Qwen3-8B הוא מודל שפה צפוף של Qwen3 המשלב הנמקה ויצירת טקסט רגילה. החוזקות המוצהרות שלו כוללות מתמטיקה, פתרון בעיות לוגיות, קוד, כתיבה יצירתית, שיחה מבוססת תפקידים וביצוע הוראות לאורך כמה תורות. המשפחה תומכת ביותר מ-100 שפות וניבים. שימוש מעשי הוא עוזר תמיכה רב-לשוני שהופך הודעת לקוח וקטע מדיניות שסופק לתשובה מועילה, תוך שמירה על שמות המוצרים ועל הטון המבוקש.
לגרסה זו 8.2 מיליארד פרמטרים, מהם 6.95 מיליארד מחוץ לשכבות ההטמעה, ו-36 שכבות. היא משתמשת בקשב עם שאילתות מקובצות, עם 32 ראשי שאילתה ושמונה ראשי מפתח/ערך. זהו מודל צפוף נפרד, ולא מודל תערובת המומחים בגודל 235B שמפעיל פחות מומחים. קלט העבודה והתוצאה שנוצרת הם טקסט: תרגום, הסבר, מסמך מתוקן, תוכנית פעולה או תוכנה. בחרו משימה ברורה לפני הוספת ההקשר. לתשובת תמיכה, ספקו את הודעת הלקוח, את המדיניות החלה, את המונחים המאושרים ואת הפעולה שהקורא צריך לבצע; בקשו תשובה ורשימה נפרדת של העובדות שעדיין חסרות.
תהליך ההתחלה של היצרן משתמש ברצף הודעות שיחה ובתבנית שיחה מפורשת. לעזרה בקוד, כללו את הפונקציה הרלוונטית, קלט שחושף את הבעיה, את הפלט בפועל ואת התוצאה הצפויה. בקשו פונקציה מתוקנת עם דוגמאות, והסבר נפרד להתנהגות שהשתנתה. לתרגום, הגדירו את שפת המקור ואת שפת היעד, את הקוראים ואת המונחים שיש לשמר. קלטים אלה מקלים על השוואת הטקסט שנוצר לדרישה המקורית. האינטגרציה שפורסמה דורשת סביבת הרצה שמכירה את Qwen3; הכרטיס מזהיר שגרסאות Transformers הקודמות ל-4.51.0 אינן מזהות את הארכיטקטורה הנדרשת.
אותו מודל תומך במצבי חשיבה ומענה ללא חשיבה. החשיבה מופעלת כברירת מחדל בתבנית שסופקה. כיבוי קשיח מסיר את חלק ההנמקה; כשהחשיבה נשארת מופעלת, /think ו-/no_think יכולים לשנות את הבחירה בין תורות. ההוראה האחרונה מהסוג הזה מקבלת עדיפות, והמתגים האלה ברמת ההנחיה אינם יכולים לעקוף כיבוי קשיח. בתהליך מוצר, השתמשו במצב הישיר לניסוח מחדש קצר של הודעה מאושרת, ובחרו בהנמקה לפער שדורש הסבר. הפרידו את התשובה הסופית מהנמקת הביניים ושמרו רק את התשובה הסופית בהיסטוריית השיחה בהמשך. כשהחשיבה מופעלת, גם בקשה רכה למענה ללא חשיבה משאירה בלוק הנמקה; תוכנו עשוי להיות ריק. הכיבוי הקשיח מסיר את הבלוק הזה.
היצרן מתאר קריאות לכלים וממליץ על Qwen-Agent לניהול תבניות ופענוח. יישום יכול לספק הגדרות כלים, לבצע את הקריאות שהתבקשו ולהחזיר את תוצאותיהן. עבור עוזר תמיכה, חיפוש ממוקד לקריאה בלבד אחר הזמנה יכול לספק מצב משלוח מאומת לפני שהמודל מנסח תשובה. ציינו את שדות החיפוש המותרים וכיצד יש לדווח על רשומה חסרה. התוצר הסופי השימושי הוא תשובה המבוססת על המידע שהוחזר, ולא אמירה ללא ביסוס שפעולה חיצונית הצליחה. מדריך Qwen3 מתאר גם קריאות לכלים במקביל ובכמה שלבים, עם ארגומנטים המיוצגים כאובייקטים ותוצאות המוחזרות לשיחה.
כרטיס המודל מציין הקשר מקורי של 32,768 טוקנים ו-131,072 עם הרחבת YaRN. לכן התנהגות בהקשר ארוך תלויה בתצורה בפועל. YaRN סטטי עשוי להשפיע על בקשות קצרות יותר, ולכן הכרטיס ממליץ להפעיל אותו כשנדרש הקשר ארוך. קלט, היסטוריית שיחה ופלט שנוצר צורכים תקציב הקשר משותף. תנו תוויות לסעיפי מקור ארוכים, הסירו כפילויות לא רלוונטיות והשאירו מקום לתשובה המבוקשת. דוגמת היצירה והמלצות הפלט שפורסמו הן הנחיות תצורה, ולא פלט מרבי קשיח שנקבע בנפרד. בתיעוד Qwen3 נדונים אורכי הודעות assistant של 38,912 טוקנים במצב חשיבה ושל 16,384 במצב ללא חשיבה, במסגרת ההסבר על אורך האימון, ומומלץ להעריך את איכות היצירה הארוכה יותר. נתונים אלה נפרדים מחלון ההקשר הכולל ואינם תקרה קשיחה של נקודת קצה מסוימת. הכרטיס מסביר גם את הקצאת המיקומים המוגדרת כברירת מחדל, 40,960 טוקנים: 8,192 להנחיות טיפוסיות ועוד 32,768 לפלט; זוהי הנחיית תצורה של היצרן, הנפרדת מהקשר האימון המקורי ומכל מגבלה של נקודת קצה.
במצב חשיבה, ערכי הדגימה המומלצים הם temperature של 0.6, top-p של 0.95, top-k של 20 ו-min-p של 0; במצב ללא חשיבה הם 0.7, 0.8, 20 ו-0. היצרן מזהיר שהנמקה חמדנית עלולה להפיק טקסט חוזר. ערכים גבוהים יותר של קנס נוכחות (presence penalty) יכולים לצמצם חזרות, אך לעיתים לגרום לערבוב שפות. הגדירו במפורש את הפורמט הסופי, למשל תשובה ואחריה אובייקט JSON המכיל שדות שלא נפתרו, ואמתו את האובייקט לפני שהיישום משתמש בו. בדקו קוד מוצע באמצעות המקרים שסופקו ובחנו תרגומים כדי לוודא שהמונחים נשמרו.
", "aboutText": "Qwen3-8B הוא מודל שפה צפוף של Qwen3 המשלב הנמקה ויצירת טקסט רגילה. החוזקות המוצהרות שלו כוללות מתמטיקה, פתרון בעיות לוגיות, קוד, כתיבה יצירתית, שיחה מבוססת תפקידים וביצוע הוראות לאורך כמה תורות. המשפחה תומכת ביותר מ-100 שפות וניבים. שימוש מעשי הוא עוזר תמיכה רב-לשוני שהופך הודעת לקוח וקטע מדיניות שסופק לתשובה מועילה, תוך שמירה על שמות המוצרים ועל הטון המבוקש.\n\nלגרסה זו 8.2 מיליארד פרמטרים, מהם 6.95 מיליארד מחוץ לשכבות ההטמעה, ו-36 שכבות. היא משתמשת בקשב עם שאילתות מקובצות, עם 32 ראשי שאילתה ושמונה ראשי מפתח/ערך. זהו מודל צפוף נפרד, ולא מודל תערובת המומחים בגודל 235B שמפעיל פחות מומחים. קלט העבודה והתוצאה שנוצרת הם טקסט: תרגום, הסבר, מסמך מתוקן, תוכנית פעולה או תוכנה. בחרו משימה ברורה לפני הוספת ההקשר. לתשובת תמיכה, ספקו את הודעת הלקוח, את המדיניות החלה, את המונחים המאושרים ואת הפעולה שהקורא צריך לבצע; בקשו תשובה ורשימה נפרדת של העובדות שעדיין חסרות.\n\nתהליך ההתחלה של היצרן משתמש ברצף הודעות שיחה ובתבנית שיחה מפורשת. לעזרה בקוד, כללו את הפונקציה הרלוונטית, קלט שחושף את הבעיה, את הפלט בפועל ואת התוצאה הצפויה. בקשו פונקציה מתוקנת עם דוגמאות, והסבר נפרד להתנהגות שהשתנתה. לתרגום, הגדירו את שפת המקור ואת שפת היעד, את הקוראים ואת המונחים שיש לשמר. קלטים אלה מקלים על השוואת הטקסט שנוצר לדרישה המקורית. האינטגרציה שפורסמה דורשת סביבת הרצה שמכירה את Qwen3; הכרטיס מזהיר שגרסאות Transformers הקודמות ל-4.51.0 אינן מזהות את הארכיטקטורה הנדרשת.\n\nאותו מודל תומך במצבי חשיבה ומענה ללא חשיבה. החשיבה מופעלת כברירת מחדל בתבנית שסופקה. כיבוי קשיח מסיר את חלק ההנמקה; כשהחשיבה נשארת מופעלת, /think ו-/no_think יכולים לשנות את הבחירה בין תורות. ההוראה האחרונה מהסוג הזה מקבלת עדיפות, והמתגים האלה ברמת ההנחיה אינם יכולים לעקוף כיבוי קשיח. בתהליך מוצר, השתמשו במצב הישיר לניסוח מחדש קצר של הודעה מאושרת, ובחרו בהנמקה לפער שדורש הסבר. הפרידו את התשובה הסופית מהנמקת הביניים ושמרו רק את התשובה הסופית בהיסטוריית השיחה בהמשך. כשהחשיבה מופעלת, גם בקשה רכה למענה ללא חשיבה משאירה בלוק הנמקה; תוכנו עשוי להיות ריק. הכיבוי הקשיח מסיר את הבלוק הזה.\n\nהיצרן מתאר קריאות לכלים וממליץ על Qwen-Agent לניהול תבניות ופענוח. יישום יכול לספק הגדרות כלים, לבצע את הקריאות שהתבקשו ולהחזיר את תוצאותיהן. עבור עוזר תמיכה, חיפוש ממוקד לקריאה בלבד אחר הזמנה יכול לספק מצב משלוח מאומת לפני שהמודל מנסח תשובה. ציינו את שדות החיפוש המותרים וכיצד יש לדווח על רשומה חסרה. התוצר הסופי השימושי הוא תשובה המבוססת על המידע שהוחזר, ולא אמירה ללא ביסוס שפעולה חיצונית הצליחה. מדריך Qwen3 מתאר גם קריאות לכלים במקביל ובכמה שלבים, עם ארגומנטים המיוצגים כאובייקטים ותוצאות המוחזרות לשיחה.\n\nכרטיס המודל מציין הקשר מקורי של 32,768 טוקנים ו-131,072 עם הרחבת YaRN. לכן התנהגות בהקשר ארוך תלויה בתצורה בפועל. YaRN סטטי עשוי להשפיע על בקשות קצרות יותר, ולכן הכרטיס ממליץ להפעיל אותו כשנדרש הקשר ארוך. קלט, היסטוריית שיחה ופלט שנוצר צורכים תקציב הקשר משותף. תנו תוויות לסעיפי מקור ארוכים, הסירו כפילויות לא רלוונטיות והשאירו מקום לתשובה המבוקשת. דוגמת היצירה והמלצות הפלט שפורסמו הן הנחיות תצורה, ולא פלט מרבי קשיח שנקבע בנפרד. בתיעוד Qwen3 נדונים אורכי הודעות assistant של 38,912 טוקנים במצב חשיבה ושל 16,384 במצב ללא חשיבה, במסגרת ההסבר על אורך האימון, ומומלץ להעריך את איכות היצירה הארוכה יותר. נתונים אלה נפרדים מחלון ההקשר הכולל ואינם תקרה קשיחה של נקודת קצה מסוימת. הכרטיס מסביר גם את הקצאת המיקומים המוגדרת כברירת מחדל, 40,960 טוקנים: 8,192 להנחיות טיפוסיות ועוד 32,768 לפלט; זוהי הנחיית תצורה של היצרן, הנפרדת מהקשר האימון המקורי ומכל מגבלה של נקודת קצה.\n\nבמצב חשיבה, ערכי הדגימה המומלצים הם temperature של 0.6, top-p של 0.95, top-k של 20 ו-min-p של 0; במצב ללא חשיבה הם 0.7, 0.8, 20 ו-0. היצרן מזהיר שהנמקה חמדנית עלולה להפיק טקסט חוזר. ערכים גבוהים יותר של קנס נוכחות (presence penalty) יכולים לצמצם חזרות, אך לעיתים לגרום לערבוב שפות. הגדירו במפורש את הפורמט הסופי, למשל תשובה ואחריה אובייקט JSON המכיל שדות שלא נפתרו, ואמתו את האובייקט לפני שהיישום משתמש בו. בדקו קוד מוצע באמצעות המקרים שסופקו ובחנו תרגומים כדי לוודא שהמונחים נשמרו.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
A bilingual reply grounded in a return policy\n\nDraft a German reply to this customer: 'Can I return my unused Aero Cup after ten days?' Policy P1: unused products can be returned within 14 days; the customer must provide the order reference. Keep Aero Cup unchanged and ask for the missing reference. Follow the reply with a short English note naming the facts used.A polite German customer reply and a brief English source-fact note.The reply preserves the unused condition and 14-day window, asks for the reference and does not invent refund timing.qwen3-8bQwen3-8B מציע יצירת טקסט רב-לשוני, תכנות ושני מצבי תגובה במודל צפוף עם 8.2 מיליארד פרמטרים. השתמשו בתשובות ישירות לשיחה יומיומית ובמצב חשיבה לבעיות המחייבות ניתוח מעמיק יותר.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-8B הוא מודל שפה צפוף של Qwen3 המשלב הנמקה ויצירת טקסט רגילה. החוזקות המוצהרות שלו כוללות מתמטיקה, פתרון בעיות לוגיות, קוד, כתיבה יצירתית, שיחה מבוססת תפקידים וביצוע הוראות לאורך כמה תורות. המשפחה תומכת ביותר מ-100 שפות וניבים. שימוש מעשי הוא עוזר תמיכה רב-לשוני שהופך הודעת לקוח וקטע מדיניות שסופק לתשובה מועילה, תוך שמירה על שמות המוצרים ועל הטון המבוקש.
לגרסה זו 8.2 מיליארד פרמטרים, מהם 6.95 מיליארד מחוץ לשכבות ההטמעה, ו-36 שכבות. היא משתמשת בקשב עם שאילתות מקובצות, עם 32 ראשי שאילתה ושמונה ראשי מפתח/ערך. זהו מודל צפוף נפרד, ולא מודל תערובת המומחים בגודל 235B שמפעיל פחות מומחים. קלט העבודה והתוצאה שנוצרת הם טקסט: תרגום, הסבר, מסמך מתוקן, תוכנית פעולה או תוכנה. בחרו משימה ברורה לפני הוספת ההקשר. לתשובת תמיכה, ספקו את הודעת הלקוח, את המדיניות החלה, את המונחים המאושרים ואת הפעולה שהקורא צריך לבצע; בקשו תשובה ורשימה נפרדת של העובדות שעדיין חסרות.
תהליך ההתחלה של היצרן משתמש ברצף הודעות שיחה ובתבנית שיחה מפורשת. לעזרה בקוד, כללו את הפונקציה הרלוונטית, קלט שחושף את הבעיה, את הפלט בפועל ואת התוצאה הצפויה. בקשו פונקציה מתוקנת עם דוגמאות, והסבר נפרד להתנהגות שהשתנתה. לתרגום, הגדירו את שפת המקור ואת שפת היעד, את הקוראים ואת המונחים שיש לשמר. קלטים אלה מקלים על השוואת הטקסט שנוצר לדרישה המקורית. האינטגרציה שפורסמה דורשת סביבת הרצה שמכירה את Qwen3; הכרטיס מזהיר שגרסאות Transformers הקודמות ל-4.51.0 אינן מזהות את הארכיטקטורה הנדרשת.
אותו מודל תומך במצבי חשיבה ומענה ללא חשיבה. החשיבה מופעלת כברירת מחדל בתבנית שסופקה. כיבוי קשיח מסיר את חלק ההנמקה; כשהחשיבה נשארת מופעלת, /think ו-/no_think יכולים לשנות את הבחירה בין תורות. ההוראה האחרונה מהסוג הזה מקבלת עדיפות, והמתגים האלה ברמת ההנחיה אינם יכולים לעקוף כיבוי קשיח. בתהליך מוצר, השתמשו במצב הישיר לניסוח מחדש קצר של הודעה מאושרת, ובחרו בהנמקה לפער שדורש הסבר. הפרידו את התשובה הסופית מהנמקת הביניים ושמרו רק את התשובה הסופית בהיסטוריית השיחה בהמשך. כשהחשיבה מופעלת, גם בקשה רכה למענה ללא חשיבה משאירה בלוק הנמקה; תוכנו עשוי להיות ריק. הכיבוי הקשיח מסיר את הבלוק הזה.
היצרן מתאר קריאות לכלים וממליץ על Qwen-Agent לניהול תבניות ופענוח. יישום יכול לספק הגדרות כלים, לבצע את הקריאות שהתבקשו ולהחזיר את תוצאותיהן. עבור עוזר תמיכה, חיפוש ממוקד לקריאה בלבד אחר הזמנה יכול לספק מצב משלוח מאומת לפני שהמודל מנסח תשובה. ציינו את שדות החיפוש המותרים וכיצד יש לדווח על רשומה חסרה. התוצר הסופי השימושי הוא תשובה המבוססת על המידע שהוחזר, ולא אמירה ללא ביסוס שפעולה חיצונית הצליחה. מדריך Qwen3 מתאר גם קריאות לכלים במקביל ובכמה שלבים, עם ארגומנטים המיוצגים כאובייקטים ותוצאות המוחזרות לשיחה.
כרטיס המודל מציין הקשר מקורי של 32,768 טוקנים ו-131,072 עם הרחבת YaRN. לכן התנהגות בהקשר ארוך תלויה בתצורה בפועל. YaRN סטטי עשוי להשפיע על בקשות קצרות יותר, ולכן הכרטיס ממליץ להפעיל אותו כשנדרש הקשר ארוך. קלט, היסטוריית שיחה ופלט שנוצר צורכים תקציב הקשר משותף. תנו תוויות לסעיפי מקור ארוכים, הסירו כפילויות לא רלוונטיות והשאירו מקום לתשובה המבוקשת. דוגמת היצירה והמלצות הפלט שפורסמו הן הנחיות תצורה, ולא פלט מרבי קשיח שנקבע בנפרד. בתיעוד Qwen3 נדונים אורכי הודעות assistant של 38,912 טוקנים במצב חשיבה ושל 16,384 במצב ללא חשיבה, במסגרת ההסבר על אורך האימון, ומומלץ להעריך את איכות היצירה הארוכה יותר. נתונים אלה נפרדים מחלון ההקשר הכולל ואינם תקרה קשיחה של נקודת קצה מסוימת. הכרטיס מסביר גם את הקצאת המיקומים המוגדרת כברירת מחדל, 40,960 טוקנים: 8,192 להנחיות טיפוסיות ועוד 32,768 לפלט; זוהי הנחיית תצורה של היצרן, הנפרדת מהקשר האימון המקורי ומכל מגבלה של נקודת קצה.
במצב חשיבה, ערכי הדגימה המומלצים הם temperature של 0.6, top-p של 0.95, top-k של 20 ו-min-p של 0; במצב ללא חשיבה הם 0.7, 0.8, 20 ו-0. היצרן מזהיר שהנמקה חמדנית עלולה להפיק טקסט חוזר. ערכים גבוהים יותר של קנס נוכחות (presence penalty) יכולים לצמצם חזרות, אך לעיתים לגרום לערבוב שפות. הגדירו במפורש את הפורמט הסופי, למשל תשובה ואחריה אובייקט JSON המכיל שדות שלא נפתרו, ואמתו את האובייקט לפני שהיישום משתמש בו. בדקו קוד מוצע באמצעות המקרים שסופקו ובחנו תרגומים כדי לוודא שהמונחים נשמרו.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen3-8b | 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 $0.000144 / 1K טוקנים פלט · טוקני פלט $0.00144 / 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": "qwen3-8b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3-8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3-8b',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 qwen3-8b
השתמשו בנתיבי השיטות המוצגים למעלה.
qwen3-8bQwen3-8B מציע יצירת טקסט רב-לשוני, תכנות ושני מצבי תגובה במודל צפוף עם 8.2 מיליארד פרמטרים. השתמשו בתשובות ישירות לשיחה יומיומית ובמצב חשיבה לבעיות המחייבות ניתוח מעמיק יותר.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-8B הוא מודל שפה צפוף של Qwen3 המשלב הנמקה ויצירת טקסט רגילה. החוזקות המוצהרות שלו כוללות מתמטיקה, פתרון בעיות לוגיות, קוד, כתיבה יצירתית, שיחה מבוססת תפקידים וביצוע הוראות לאורך כמה תורות. המשפחה תומכת ביותר מ-100 שפות וניבים. שימוש מעשי הוא עוזר תמיכה רב-לשוני שהופך הודעת לקוח וקטע מדיניות שסופק לתשובה מועילה, תוך שמירה על שמות המוצרים ועל הטון המבוקש.
לגרסה זו 8.2 מיליארד פרמטרים, מהם 6.95 מיליארד מחוץ לשכבות ההטמעה, ו-36 שכבות. היא משתמשת בקשב עם שאילתות מקובצות, עם 32 ראשי שאילתה ושמונה ראשי מפתח/ערך. זהו מודל צפוף נפרד, ולא מודל תערובת המומחים בגודל 235B שמפעיל פחות מומחים. קלט העבודה והתוצאה שנוצרת הם טקסט: תרגום, הסבר, מסמך מתוקן, תוכנית פעולה או תוכנה. בחרו משימה ברורה לפני הוספת ההקשר. לתשובת תמיכה, ספקו את הודעת הלקוח, את המדיניות החלה, את המונחים המאושרים ואת הפעולה שהקורא צריך לבצע; בקשו תשובה ורשימה נפרדת של העובדות שעדיין חסרות.
תהליך ההתחלה של היצרן משתמש ברצף הודעות שיחה ובתבנית שיחה מפורשת. לעזרה בקוד, כללו את הפונקציה הרלוונטית, קלט שחושף את הבעיה, את הפלט בפועל ואת התוצאה הצפויה. בקשו פונקציה מתוקנת עם דוגמאות, והסבר נפרד להתנהגות שהשתנתה. לתרגום, הגדירו את שפת המקור ואת שפת היעד, את הקוראים ואת המונחים שיש לשמר. קלטים אלה מקלים על השוואת הטקסט שנוצר לדרישה המקורית. האינטגרציה שפורסמה דורשת סביבת הרצה שמכירה את Qwen3; הכרטיס מזהיר שגרסאות Transformers הקודמות ל-4.51.0 אינן מזהות את הארכיטקטורה הנדרשת.
אותו מודל תומך במצבי חשיבה ומענה ללא חשיבה. החשיבה מופעלת כברירת מחדל בתבנית שסופקה. כיבוי קשיח מסיר את חלק ההנמקה; כשהחשיבה נשארת מופעלת, /think ו-/no_think יכולים לשנות את הבחירה בין תורות. ההוראה האחרונה מהסוג הזה מקבלת עדיפות, והמתגים האלה ברמת ההנחיה אינם יכולים לעקוף כיבוי קשיח. בתהליך מוצר, השתמשו במצב הישיר לניסוח מחדש קצר של הודעה מאושרת, ובחרו בהנמקה לפער שדורש הסבר. הפרידו את התשובה הסופית מהנמקת הביניים ושמרו רק את התשובה הסופית בהיסטוריית השיחה בהמשך. כשהחשיבה מופעלת, גם בקשה רכה למענה ללא חשיבה משאירה בלוק הנמקה; תוכנו עשוי להיות ריק. הכיבוי הקשיח מסיר את הבלוק הזה.
היצרן מתאר קריאות לכלים וממליץ על Qwen-Agent לניהול תבניות ופענוח. יישום יכול לספק הגדרות כלים, לבצע את הקריאות שהתבקשו ולהחזיר את תוצאותיהן. עבור עוזר תמיכה, חיפוש ממוקד לקריאה בלבד אחר הזמנה יכול לספק מצב משלוח מאומת לפני שהמודל מנסח תשובה. ציינו את שדות החיפוש המותרים וכיצד יש לדווח על רשומה חסרה. התוצר הסופי השימושי הוא תשובה המבוססת על המידע שהוחזר, ולא אמירה ללא ביסוס שפעולה חיצונית הצליחה. מדריך Qwen3 מתאר גם קריאות לכלים במקביל ובכמה שלבים, עם ארגומנטים המיוצגים כאובייקטים ותוצאות המוחזרות לשיחה.
כרטיס המודל מציין הקשר מקורי של 32,768 טוקנים ו-131,072 עם הרחבת YaRN. לכן התנהגות בהקשר ארוך תלויה בתצורה בפועל. YaRN סטטי עשוי להשפיע על בקשות קצרות יותר, ולכן הכרטיס ממליץ להפעיל אותו כשנדרש הקשר ארוך. קלט, היסטוריית שיחה ופלט שנוצר צורכים תקציב הקשר משותף. תנו תוויות לסעיפי מקור ארוכים, הסירו כפילויות לא רלוונטיות והשאירו מקום לתשובה המבוקשת. דוגמת היצירה והמלצות הפלט שפורסמו הן הנחיות תצורה, ולא פלט מרבי קשיח שנקבע בנפרד. בתיעוד Qwen3 נדונים אורכי הודעות assistant של 38,912 טוקנים במצב חשיבה ושל 16,384 במצב ללא חשיבה, במסגרת ההסבר על אורך האימון, ומומלץ להעריך את איכות היצירה הארוכה יותר. נתונים אלה נפרדים מחלון ההקשר הכולל ואינם תקרה קשיחה של נקודת קצה מסוימת. הכרטיס מסביר גם את הקצאת המיקומים המוגדרת כברירת מחדל, 40,960 טוקנים: 8,192 להנחיות טיפוסיות ועוד 32,768 לפלט; זוהי הנחיית תצורה של היצרן, הנפרדת מהקשר האימון המקורי ומכל מגבלה של נקודת קצה.
במצב חשיבה, ערכי הדגימה המומלצים הם temperature של 0.6, top-p של 0.95, top-k של 20 ו-min-p של 0; במצב ללא חשיבה הם 0.7, 0.8, 20 ו-0. היצרן מזהיר שהנמקה חמדנית עלולה להפיק טקסט חוזר. ערכים גבוהים יותר של קנס נוכחות (presence penalty) יכולים לצמצם חזרות, אך לעיתים לגרום לערבוב שפות. הגדירו במפורש את הפורמט הסופי, למשל תשובה ואחריה אובייקט JSON המכיל שדות שלא נפתרו, ואמתו את האובייקט לפני שהיישום משתמש בו. בדקו קוד מוצע באמצעות המקרים שסופקו ובחנו תרגומים כדי לוודא שהמונחים נשמרו.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen3-8b | 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 $0.000144 / 1K טוקנים פלט · טוקני פלט $0.00144 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen3-8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3-8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3-8b', '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 qwen3-8b
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
A bilingual reply grounded in a return policy\n\nDraft a German reply to this customer: 'Can I return my unused Aero Cup after ten days?' Policy P1: unused products can be returned within 14 days; the customer must provide the order reference. Keep Aero Cup unchanged and ask for the missing reference. Follow the reply with a short English note naming the facts used.A polite German customer reply and a brief English source-fact note.The reply preserves the unused condition and 14-day window, asks for the reference and does not invent refund timing.