום הן שלבים נפרדים; התשובה הסופית צריכה להתבסס על הראיות שהוחזרו.
לקלטים ארוכים יותר, כרטיס המודל מתעד הרחבת YaRN ל־131,072 טוקנים. החלון המקורי קטן יותר, והגדלה סטטית יכולה להשפיע על ביצועים בקלט קצר. Qwen ממליץ להפעיל את ההרחבה כאשר אכן נדרש הקשר ארוך יותר; הכרטיס מסביר בנוסף הקצאת ברירת מחדל של 40,960 מיקומים להנחיה ולפלט. בחרו מסמכים רלוונטיים ושמרו על כותרות, גבולות מקורות ומונחים. השאירו מקום להסקה ולתשובה הסופית, במיוחד כשהמשימה דורשת ליישב כמה מפרטים במקום לסכם קטע יחיד.
ההמלצות הרשמיות הן temperature של 0.6, top-p של 0.95, top-k של 20 ו־min-p של 0 לחשיבה; למצב ללא חשיבה, temperature של 0.7 ו־top-p של 0.8 מחליפים את שתי ההגדרות הראשונות. Qwen מייעץ להימנע מפענוח חמדני במצב חשיבה ומציין ש־presence penalty גבוה יכול לגרום לערבוב שפות או לירידה באיכות. הוא ממליץ על הקצאת פלט של 32,768 טוקנים לרוב השאילתות ומתאר 38,912 לבעיות מתמטיקה ותכנות תובעניות במיוחד. הקצאות אלה הן הנחיות ליצירה, ולא גבול תשובה קשיח אוניברסלי. בקשה מדויקת ופורמט סופי מוגדר עוזרים למקד את יכולת ההסקה הזמינה של המודל בעבודה שהקורא צריך.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3-32b | 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 $0.000286 / 1K טוקנים פלט · טוקני פלט $0.001144 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 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 $0.000286 / 1K טוקנים פלט · טוקני פלט $0.001144 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen/qwen3-32b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-32b', '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/qwen3-32b', '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/qwen3-32b
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.