A Qwen3-Next fő jellemzői: közvetlen szöveges utasítások
A Qwen3-Next-80B-A3B-Instruct a Qwen3-Next utasításkövető, gondolkodás nélküli szöveges kiadása. Szöveget fogad, és szöveget ad vissza, köztük magyarázatokat, kódjavaslatokat és kért dokumentum-munkatermékeket. Nem generál explicit gondolkodási blokkokat. Tartsa külön a Thinking kiadástól és a kódolásra specializált Qwen3-Coder-Next modelltől; a közös családarchitektúra nem teszi felcserélhetővé válaszadási szerződéseiket.
A család Gated DeltaNetet és kapuzott figyelmet kombináló hibrid figyelmet, ritka aktiválású szakértőket, stabilitási optimalizációkat — köztük nullaközpontú és súlylecsengéssel kezelt rétegnormalizálást —, valamint többtokenes előrejelzést vezet be. E változások a hosszú szekvenciák reprezentációját és tanítását érintik. Következtetési hatékonyságuk megvalósításfüggő, ezért az architekturális számok nem válhatnak rögzített késleltetési vagy áteresztőképességi garanciává.
A modell áttekintése
A modellváltozat összesen 80 milliárd paraméterből hárommilliárdot aktivál. 48 rétegében az a mintázat ismétlődik, hogy három DeltaNet szakértői réteget egy kapuzott figyelmi szakértői réteg követ. A gyártó 512 szakértőt, tíz aktivált szakértőt és egy közös szakértőt sorol fel, 15 billió tokenes előtanítással, majd utótanítással. Az aktivált paraméterek nem jelentik a teljes modellváltozat méretét.
A natív kontextus 262,144 token, dokumentáltan 1,010,000 tokenre bővíthető. A gyártó telepítési példái kisebb, például 32,768 kontextust is megengednek, ha erőforráskorlátok miatt a nagyobb beállítás nem működik. A szöveg, beszélgetési előzmények, eszközmegfigyelések és generált tartalom közösen használja a beállított szekvenciakeretet. A bővítés további beállítási út, nem alapértelmezett korlátlan bemenet.
Az utasításkövető felület használata
E modell kizárólag utasításkövető, gondolkodás nélküli módot támogat. Hagyományos szövegben megmagyarázhat algoritmust, bemutathat számításokat vagy indokolhat következtetést külön gondolkodási blokk nélkül. Kérje a munkatermék formátumát és határait: teljes függvényt, tömör jelentést, bizonyítéktáblázatot vagy alátámasztó lépéseket tartalmazó választ. Hosszú magyarázat kérése nem alakítja a külön megnevezett Thinking modellváltozattá.
Dokumentumfeladatnál őrizze meg a szakaszazonosítókat, és határozza meg a jelentés által megválaszolandó kérdéseket. Kódhoz adja meg a releváns függvényt vagy modult, bemeneti korlátokat és elvárt kimenetet. Matematikához adja meg a teljes feladatot, és kérjen elhatárolt végső eredményt. A visszaadott számításokat, kódot vagy magyarázatot vesse össze a megadott feltételekkel és tényleges eredményekkel.
Megvalósítás és eszközök
A gyártó dokumentálja az eszközhívást, és sablonokhoz és feldolgozáshoz a Qwen-Agent használatát ajánlja, beállított vagy MCP-n keresztül csatlakozó eszközökkel. A kapcsolódó folyamat információlekérést, vizsgálatot vagy engedélyezett végrehajtást biztosíthat, és tényleges megfigyeléseket adhat vissza. Határozza meg az eszközöket, engedélyezett műveleteket és látható teljesítési feltételeket, majd kérje, hogy a végső jelentés különítse el a javaslatokat a ténylegesen visszaadott eredményektől.
A többtokenes előrejelzés része a tanításnak, de következtetéskori használata megvalósításfüggő, és általában nem érhető el minden könnyű folyamatban. A sablon vagy architekturális funkció önmagában nem igazol hozzáférést aktuális forrásokhoz, fájlokhoz vagy kódkörnyezethez. Őrizze meg a kiválasztott felület által használt pontos modellt és beszélgetési formátumot.
Rendkívül hosszú szöveg
A gyártó YaRN-nal hozzávetőleg egymillió tokenes kontextust validál, és a 262,144 natív pozícióra alapozott négyszeres szorzójú receptet ad. 524,288 tokenes terheléshez kétszeres szorzót javasol. A statikus skálázás ronthatja a rövidebb szövegek teljesítményét, ezért a beállításnak a hosszabb bemenet tényleges szükségletét kell követnie.
A hosszú anyagot tartsa dokumentum, kódútvonal vagy szakasz szerint rendezve, és távolítsa el a nem kapcsolódó ismétléseket. Kérje a választól alátámasztó részleteinek vagy feltételeinek azonosítását. Hagyjon helyet a válasznak, ne kezelje a legnagyobb kontextusszámot minden megadott részlet teljes felidézéseként. A közzétett 1,010,000 tokenes bővítési szám és az egymillió körüli validálás a gyártó hosszúkontextus-folyamatának körében marad.
Generálási útmutató
A Best Practices temperature 0.7, top_p 0.8, top_k 20 és min_p 0 értékeket ajánl. Ahol támogatott, a nulla és kettő közötti jelenléti büntetés csökkentheti a szövegismétlést, de a magasabb értékek nyelvek keveredését vagy enyhe minőségromlást okozhatnak. A gyártó a legtöbb lekérdezéshez 16,384 tokenes kimeneti keretet ajánl. Ez ajánlott generálási keret, nem független, szigorú maximum; nem örökölheti a Thinking kiadás hosszabb kereteit.
Adja meg egyértelműen az eredmény formáját, például matematikai elválasztót vagy válaszmezőt. A végső munkaterméket tegye könnyen vizsgálhatóvá, és számításait, idézeteit vagy kódját ellenőrizze a forrással. Ez a kizárólag szöveges kiadás nem fogad képet, hangot vagy videót saját bemenetként, ezért ezen anyagokhoz megfelelő külön reprezentáció szükséges, mielőtt támogathatják a feladatot.
Gyakorlati eredmény
A hasznos kimenet a megadott feltételekre alapozott konkrét szöveges munkatermék: dokumentummagyarázat, kódjavaslat vagy közvetlen válasz a szükséges alátámasztó részletekkel. A hosszú kontextus és eszközhívás segítheti több bizonyíték továbbvitelét egy folyamaton, miközben a gondolkodás nélküli szerződés világosan tartja e pontos kiadás kimeneti stílusát. Az eredményt a valódi feladatkörnyezetben ellenőrizze, ne hosszából vagy magabiztos megfogalmazásából következtessen helyességére.
", "aboutText": "A Qwen3-Next fő jellemzői: közvetlen szöveges utasítások\n\nA Qwen3-Next-80B-A3B-Instruct a Qwen3-Next utasításkövető, gondolkodás nélküli szöveges kiadása. Szöveget fogad, és szöveget ad vissza, köztük magyarázatokat, kódjavaslatokat és kért dokumentum-munkatermékeket. Nem generál explicit gondolkodási blokkokat. Tartsa külön a Thinking kiadástól és a kódolásra specializált Qwen3-Coder-Next modelltől; a közös családarchitektúra nem teszi felcserélhetővé válaszadási szerződéseiket.\n\nA család Gated DeltaNetet és kapuzott figyelmet kombináló hibrid figyelmet, ritka aktiválású szakértőket, stabilitási optimalizációkat — köztük nullaközpontú és súlylecsengéssel kezelt rétegnormalizálást —, valamint többtokenes előrejelzést vezet be. E változások a hosszú szekvenciák reprezentációját és tanítását érintik. Következtetési hatékonyságuk megvalósításfüggő, ezért az architekturális számok nem válhatnak rögzített késleltetési vagy áteresztőképességi garanciává.\n\nA modell áttekintése\n\nA modellváltozat összesen 80 milliárd paraméterből hárommilliárdot aktivál. 48 rétegében az a mintázat ismétlődik, hogy három DeltaNet szakértői réteget egy kapuzott figyelmi szakértői réteg követ. A gyártó 512 szakértőt, tíz aktivált szakértőt és egy közös szakértőt sorol fel, 15 billió tokenes előtanítással, majd utótanítással. Az aktivált paraméterek nem jelentik a teljes modellváltozat méretét.\n\nA natív kontextus 262,144 token, dokumentáltan 1,010,000 tokenre bővíthető. A gyártó telepítési példái kisebb, például 32,768 kontextust is megengednek, ha erőforráskorlátok miatt a nagyobb beállítás nem működik. A szöveg, beszélgetési előzmények, eszközmegfigyelések és generált tartalom közösen használja a beállított szekvenciakeretet. A bővítés további beállítási út, nem alapértelmezett korlátlan bemenet.\n\nAz utasításkövető felület használata\n\nE modell kizárólag utasításkövető, gondolkodás nélküli módot támogat. Hagyományos szövegben megmagyarázhat algoritmust, bemutathat számításokat vagy indokolhat következtetést külön gondolkodási blokk nélkül. Kérje a munkatermék formátumát és határait: teljes függvényt, tömör jelentést, bizonyítéktáblázatot vagy alátámasztó lépéseket tartalmazó választ. Hosszú magyarázat kérése nem alakítja a külön megnevezett Thinking modellváltozattá.\n\nDokumentumfeladatnál őrizze meg a szakaszazonosítókat, és határozza meg a jelentés által megválaszolandó kérdéseket. Kódhoz adja meg a releváns függvényt vagy modult, bemeneti korlátokat és elvárt kimenetet. Matematikához adja meg a teljes feladatot, és kérjen elhatárolt végső eredményt. A visszaadott számításokat, kódot vagy magyarázatot vesse össze a megadott feltételekkel és tényleges eredményekkel.\n\nMegvalósítás és eszközök\n\nA gyártó dokumentálja az eszközhívást, és sablonokhoz és feldolgozáshoz a Qwen-Agent használatát ajánlja, beállított vagy MCP-n keresztül csatlakozó eszközökkel. A kapcsolódó folyamat információlekérést, vizsgálatot vagy engedélyezett végrehajtást biztosíthat, és tényleges megfigyeléseket adhat vissza. Határozza meg az eszközöket, engedélyezett műveleteket és látható teljesítési feltételeket, majd kérje, hogy a végső jelentés különítse el a javaslatokat a ténylegesen visszaadott eredményektől.\n\nA többtokenes előrejelzés része a tanításnak, de következtetéskori használata megvalósításfüggő, és általában nem érhető el minden könnyű folyamatban. A sablon vagy architekturális funkció önmagában nem igazol hozzáférést aktuális forrásokhoz, fájlokhoz vagy kódkörnyezethez. Őrizze meg a kiválasztott felület által használt pontos modellt és beszélgetési formátumot.\n\nRendkívül hosszú szöveg\n\nA gyártó YaRN-nal hozzávetőleg egymillió tokenes kontextust validál, és a 262,144 natív pozícióra alapozott négyszeres szorzójú receptet ad. 524,288 tokenes terheléshez kétszeres szorzót javasol. A statikus skálázás ronthatja a rövidebb szövegek teljesítményét, ezért a beállításnak a hosszabb bemenet tényleges szükségletét kell követnie.\n\nA hosszú anyagot tartsa dokumentum, kódútvonal vagy szakasz szerint rendezve, és távolítsa el a nem kapcsolódó ismétléseket. Kérje a választól alátámasztó részleteinek vagy feltételeinek azonosítását. Hagyjon helyet a válasznak, ne kezelje a legnagyobb kontextusszámot minden megadott részlet teljes felidézéseként. A közzétett 1,010,000 tokenes bővítési szám és az egymillió körüli validálás a gyártó hosszúkontextus-folyamatának körében marad.\n\nGenerálási útmutató\n\nA Best Practices temperature 0.7, top_p 0.8, top_k 20 és min_p 0 értékeket ajánl. Ahol támogatott, a nulla és kettő közötti jelenléti büntetés csökkentheti a szövegismétlést, de a magasabb értékek nyelvek keveredését vagy enyhe minőségromlást okozhatnak. A gyártó a legtöbb lekérdezéshez 16,384 tokenes kimeneti keretet ajánl. Ez ajánlott generálási keret, nem független, szigorú maximum; nem örökölheti a Thinking kiadás hosszabb kereteit.\n\nAdja meg egyértelműen az eredmény formáját, például matematikai elválasztót vagy válaszmezőt. A végső munkaterméket tegye könnyen vizsgálhatóvá, és számításait, idézeteit vagy kódját ellenőrizze a forrással. Ez a kizárólag szöveges kiadás nem fogad képet, hangot vagy videót saját bemenetként, ezért ezen anyagokhoz megfelelő külön reprezentáció szükséges, mielőtt támogathatják a feladatot.\n\nGyakorlati eredmény\n\nA hasznos kimenet a megadott feltételekre alapozott konkrét szöveges munkatermék: dokumentummagyarázat, kódjavaslat vagy közvetlen válasz a szükséges alátámasztó részletekkel. A hosszú kontextus és eszközhívás segítheti több bizonyíték továbbvitelét egy folyamaton, miközben a gondolkodás nélküli szerződés világosan tartja e pontos kiadás kimeneti stílusát. Az eredményt a valódi feladatkörnyezetben ellenőrizze, ne hosszából vagy magabiztos megfogalmazásából következtessen helyességére.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Explain a section-specific decision\n\nAnswer only from these procedure sections. Section 2: standard purchases need a manager's approval. Section 4: emergency safety purchases may proceed first, but must be reported to that manager within one day. Case: a broken emergency exit light needs replacement today. Give a concise recommendation with section references and identify the follow-up obligation. Do not invent an approval already granted.A direct recommendation with supporting sections and the one-day reporting obligation.The emergency exception retains its reporting condition and is not generalised to all purchases.qwen/qwen3-next-80b-a3b-instructA Qwen3-Next-80B-A3B-Instruct a Qwen gondolkodás nélküli szöveges kiadása, összesen 80 milliárd és 3 milliárd aktivált paraméterrel. Hibrid figyelmet, ritka szakértőket és eszközhívást ötvöz natív 262,144 tokenes kontextussal, amely beállítással 1,010,000 tokenre bővíthető.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-Next fő jellemzői: közvetlen szöveges utasítások
A Qwen3-Next-80B-A3B-Instruct a Qwen3-Next utasításkövető, gondolkodás nélküli szöveges kiadása. Szöveget fogad, és szöveget ad vissza, köztük magyarázatokat, kódjavaslatokat és kért dokumentum-munkatermékeket. Nem generál explicit gondolkodási blokkokat. Tartsa külön a Thinking kiadástól és a kódolásra specializált Qwen3-Coder-Next modelltől; a közös családarchitektúra nem teszi felcserélhetővé válaszadási szerződéseiket.
A család Gated DeltaNetet és kapuzott figyelmet kombináló hibrid figyelmet, ritka aktiválású szakértőket, stabilitási optimalizációkat — köztük nullaközpontú és súlylecsengéssel kezelt rétegnormalizálást —, valamint többtokenes előrejelzést vezet be. E változások a hosszú szekvenciák reprezentációját és tanítását érintik. Következtetési hatékonyságuk megvalósításfüggő, ezért az architekturális számok nem válhatnak rögzített késleltetési vagy áteresztőképességi garanciává.
A modell áttekintése
A modellváltozat összesen 80 milliárd paraméterből hárommilliárdot aktivál. 48 rétegében az a mintázat ismétlődik, hogy három DeltaNet szakértői réteget egy kapuzott figyelmi szakértői réteg követ. A gyártó 512 szakértőt, tíz aktivált szakértőt és egy közös szakértőt sorol fel, 15 billió tokenes előtanítással, majd utótanítással. Az aktivált paraméterek nem jelentik a teljes modellváltozat méretét.
A natív kontextus 262,144 token, dokumentáltan 1,010,000 tokenre bővíthető. A gyártó telepítési példái kisebb, például 32,768 kontextust is megengednek, ha erőforráskorlátok miatt a nagyobb beállítás nem működik. A szöveg, beszélgetési előzmények, eszközmegfigyelések és generált tartalom közösen használja a beállított szekvenciakeretet. A bővítés további beállítási út, nem alapértelmezett korlátlan bemenet.
Az utasításkövető felület használata
E modell kizárólag utasításkövető, gondolkodás nélküli módot támogat. Hagyományos szövegben megmagyarázhat algoritmust, bemutathat számításokat vagy indokolhat következtetést külön gondolkodási blokk nélkül. Kérje a munkatermék formátumát és határait: teljes függvényt, tömör jelentést, bizonyítéktáblázatot vagy alátámasztó lépéseket tartalmazó választ. Hosszú magyarázat kérése nem alakítja a külön megnevezett Thinking modellváltozattá.
Dokumentumfeladatnál őrizze meg a szakaszazonosítókat, és határozza meg a jelentés által megválaszolandó kérdéseket. Kódhoz adja meg a releváns függvényt vagy modult, bemeneti korlátokat és elvárt kimenetet. Matematikához adja meg a teljes feladatot, és kérjen elhatárolt végső eredményt. A visszaadott számításokat, kódot vagy magyarázatot vesse össze a megadott feltételekkel és tényleges eredményekkel.
Megvalósítás és eszközök
A gyártó dokumentálja az eszközhívást, és sablonokhoz és feldolgozáshoz a Qwen-Agent használatát ajánlja, beállított vagy MCP-n keresztül csatlakozó eszközökkel. A kapcsolódó folyamat információlekérést, vizsgálatot vagy engedélyezett végrehajtást biztosíthat, és tényleges megfigyeléseket adhat vissza. Határozza meg az eszközöket, engedélyezett műveleteket és látható teljesítési feltételeket, majd kérje, hogy a végső jelentés különítse el a javaslatokat a ténylegesen visszaadott eredményektől.
A többtokenes előrejelzés része a tanításnak, de következtetéskori használata megvalósításfüggő, és általában nem érhető el minden könnyű folyamatban. A sablon vagy architekturális funkció önmagában nem igazol hozzáférést aktuális forrásokhoz, fájlokhoz vagy kódkörnyezethez. Őrizze meg a kiválasztott felület által használt pontos modellt és beszélgetési formátumot.
Rendkívül hosszú szöveg
A gyártó YaRN-nal hozzávetőleg egymillió tokenes kontextust validál, és a 262,144 natív pozícióra alapozott négyszeres szorzójú receptet ad. 524,288 tokenes terheléshez kétszeres szorzót javasol. A statikus skálázás ronthatja a rövidebb szövegek teljesítményét, ezért a beállításnak a hosszabb bemenet tényleges szükségletét kell követnie.
A hosszú anyagot tartsa dokumentum, kódútvonal vagy szakasz szerint rendezve, és távolítsa el a nem kapcsolódó ismétléseket. Kérje a választól alátámasztó részleteinek vagy feltételeinek azonosítását. Hagyjon helyet a válasznak, ne kezelje a legnagyobb kontextusszámot minden megadott részlet teljes felidézéseként. A közzétett 1,010,000 tokenes bővítési szám és az egymillió körüli validálás a gyártó hosszúkontextus-folyamatának körében marad.
Generálási útmutató
A Best Practices temperature 0.7, top_p 0.8, top_k 20 és min_p 0 értékeket ajánl. Ahol támogatott, a nulla és kettő közötti jelenléti büntetés csökkentheti a szövegismétlést, de a magasabb értékek nyelvek keveredését vagy enyhe minőségromlást okozhatnak. A gyártó a legtöbb lekérdezéshez 16,384 tokenes kimeneti keretet ajánl. Ez ajánlott generálási keret, nem független, szigorú maximum; nem örökölheti a Thinking kiadás hosszabb kereteit.
Adja meg egyértelműen az eredmény formáját, például matematikai elválasztót vagy válaszmezőt. A végső munkaterméket tegye könnyen vizsgálhatóvá, és számításait, idézeteit vagy kódját ellenőrizze a forrással. Ez a kizárólag szöveges kiadás nem fogad képet, hangot vagy videót saját bemenetként, ezért ezen anyagokhoz megfelelő külön reprezentáció szükséges, mielőtt támogathatják a feladatot.
Gyakorlati eredmény
A hasznos kimenet a megadott feltételekre alapozott konkrét szöveges munkatermék: dokumentummagyarázat, kódjavaslat vagy közvetlen válasz a szükséges alátámasztó részletekkel. A hosszú kontextus és eszközhívás segítheti több bizonyíték továbbvitelét egy folyamaton, miközben a gondolkodás nélküli szerződés világosan tartja e pontos kiadás kimeneti stílusát. Az eredményt a valódi feladatkörnyezetben ellenőrizze, ne hosszából vagy magabiztos megfogalmazásából következtessen helyességére.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3-next-80b-a3b-instruct | 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.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.000286 / 1K token Kimenet · Kimeneti tokenek $0.0022 / 1K token Bemenet · Gyorsítótár olvasása $0.00014 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.000286 / 1K token Kimenet · Kimeneti tokenek $0.0022 / 1K token Bemenet · Gyorsítótár olvasása $0.00014 / 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-next-80b-a3b-instruct", "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-next-80b-a3b-instruct',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-next-80b-a3b-instruct',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-next-80b-a3b-instruct
Használja a fent látható metódusútvonalakat.
qwen/qwen3-next-80b-a3b-instructA Qwen3-Next-80B-A3B-Instruct a Qwen gondolkodás nélküli szöveges kiadása, összesen 80 milliárd és 3 milliárd aktivált paraméterrel. Hibrid figyelmet, ritka szakértőket és eszközhívást ötvöz natív 262,144 tokenes kontextussal, amely beállítással 1,010,000 tokenre bővíthető.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-Next fő jellemzői: közvetlen szöveges utasítások
A Qwen3-Next-80B-A3B-Instruct a Qwen3-Next utasításkövető, gondolkodás nélküli szöveges kiadása. Szöveget fogad, és szöveget ad vissza, köztük magyarázatokat, kódjavaslatokat és kért dokumentum-munkatermékeket. Nem generál explicit gondolkodási blokkokat. Tartsa külön a Thinking kiadástól és a kódolásra specializált Qwen3-Coder-Next modelltől; a közös családarchitektúra nem teszi felcserélhetővé válaszadási szerződéseiket.
A család Gated DeltaNetet és kapuzott figyelmet kombináló hibrid figyelmet, ritka aktiválású szakértőket, stabilitási optimalizációkat — köztük nullaközpontú és súlylecsengéssel kezelt rétegnormalizálást —, valamint többtokenes előrejelzést vezet be. E változások a hosszú szekvenciák reprezentációját és tanítását érintik. Következtetési hatékonyságuk megvalósításfüggő, ezért az architekturális számok nem válhatnak rögzített késleltetési vagy áteresztőképességi garanciává.
A modell áttekintése
A modellváltozat összesen 80 milliárd paraméterből hárommilliárdot aktivál. 48 rétegében az a mintázat ismétlődik, hogy három DeltaNet szakértői réteget egy kapuzott figyelmi szakértői réteg követ. A gyártó 512 szakértőt, tíz aktivált szakértőt és egy közös szakértőt sorol fel, 15 billió tokenes előtanítással, majd utótanítással. Az aktivált paraméterek nem jelentik a teljes modellváltozat méretét.
A natív kontextus 262,144 token, dokumentáltan 1,010,000 tokenre bővíthető. A gyártó telepítési példái kisebb, például 32,768 kontextust is megengednek, ha erőforráskorlátok miatt a nagyobb beállítás nem működik. A szöveg, beszélgetési előzmények, eszközmegfigyelések és generált tartalom közösen használja a beállított szekvenciakeretet. A bővítés további beállítási út, nem alapértelmezett korlátlan bemenet.
Az utasításkövető felület használata
E modell kizárólag utasításkövető, gondolkodás nélküli módot támogat. Hagyományos szövegben megmagyarázhat algoritmust, bemutathat számításokat vagy indokolhat következtetést külön gondolkodási blokk nélkül. Kérje a munkatermék formátumát és határait: teljes függvényt, tömör jelentést, bizonyítéktáblázatot vagy alátámasztó lépéseket tartalmazó választ. Hosszú magyarázat kérése nem alakítja a külön megnevezett Thinking modellváltozattá.
Dokumentumfeladatnál őrizze meg a szakaszazonosítókat, és határozza meg a jelentés által megválaszolandó kérdéseket. Kódhoz adja meg a releváns függvényt vagy modult, bemeneti korlátokat és elvárt kimenetet. Matematikához adja meg a teljes feladatot, és kérjen elhatárolt végső eredményt. A visszaadott számításokat, kódot vagy magyarázatot vesse össze a megadott feltételekkel és tényleges eredményekkel.
Megvalósítás és eszközök
A gyártó dokumentálja az eszközhívást, és sablonokhoz és feldolgozáshoz a Qwen-Agent használatát ajánlja, beállított vagy MCP-n keresztül csatlakozó eszközökkel. A kapcsolódó folyamat információlekérést, vizsgálatot vagy engedélyezett végrehajtást biztosíthat, és tényleges megfigyeléseket adhat vissza. Határozza meg az eszközöket, engedélyezett műveleteket és látható teljesítési feltételeket, majd kérje, hogy a végső jelentés különítse el a javaslatokat a ténylegesen visszaadott eredményektől.
A többtokenes előrejelzés része a tanításnak, de következtetéskori használata megvalósításfüggő, és általában nem érhető el minden könnyű folyamatban. A sablon vagy architekturális funkció önmagában nem igazol hozzáférést aktuális forrásokhoz, fájlokhoz vagy kódkörnyezethez. Őrizze meg a kiválasztott felület által használt pontos modellt és beszélgetési formátumot.
Rendkívül hosszú szöveg
A gyártó YaRN-nal hozzávetőleg egymillió tokenes kontextust validál, és a 262,144 natív pozícióra alapozott négyszeres szorzójú receptet ad. 524,288 tokenes terheléshez kétszeres szorzót javasol. A statikus skálázás ronthatja a rövidebb szövegek teljesítményét, ezért a beállításnak a hosszabb bemenet tényleges szükségletét kell követnie.
A hosszú anyagot tartsa dokumentum, kódútvonal vagy szakasz szerint rendezve, és távolítsa el a nem kapcsolódó ismétléseket. Kérje a választól alátámasztó részleteinek vagy feltételeinek azonosítását. Hagyjon helyet a válasznak, ne kezelje a legnagyobb kontextusszámot minden megadott részlet teljes felidézéseként. A közzétett 1,010,000 tokenes bővítési szám és az egymillió körüli validálás a gyártó hosszúkontextus-folyamatának körében marad.
Generálási útmutató
A Best Practices temperature 0.7, top_p 0.8, top_k 20 és min_p 0 értékeket ajánl. Ahol támogatott, a nulla és kettő közötti jelenléti büntetés csökkentheti a szövegismétlést, de a magasabb értékek nyelvek keveredését vagy enyhe minőségromlást okozhatnak. A gyártó a legtöbb lekérdezéshez 16,384 tokenes kimeneti keretet ajánl. Ez ajánlott generálási keret, nem független, szigorú maximum; nem örökölheti a Thinking kiadás hosszabb kereteit.
Adja meg egyértelműen az eredmény formáját, például matematikai elválasztót vagy válaszmezőt. A végső munkaterméket tegye könnyen vizsgálhatóvá, és számításait, idézeteit vagy kódját ellenőrizze a forrással. Ez a kizárólag szöveges kiadás nem fogad képet, hangot vagy videót saját bemenetként, ezért ezen anyagokhoz megfelelő külön reprezentáció szükséges, mielőtt támogathatják a feladatot.
Gyakorlati eredmény
A hasznos kimenet a megadott feltételekre alapozott konkrét szöveges munkatermék: dokumentummagyarázat, kódjavaslat vagy közvetlen válasz a szükséges alátámasztó részletekkel. A hosszú kontextus és eszközhívás segítheti több bizonyíték továbbvitelét egy folyamaton, miközben a gondolkodás nélküli szerződés világosan tartja e pontos kiadás kimeneti stílusát. Az eredményt a valódi feladatkörnyezetben ellenőrizze, ne hosszából vagy magabiztos megfogalmazásából következtessen helyességére.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3-next-80b-a3b-instruct | 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.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.000286 / 1K token Kimenet · Kimeneti tokenek $0.0022 / 1K token Bemenet · Gyorsítótár olvasása $0.00014 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.000286 / 1K token Kimenet · Kimeneti tokenek $0.0022 / 1K token Bemenet · Gyorsítótár olvasása $0.00014 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "qwen/qwen3-next-80b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-next-80b-a3b-instruct', '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-next-80b-a3b-instruct', '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-next-80b-a3b-instruct
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Explain a section-specific decision\n\nAnswer only from these procedure sections. Section 2: standard purchases need a manager's approval. Section 4: emergency safety purchases may proceed first, but must be reported to that manager within one day. Case: a broken emergency exit light needs replacement today. Give a concise recommendation with section references and identify the follow-up obligation. Do not invent an approval already granted.A direct recommendation with supporting sections and the one-day reporting obligation.The emergency exception retains its reporting condition and is not generalised to all purchases.