A Qwen3-235B-A22B-FP8 a Qwen3-235B-A22B hivatalos FP8 változata. Ismertetett szöveges képességei matematikai és logikai következtetést, kódgenerálást, kreatív írást, szerepalapú párbeszédet és többfordulós utasításkövetést fednek le több mint 100 nyelven és nyelvjárásban. Gondolkodó és közvetlen válaszadási módot kombinál. Használd olyan feladathoz, amely több feltételt kapcsol össze, például két megvalósítás összehasonlításához ugyanazzal a specifikációval, majd az összehasonlítás konkrét változtatási javaslattá alakításához.
Az alapul szolgáló architektúra szakértőkeverék: összesen 235 milliárd paraméter, feldolgozáskor 22 milliárd aktív paraméter, 94 réteg és 128 szakértő, tokenenként nyolc kiválasztott szakértővel. A csoportosított lekérdezésű figyelem 64 lekérdezési fejet és négy kulcs/érték fejet használ. Az FP8 utótag külön közzétett ellenőrzőpontot azonosít, nem további válaszmodalitást vagy eltérő paraméterszámot. A modell szöveget fogad és generál. Egy kódellenőrző asszisztensnek add meg a specifikációt, a releváns forrásfájlokat és az elvárt működést; kérj döntési táblázatot, kiválasztott módosítást és a szándékolt eredményt szemléltető példákat.
A gyártó kezdő munkafolyamata a forrást és az utasításokat beszélgetéssé formázza. Dokumentum-összehasonlításnál jelöld a változatokat, add meg az egyes források mérvadó szerepét, és azonosítsd a változatlanul hagyandó követelményeket. Matematikai kérdésnél add meg a teljes állítást és a végső válasz kívánt formáját. Megvalósítási feladatnál határozd meg a nyelvet, a valós bemenet szerkezetét, a hibás esetet és a megőrzendő felületeket. Tedd egyértelművé a végső eredményt, hogy a hosszú válasz is az eredeti kérést oldja meg. A közzétett integráció Qwen3-kompatibilis futtatókörnyezetet vár; a kártya figyelmeztet, hogy a 4.51.0 előtti Transformers-verziók nem ismerik fel a szükséges architektúrát.
Ehhez a kiadáshoz külön FP8-megjegyzés tartozik. Az ellenőrzőpont finom szemcsézettségű FP8-kvantálást használ 128-as blokkmérettel; közzétett konfigurációja rögzíti a kvantálási sémát. A gyártó a Transformerst, az SGLangot és a vLLM-et sorolja fel következtetési lehetőségként, ugyanakkor problémákra figyelmeztet a finom szemcsézettségű FP8 elosztott Transformers-következtetésben történő használatánál. Több eszköz használata CUDA_LAUNCH_BLOCKING=1 beállítást igényelhet. Ez kiadásspecifikus kompatibilitási részlet, nem ok arra, hogy azonos sebességet, memóriahasználatot vagy kimeneti minőséget feltételezzünk a futtatókörnyezetek között. Eredmények összehasonlításakor vagy rögzítésekor őrizd meg a teljes FP8-nevet, és a tényleges ellenőrzőpontot a tervezett környezetben értékeld.
A megadott csevegéssablonban a gondolkodás az alapértelmezett, és egy kötelező érvényű kapcsoló kikapcsolhatja. Engedélyezett gondolkodás mellett a /think és /no_think az egyes fordulókat vezérelheti; a legutóbbi utasítás élvez elsőbbséget. A promptszintű kapcsolók nem írják felül a kötelező érvényű kikapcsolást. A végső választ tartsd elkülönítve a generált következtetési résztől, és a végső választ vidd tovább a későbbi párbeszéd-előzményekbe. Részletes ellentmondáselemzés kérhet gondolkodást, míg egy elfogadott következtetést újraformázó követő kérés közvetlen választ kérhet. Engedélyezett gondolkodás mellett még a promptszintű nem gondolkodási kérés is megtart egy következtetési blokkot; annak tartalma üres lehet. A kötelező érvényű kikapcsolás eltávolítja a blokkot.
A kártya a Qwen-Agentet ajánlja az eszközhívási sablonokhoz és feldolgozáshoz. Műszaki asszisztensnél az alkalmazás tesztfuttatót vagy csak olvasható forráslekérdezést tehet elérhetővé, végrehajthatja az elfogadott hívást, és bizonyítékot adhat vissza a következő válaszhoz. Határozd meg az eszköz bemeneteit, engedélyeit és eredménymezőit. Követeld meg, hogy az asszisztens a javasolt változtatást összekapcsolja a visszaadott eredménnyel, és különböztesse meg a kért tesztet az alkalmazás által ténylegesen befejezett teszttől. A modell eszközökkel kapcsolatos képességei ettől a környező végrehajtási folyamattól függenek. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, ahol az argumentumok objektumokként szerepelnek, és az eredmények visszakerülnek a beszélgetésbe.
A natív kontextus 32 768 token, YaRN-kiterjesztéssel pedig 131 072 token dokumentált. A bemenet és a generált kimenet osztozik a szekvenciakereten. A nagyobb ablakhoz megfelelő konfiguráció kell, a statikus YaRN pedig befolyásolhatja a rövid bemeneteket. A hosszú forrásanyagot fájlonként vagy részenként rendezd, és hagyj helyet a végső összehasonlításnak vagy kódnak. A gyorsindításban és a bevált gyakorlatok ajánlásaiban szereplő kimenethosszak generálási útmutatást jelentenek, nem bizonyítanak önálló, a teljes szolgáltatásra érvényes kimeneti maximumot. A Qwen3 dokumentáció a tanítási hossz magyarázatában gondolkodó módban 38 912, nem gondolkodó módban 16 384 tokenes asszisztensüzeneteket tárgyal, és a hosszabb generálás minőségének értékelését ajánlja. Ezek a számok eltérnek a teljes kontextusablaktól, és nem végpontspecifikus, szigorú korlátok. A kártya az alapértelmezett, 40 960 tokenes pozíciókiosztást is elmagyarázza: 8 192 a tipikus promptokhoz és 32 768 a kimenethez; ez gyártói konfigurációs útmutatás, külön a natív tanítási kontextustól és bármilyen végpontkorláttól.
Gondolkodó módban az ajánlott mintavételezés temperature 0.6, top-p 0.95, top-k 20 és min-p 0; a közvetlen mód 0.7, 0.8, 20 és 0 értéket használ. Gondolkodó módban a mohó dekódolás ismétlést okozhat, az erősebb presence penalty pedig nyelvkeveredéshez vezethet. Kérj ellenőrizhető végső szerkezetet, például eredménytáblázatot, majd a módosított függvényt és a releváns eseteket. Ellenőrizd a számszerű következtetéseket, futtasd a kódot a célkörnyezetben, és tekintsd át az eszközök eredményeit a javasolt változtatás alkalmazása előtt. Az FP8-ellenőrzőpont azonosságát és futtatókörnyezeti fenntartásait ehhez az értékeléshez kapcsolva ajánlott megőrizni.
", "aboutText": "A Qwen3-235B-A22B-FP8 a Qwen3-235B-A22B hivatalos FP8 változata. Ismertetett szöveges képességei matematikai és logikai következtetést, kódgenerálást, kreatív írást, szerepalapú párbeszédet és többfordulós utasításkövetést fednek le több mint 100 nyelven és nyelvjárásban. Gondolkodó és közvetlen válaszadási módot kombinál. Használd olyan feladathoz, amely több feltételt kapcsol össze, például két megvalósítás összehasonlításához ugyanazzal a specifikációval, majd az összehasonlítás konkrét változtatási javaslattá alakításához.\n\nAz alapul szolgáló architektúra szakértőkeverék: összesen 235 milliárd paraméter, feldolgozáskor 22 milliárd aktív paraméter, 94 réteg és 128 szakértő, tokenenként nyolc kiválasztott szakértővel. A csoportosított lekérdezésű figyelem 64 lekérdezési fejet és négy kulcs/érték fejet használ. Az FP8 utótag külön közzétett ellenőrzőpontot azonosít, nem további válaszmodalitást vagy eltérő paraméterszámot. A modell szöveget fogad és generál. Egy kódellenőrző asszisztensnek add meg a specifikációt, a releváns forrásfájlokat és az elvárt működést; kérj döntési táblázatot, kiválasztott módosítást és a szándékolt eredményt szemléltető példákat.\n\nA gyártó kezdő munkafolyamata a forrást és az utasításokat beszélgetéssé formázza. Dokumentum-összehasonlításnál jelöld a változatokat, add meg az egyes források mérvadó szerepét, és azonosítsd a változatlanul hagyandó követelményeket. Matematikai kérdésnél add meg a teljes állítást és a végső válasz kívánt formáját. Megvalósítási feladatnál határozd meg a nyelvet, a valós bemenet szerkezetét, a hibás esetet és a megőrzendő felületeket. Tedd egyértelművé a végső eredményt, hogy a hosszú válasz is az eredeti kérést oldja meg. A közzétett integráció Qwen3-kompatibilis futtatókörnyezetet vár; a kártya figyelmeztet, hogy a 4.51.0 előtti Transformers-verziók nem ismerik fel a szükséges architektúrát.\n\nEhhez a kiadáshoz külön FP8-megjegyzés tartozik. Az ellenőrzőpont finom szemcsézettségű FP8-kvantálást használ 128-as blokkmérettel; közzétett konfigurációja rögzíti a kvantálási sémát. A gyártó a Transformerst, az SGLangot és a vLLM-et sorolja fel következtetési lehetőségként, ugyanakkor problémákra figyelmeztet a finom szemcsézettségű FP8 elosztott Transformers-következtetésben történő használatánál. Több eszköz használata CUDA_LAUNCH_BLOCKING=1 beállítást igényelhet. Ez kiadásspecifikus kompatibilitási részlet, nem ok arra, hogy azonos sebességet, memóriahasználatot vagy kimeneti minőséget feltételezzünk a futtatókörnyezetek között. Eredmények összehasonlításakor vagy rögzítésekor őrizd meg a teljes FP8-nevet, és a tényleges ellenőrzőpontot a tervezett környezetben értékeld.\n\nA megadott csevegéssablonban a gondolkodás az alapértelmezett, és egy kötelező érvényű kapcsoló kikapcsolhatja. Engedélyezett gondolkodás mellett a /think és /no_think az egyes fordulókat vezérelheti; a legutóbbi utasítás élvez elsőbbséget. A promptszintű kapcsolók nem írják felül a kötelező érvényű kikapcsolást. A végső választ tartsd elkülönítve a generált következtetési résztől, és a végső választ vidd tovább a későbbi párbeszéd-előzményekbe. Részletes ellentmondáselemzés kérhet gondolkodást, míg egy elfogadott következtetést újraformázó követő kérés közvetlen választ kérhet. Engedélyezett gondolkodás mellett még a promptszintű nem gondolkodási kérés is megtart egy következtetési blokkot; annak tartalma üres lehet. A kötelező érvényű kikapcsolás eltávolítja a blokkot.\n\nA kártya a Qwen-Agentet ajánlja az eszközhívási sablonokhoz és feldolgozáshoz. Műszaki asszisztensnél az alkalmazás tesztfuttatót vagy csak olvasható forráslekérdezést tehet elérhetővé, végrehajthatja az elfogadott hívást, és bizonyítékot adhat vissza a következő válaszhoz. Határozd meg az eszköz bemeneteit, engedélyeit és eredménymezőit. Követeld meg, hogy az asszisztens a javasolt változtatást összekapcsolja a visszaadott eredménnyel, és különböztesse meg a kért tesztet az alkalmazás által ténylegesen befejezett teszttől. A modell eszközökkel kapcsolatos képességei ettől a környező végrehajtási folyamattól függenek. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, ahol az argumentumok objektumokként szerepelnek, és az eredmények visszakerülnek a beszélgetésbe.\n\nA natív kontextus 32 768 token, YaRN-kiterjesztéssel pedig 131 072 token dokumentált. A bemenet és a generált kimenet osztozik a szekvenciakereten. A nagyobb ablakhoz megfelelő konfiguráció kell, a statikus YaRN pedig befolyásolhatja a rövid bemeneteket. A hosszú forrásanyagot fájlonként vagy részenként rendezd, és hagyj helyet a végső összehasonlításnak vagy kódnak. A gyorsindításban és a bevált gyakorlatok ajánlásaiban szereplő kimenethosszak generálási útmutatást jelentenek, nem bizonyítanak önálló, a teljes szolgáltatásra érvényes kimeneti maximumot. A Qwen3 dokumentáció a tanítási hossz magyarázatában gondolkodó módban 38 912, nem gondolkodó módban 16 384 tokenes asszisztensüzeneteket tárgyal, és a hosszabb generálás minőségének értékelését ajánlja. Ezek a számok eltérnek a teljes kontextusablaktól, és nem végpontspecifikus, szigorú korlátok. A kártya az alapértelmezett, 40 960 tokenes pozíciókiosztást is elmagyarázza: 8 192 a tipikus promptokhoz és 32 768 a kimenethez; ez gyártói konfigurációs útmutatás, külön a natív tanítási kontextustól és bármilyen végpontkorláttól.\n\nGondolkodó módban az ajánlott mintavételezés temperature 0.6, top-p 0.95, top-k 20 és min-p 0; a közvetlen mód 0.7, 0.8, 20 és 0 értéket használ. Gondolkodó módban a mohó dekódolás ismétlést okozhat, az erősebb presence penalty pedig nyelvkeveredéshez vezethet. Kérj ellenőrizhető végső szerkezetet, például eredménytáblázatot, majd a módosított függvényt és a releváns eseteket. Ellenőrizd a számszerű következtetéseket, futtasd a kódot a célkörnyezetben, és tekintsd át az eszközök eredményeit a javasolt változtatás alkalmazása előtt. Az FP8-ellenőrzőpont azonosságát és futtatókörnyezeti fenntartásait ehhez az értékeléshez kapcsolva ajánlott megőrizni.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Compare two normalizers to a contract\n\nThe contract requires unique case-sensitive tags in first-occurrence order. Compare Python A: return sorted(set(tags)) with B: return list(dict.fromkeys(tags)). Input: ["red", "Blue", "red", "blue"]. Give a criterion table, select the compliant implementation and provide tests for order and case preservation. Do not alter the contract to fit either implementation.A two-implementation decision table, a selected implementation and two contract-focused tests.Check that sorting is recognized as an order violation and Blue remains distinct from blue.qwen/qwen3-235b-a22b-fp8A Qwen3-235B-A22B-FP8 a Qwen3 nagy szakértőkeverék-modelljének hivatalos, finom szemcsézettségű FP8-ellenőrzőpontja. Megőrzi a hibrid szöveges következtetési és párbeszédképességeket, saját kvantálási azonossággal és futtatókörnyezethez kapcsolódó szempontokkal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-235B-A22B-FP8 a Qwen3-235B-A22B hivatalos FP8 változata. Ismertetett szöveges képességei matematikai és logikai következtetést, kódgenerálást, kreatív írást, szerepalapú párbeszédet és többfordulós utasításkövetést fednek le több mint 100 nyelven és nyelvjárásban. Gondolkodó és közvetlen válaszadási módot kombinál. Használd olyan feladathoz, amely több feltételt kapcsol össze, például két megvalósítás összehasonlításához ugyanazzal a specifikációval, majd az összehasonlítás konkrét változtatási javaslattá alakításához.
Az alapul szolgáló architektúra szakértőkeverék: összesen 235 milliárd paraméter, feldolgozáskor 22 milliárd aktív paraméter, 94 réteg és 128 szakértő, tokenenként nyolc kiválasztott szakértővel. A csoportosított lekérdezésű figyelem 64 lekérdezési fejet és négy kulcs/érték fejet használ. Az FP8 utótag külön közzétett ellenőrzőpontot azonosít, nem további válaszmodalitást vagy eltérő paraméterszámot. A modell szöveget fogad és generál. Egy kódellenőrző asszisztensnek add meg a specifikációt, a releváns forrásfájlokat és az elvárt működést; kérj döntési táblázatot, kiválasztott módosítást és a szándékolt eredményt szemléltető példákat.
A gyártó kezdő munkafolyamata a forrást és az utasításokat beszélgetéssé formázza. Dokumentum-összehasonlításnál jelöld a változatokat, add meg az egyes források mérvadó szerepét, és azonosítsd a változatlanul hagyandó követelményeket. Matematikai kérdésnél add meg a teljes állítást és a végső válasz kívánt formáját. Megvalósítási feladatnál határozd meg a nyelvet, a valós bemenet szerkezetét, a hibás esetet és a megőrzendő felületeket. Tedd egyértelművé a végső eredményt, hogy a hosszú válasz is az eredeti kérést oldja meg. A közzétett integráció Qwen3-kompatibilis futtatókörnyezetet vár; a kártya figyelmeztet, hogy a 4.51.0 előtti Transformers-verziók nem ismerik fel a szükséges architektúrát.
Ehhez a kiadáshoz külön FP8-megjegyzés tartozik. Az ellenőrzőpont finom szemcsézettségű FP8-kvantálást használ 128-as blokkmérettel; közzétett konfigurációja rögzíti a kvantálási sémát. A gyártó a Transformerst, az SGLangot és a vLLM-et sorolja fel következtetési lehetőségként, ugyanakkor problémákra figyelmeztet a finom szemcsézettségű FP8 elosztott Transformers-következtetésben történő használatánál. Több eszköz használata CUDA_LAUNCH_BLOCKING=1 beállítást igényelhet. Ez kiadásspecifikus kompatibilitási részlet, nem ok arra, hogy azonos sebességet, memóriahasználatot vagy kimeneti minőséget feltételezzünk a futtatókörnyezetek között. Eredmények összehasonlításakor vagy rögzítésekor őrizd meg a teljes FP8-nevet, és a tényleges ellenőrzőpontot a tervezett környezetben értékeld.
A megadott csevegéssablonban a gondolkodás az alapértelmezett, és egy kötelező érvényű kapcsoló kikapcsolhatja. Engedélyezett gondolkodás mellett a /think és /no_think az egyes fordulókat vezérelheti; a legutóbbi utasítás élvez elsőbbséget. A promptszintű kapcsolók nem írják felül a kötelező érvényű kikapcsolást. A végső választ tartsd elkülönítve a generált következtetési résztől, és a végső választ vidd tovább a későbbi párbeszéd-előzményekbe. Részletes ellentmondáselemzés kérhet gondolkodást, míg egy elfogadott következtetést újraformázó követő kérés közvetlen választ kérhet. Engedélyezett gondolkodás mellett még a promptszintű nem gondolkodási kérés is megtart egy következtetési blokkot; annak tartalma üres lehet. A kötelező érvényű kikapcsolás eltávolítja a blokkot.
A kártya a Qwen-Agentet ajánlja az eszközhívási sablonokhoz és feldolgozáshoz. Műszaki asszisztensnél az alkalmazás tesztfuttatót vagy csak olvasható forráslekérdezést tehet elérhetővé, végrehajthatja az elfogadott hívást, és bizonyítékot adhat vissza a következő válaszhoz. Határozd meg az eszköz bemeneteit, engedélyeit és eredménymezőit. Követeld meg, hogy az asszisztens a javasolt változtatást összekapcsolja a visszaadott eredménnyel, és különböztesse meg a kért tesztet az alkalmazás által ténylegesen befejezett teszttől. A modell eszközökkel kapcsolatos képességei ettől a környező végrehajtási folyamattól függenek. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, ahol az argumentumok objektumokként szerepelnek, és az eredmények visszakerülnek a beszélgetésbe.
A natív kontextus 32 768 token, YaRN-kiterjesztéssel pedig 131 072 token dokumentált. A bemenet és a generált kimenet osztozik a szekvenciakereten. A nagyobb ablakhoz megfelelő konfiguráció kell, a statikus YaRN pedig befolyásolhatja a rövid bemeneteket. A hosszú forrásanyagot fájlonként vagy részenként rendezd, és hagyj helyet a végső összehasonlításnak vagy kódnak. A gyorsindításban és a bevált gyakorlatok ajánlásaiban szereplő kimenethosszak generálási útmutatást jelentenek, nem bizonyítanak önálló, a teljes szolgáltatásra érvényes kimeneti maximumot. A Qwen3 dokumentáció a tanítási hossz magyarázatában gondolkodó módban 38 912, nem gondolkodó módban 16 384 tokenes asszisztensüzeneteket tárgyal, és a hosszabb generálás minőségének értékelését ajánlja. Ezek a számok eltérnek a teljes kontextusablaktól, és nem végpontspecifikus, szigorú korlátok. A kártya az alapértelmezett, 40 960 tokenes pozíciókiosztást is elmagyarázza: 8 192 a tipikus promptokhoz és 32 768 a kimenethez; ez gyártói konfigurációs útmutatás, külön a natív tanítási kontextustól és bármilyen végpontkorláttól.
Gondolkodó módban az ajánlott mintavételezés temperature 0.6, top-p 0.95, top-k 20 és min-p 0; a közvetlen mód 0.7, 0.8, 20 és 0 értéket használ. Gondolkodó módban a mohó dekódolás ismétlést okozhat, az erősebb presence penalty pedig nyelvkeveredéshez vezethet. Kérj ellenőrizhető végső szerkezetet, például eredménytáblázatot, majd a módosított függvényt és a releváns eseteket. Ellenőrizd a számszerű következtetéseket, futtasd a kódot a célkörnyezetben, és tekintsd át az eszközök eredményeit a javasolt változtatás alkalmazása előtt. Az FP8-ellenőrzőpont azonosságát és futtatókörnyezeti fenntartásait ehhez az értékeléshez kapcsolva ajánlott megőrizni.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3-235b-a22b-fp8 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0016 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-235b-a22b-fp8", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-235b-a22b-fp8',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-235b-a22b-fp8',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra qwen/qwen3-235b-a22b-fp8
Használja a fent látható metódusútvonalakat.
qwen/qwen3-235b-a22b-fp8A Qwen3-235B-A22B-FP8 a Qwen3 nagy szakértőkeverék-modelljének hivatalos, finom szemcsézettségű FP8-ellenőrzőpontja. Megőrzi a hibrid szöveges következtetési és párbeszédképességeket, saját kvantálási azonossággal és futtatókörnyezethez kapcsolódó szempontokkal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-235B-A22B-FP8 a Qwen3-235B-A22B hivatalos FP8 változata. Ismertetett szöveges képességei matematikai és logikai következtetést, kódgenerálást, kreatív írást, szerepalapú párbeszédet és többfordulós utasításkövetést fednek le több mint 100 nyelven és nyelvjárásban. Gondolkodó és közvetlen válaszadási módot kombinál. Használd olyan feladathoz, amely több feltételt kapcsol össze, például két megvalósítás összehasonlításához ugyanazzal a specifikációval, majd az összehasonlítás konkrét változtatási javaslattá alakításához.
Az alapul szolgáló architektúra szakértőkeverék: összesen 235 milliárd paraméter, feldolgozáskor 22 milliárd aktív paraméter, 94 réteg és 128 szakértő, tokenenként nyolc kiválasztott szakértővel. A csoportosított lekérdezésű figyelem 64 lekérdezési fejet és négy kulcs/érték fejet használ. Az FP8 utótag külön közzétett ellenőrzőpontot azonosít, nem további válaszmodalitást vagy eltérő paraméterszámot. A modell szöveget fogad és generál. Egy kódellenőrző asszisztensnek add meg a specifikációt, a releváns forrásfájlokat és az elvárt működést; kérj döntési táblázatot, kiválasztott módosítást és a szándékolt eredményt szemléltető példákat.
A gyártó kezdő munkafolyamata a forrást és az utasításokat beszélgetéssé formázza. Dokumentum-összehasonlításnál jelöld a változatokat, add meg az egyes források mérvadó szerepét, és azonosítsd a változatlanul hagyandó követelményeket. Matematikai kérdésnél add meg a teljes állítást és a végső válasz kívánt formáját. Megvalósítási feladatnál határozd meg a nyelvet, a valós bemenet szerkezetét, a hibás esetet és a megőrzendő felületeket. Tedd egyértelművé a végső eredményt, hogy a hosszú válasz is az eredeti kérést oldja meg. A közzétett integráció Qwen3-kompatibilis futtatókörnyezetet vár; a kártya figyelmeztet, hogy a 4.51.0 előtti Transformers-verziók nem ismerik fel a szükséges architektúrát.
Ehhez a kiadáshoz külön FP8-megjegyzés tartozik. Az ellenőrzőpont finom szemcsézettségű FP8-kvantálást használ 128-as blokkmérettel; közzétett konfigurációja rögzíti a kvantálási sémát. A gyártó a Transformerst, az SGLangot és a vLLM-et sorolja fel következtetési lehetőségként, ugyanakkor problémákra figyelmeztet a finom szemcsézettségű FP8 elosztott Transformers-következtetésben történő használatánál. Több eszköz használata CUDA_LAUNCH_BLOCKING=1 beállítást igényelhet. Ez kiadásspecifikus kompatibilitási részlet, nem ok arra, hogy azonos sebességet, memóriahasználatot vagy kimeneti minőséget feltételezzünk a futtatókörnyezetek között. Eredmények összehasonlításakor vagy rögzítésekor őrizd meg a teljes FP8-nevet, és a tényleges ellenőrzőpontot a tervezett környezetben értékeld.
A megadott csevegéssablonban a gondolkodás az alapértelmezett, és egy kötelező érvényű kapcsoló kikapcsolhatja. Engedélyezett gondolkodás mellett a /think és /no_think az egyes fordulókat vezérelheti; a legutóbbi utasítás élvez elsőbbséget. A promptszintű kapcsolók nem írják felül a kötelező érvényű kikapcsolást. A végső választ tartsd elkülönítve a generált következtetési résztől, és a végső választ vidd tovább a későbbi párbeszéd-előzményekbe. Részletes ellentmondáselemzés kérhet gondolkodást, míg egy elfogadott következtetést újraformázó követő kérés közvetlen választ kérhet. Engedélyezett gondolkodás mellett még a promptszintű nem gondolkodási kérés is megtart egy következtetési blokkot; annak tartalma üres lehet. A kötelező érvényű kikapcsolás eltávolítja a blokkot.
A kártya a Qwen-Agentet ajánlja az eszközhívási sablonokhoz és feldolgozáshoz. Műszaki asszisztensnél az alkalmazás tesztfuttatót vagy csak olvasható forráslekérdezést tehet elérhetővé, végrehajthatja az elfogadott hívást, és bizonyítékot adhat vissza a következő válaszhoz. Határozd meg az eszköz bemeneteit, engedélyeit és eredménymezőit. Követeld meg, hogy az asszisztens a javasolt változtatást összekapcsolja a visszaadott eredménnyel, és különböztesse meg a kért tesztet az alkalmazás által ténylegesen befejezett teszttől. A modell eszközökkel kapcsolatos képességei ettől a környező végrehajtási folyamattól függenek. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, ahol az argumentumok objektumokként szerepelnek, és az eredmények visszakerülnek a beszélgetésbe.
A natív kontextus 32 768 token, YaRN-kiterjesztéssel pedig 131 072 token dokumentált. A bemenet és a generált kimenet osztozik a szekvenciakereten. A nagyobb ablakhoz megfelelő konfiguráció kell, a statikus YaRN pedig befolyásolhatja a rövid bemeneteket. A hosszú forrásanyagot fájlonként vagy részenként rendezd, és hagyj helyet a végső összehasonlításnak vagy kódnak. A gyorsindításban és a bevált gyakorlatok ajánlásaiban szereplő kimenethosszak generálási útmutatást jelentenek, nem bizonyítanak önálló, a teljes szolgáltatásra érvényes kimeneti maximumot. A Qwen3 dokumentáció a tanítási hossz magyarázatában gondolkodó módban 38 912, nem gondolkodó módban 16 384 tokenes asszisztensüzeneteket tárgyal, és a hosszabb generálás minőségének értékelését ajánlja. Ezek a számok eltérnek a teljes kontextusablaktól, és nem végpontspecifikus, szigorú korlátok. A kártya az alapértelmezett, 40 960 tokenes pozíciókiosztást is elmagyarázza: 8 192 a tipikus promptokhoz és 32 768 a kimenethez; ez gyártói konfigurációs útmutatás, külön a natív tanítási kontextustól és bármilyen végpontkorláttól.
Gondolkodó módban az ajánlott mintavételezés temperature 0.6, top-p 0.95, top-k 20 és min-p 0; a közvetlen mód 0.7, 0.8, 20 és 0 értéket használ. Gondolkodó módban a mohó dekódolás ismétlést okozhat, az erősebb presence penalty pedig nyelvkeveredéshez vezethet. Kérj ellenőrizhető végső szerkezetet, például eredménytáblázatot, majd a módosított függvényt és a releváns eseteket. Ellenőrizd a számszerű következtetéseket, futtasd a kódot a célkörnyezetben, és tekintsd át az eszközök eredményeit a javasolt változtatás alkalmazása előtt. Az FP8-ellenőrzőpont azonosságát és futtatókörnyezeti fenntartásait ehhez az értékeléshez kapcsolva ajánlott megőrizni.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3-235b-a22b-fp8 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0016 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "qwen/qwen3-235b-a22b-fp8",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-235b-a22b-fp8', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-235b-a22b-fp8', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra qwen/qwen3-235b-a22b-fp8
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Compare two normalizers to a contract\n\nThe contract requires unique case-sensitive tags in first-occurrence order. Compare Python A: return sorted(set(tags)) with B: return list(dict.fromkeys(tags)). Input: ["red", "Blue", "red", "blue"]. Give a criterion table, select the compliant implementation and provide tests for order and case preservation. Do not alter the contract to fit either implementation.A two-implementation decision table, a selected implementation and two contract-focused tests.Check that sorting is recognized as an order violation and Blue remains distinct from blue.