A Qwen3-0.6B a Qwen3 hibrid szöveges felületét biztosítja egy 0.6 milliárd paraméteres sűrű modellben. Családszintű képességei közé tartozik az utasításkövetés, a többnyelvű beszélgetés, a kreatív írás, a szerepalapú interakció, a matematika, a kód és a logikai következtetés. Ugyanebben a kiadásban gondolkodás és szokásos generálás is elérhető. A kompakt méret a modellellenőrzőpontot azonosítja, nem más bemeneti formátumot vagy egy nagyobb Qwen3 modell helyettesítő nevét.
A modellnek 0.44 milliárd nem beágyazási paramétere és 28 rétege van, csoportosított lekérdezéses figyelmi mechanizmusában 16 lekérdezési és nyolc kulcs/érték fejjel. A pontos kártya 32,768 kontextustokent dokumentál. A bejövő szöveg és a generált tartalom is a modell sorozatát foglalja, ezért az utasítások és példák összeállításakor tartalékoljon helyet a válasznak. E kiadás kártyája nem dokumentálja a néhány nagyobb Qwen3 kártyán szereplő bővítettkontextus-beállítást. Gyakorlati első feladat egy rövid, világosan meghatározott művelet, amelynek kimenete közvetlenül összevethető a forrással.
Az utasítás és az anyag bemutatásához használja a gyártó kijelölt chatsablonját. Például adjon meg rövid szolgáltatási jegyzetet, és kérjen ügyfélnek szóló üzenetet, amely változatlanul hagyja az időpont dátumát és a termék nevét. Adja meg a célolvasót, a hangvételt és a kért maximális hosszt. Címkeválasztási feladatnál sorolja fel az engedélyezett címkéket definíciókkal, és mellékeljen kétértelmű példát arra, hogyan kell jelezni a bizonytalanságot. Kérje kizárólag a címkét és a bemenet megfelelő szakaszát. Ezek konkrét kimeneti követelmények, nem állítások arról, hogy a modell ellenőrzés nélkül mindig teljesíti őket. A közzétett integráció Qwen3-at ismerő futtatókörnyezetet vár; a kártya figyelmeztet, hogy a Transformers 4.51.0 alatti verziói nem ismerik fel a szükséges architektúrát.
A megadott sablon alapértelmezetten gondolkodást használ. A gondolkodást konfigurációs szinten kikapcsoló beállítás elhagyja a következtetési szakaszt; ha a gondolkodás engedélyezve marad, a /think és /no_think vezérelheti a módot a fordulók között, a legutóbbi utasítás szerint. A konfigurációs letiltás elsőbbséget élvez ezekkel az utasításszintű promptokkal szemben. Válasszon a művelethez illeszkedő beállítást: egyszerű, jóváhagyott szövegmódosításhoz közvetlen válasz használható, míg egy feltétel érvényességének magyarázata következtetést igényelhet. Beszélgetési előzményként a végső választ mentse, ne egy korábbi következtetési szakaszt. Engedélyezett gondolkodás mellett még egy utasításszintű, gondolkodás nélküli válaszkérés is megtartja a következtetési blokkot; annak tartalma üres lehet. A konfigurációs letiltás eltávolítja ezt a blokkot.
A modellkártya eszközorientált ügynökhasználatot ír le, és a sablonokhoz, illetve feldolgozáshoz Qwen-Agentet ajánl. Egy kis szójegyzék-asszisztensnél az alkalmazás egy csak olvasható lekérdezést tehet elérhetővé, ellenőrizheti argumentumait, végrehajthatja és visszaadhatja a bejegyzést. A modell ezután a felhasználó kért stílusában magyarázhatja el a kifejezést. Előre definiálja az eszközeredményt és a hiányzó bejegyzés esetén alkalmazandó eljárást. A generált eszközkérést kérésként kell kezelni, a végrehajtásért és a visszaadott bizonyítékokért az alkalmazás felel. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, objektumként reprezentált argumentumokkal és a beszélgetésbe visszaadott eredményekkel.
A közzétett gyors kezdési és bevált gyakorlati kimeneti hosszok generálási útmutatást jelentenek, nem külön garantált API-korlátot. Célzott művelethez válasszon tömör végső rekordot, például átírt mondatot a változatlan nevekkel, vagy címkét az azt alátámasztó szöveggel. Ellenőrizze a rekordot a megadott anyag alapján. Ha a feladat hosszú magyarázattá nő, azonos típusú valódi bemeneten értékelje a hosszabb eredményt ahelyett, hogy a modell kompakt azonosítójából pontosságára vagy válaszminőségére következtetne. A Qwen3 dokumentációja a tanítási hossz magyarázatában gondolkodási módban 38,912 tokenes, nem gondolkodó módban 16,384 tokenes asszisztensüzenet-hosszakat tárgyal, és a hosszabb generálás minőségének kiértékelését ajánlja. Ezek az adatok különböznek a teljes kontextusablaktól, és nem végpontspecifikus merev korlátok.
Ez a pontos kártya jelentős ismétlés esetére is ad tanácsot: használja az ajánlott mintavételezési beállításokat, és fontolja meg a presence_penalty 1.5 értéket. Az erősebb büntetések nyelvkeveredést vagy teljesítménycsökkenést okozhatnak. A gondolkodási módhoz temperature 0.6, top-p 0.95, top-k 20 és min-p 0 tartozik; a nem gondolkodóhoz temperature 0.7, top-p 0.8, top-k 20 és min-p 0. A gyártó gondolkodási módban figyelmeztet a mohó dekódolás kerülésére. Vizsgálja meg az ismételt kifejezéseket, a megőrzött neveket és a kiválasztott címkét; utasítsa el a hibás rekordot ahelyett, hogy az olvasható prózát a kért formátum betartásának bizonyítékaként kezelné.
", "aboutText": "A Qwen3-0.6B a Qwen3 hibrid szöveges felületét biztosítja egy 0.6 milliárd paraméteres sűrű modellben. Családszintű képességei közé tartozik az utasításkövetés, a többnyelvű beszélgetés, a kreatív írás, a szerepalapú interakció, a matematika, a kód és a logikai következtetés. Ugyanebben a kiadásban gondolkodás és szokásos generálás is elérhető. A kompakt méret a modellellenőrzőpontot azonosítja, nem más bemeneti formátumot vagy egy nagyobb Qwen3 modell helyettesítő nevét.\n\nA modellnek 0.44 milliárd nem beágyazási paramétere és 28 rétege van, csoportosított lekérdezéses figyelmi mechanizmusában 16 lekérdezési és nyolc kulcs/érték fejjel. A pontos kártya 32,768 kontextustokent dokumentál. A bejövő szöveg és a generált tartalom is a modell sorozatát foglalja, ezért az utasítások és példák összeállításakor tartalékoljon helyet a válasznak. E kiadás kártyája nem dokumentálja a néhány nagyobb Qwen3 kártyán szereplő bővítettkontextus-beállítást. Gyakorlati első feladat egy rövid, világosan meghatározott művelet, amelynek kimenete közvetlenül összevethető a forrással.\n\nAz utasítás és az anyag bemutatásához használja a gyártó kijelölt chatsablonját. Például adjon meg rövid szolgáltatási jegyzetet, és kérjen ügyfélnek szóló üzenetet, amely változatlanul hagyja az időpont dátumát és a termék nevét. Adja meg a célolvasót, a hangvételt és a kért maximális hosszt. Címkeválasztási feladatnál sorolja fel az engedélyezett címkéket definíciókkal, és mellékeljen kétértelmű példát arra, hogyan kell jelezni a bizonytalanságot. Kérje kizárólag a címkét és a bemenet megfelelő szakaszát. Ezek konkrét kimeneti követelmények, nem állítások arról, hogy a modell ellenőrzés nélkül mindig teljesíti őket. A közzétett integráció Qwen3-at ismerő futtatókörnyezetet vár; a kártya figyelmeztet, hogy a Transformers 4.51.0 alatti verziói nem ismerik fel a szükséges architektúrát.\n\nA megadott sablon alapértelmezetten gondolkodást használ. A gondolkodást konfigurációs szinten kikapcsoló beállítás elhagyja a következtetési szakaszt; ha a gondolkodás engedélyezve marad, a /think és /no_think vezérelheti a módot a fordulók között, a legutóbbi utasítás szerint. A konfigurációs letiltás elsőbbséget élvez ezekkel az utasításszintű promptokkal szemben. Válasszon a művelethez illeszkedő beállítást: egyszerű, jóváhagyott szövegmódosításhoz közvetlen válasz használható, míg egy feltétel érvényességének magyarázata következtetést igényelhet. Beszélgetési előzményként a végső választ mentse, ne egy korábbi következtetési szakaszt. Engedélyezett gondolkodás mellett még egy utasításszintű, gondolkodás nélküli válaszkérés is megtartja a következtetési blokkot; annak tartalma üres lehet. A konfigurációs letiltás eltávolítja ezt a blokkot.\n\nA modellkártya eszközorientált ügynökhasználatot ír le, és a sablonokhoz, illetve feldolgozáshoz Qwen-Agentet ajánl. Egy kis szójegyzék-asszisztensnél az alkalmazás egy csak olvasható lekérdezést tehet elérhetővé, ellenőrizheti argumentumait, végrehajthatja és visszaadhatja a bejegyzést. A modell ezután a felhasználó kért stílusában magyarázhatja el a kifejezést. Előre definiálja az eszközeredményt és a hiányzó bejegyzés esetén alkalmazandó eljárást. A generált eszközkérést kérésként kell kezelni, a végrehajtásért és a visszaadott bizonyítékokért az alkalmazás felel. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, objektumként reprezentált argumentumokkal és a beszélgetésbe visszaadott eredményekkel.\n\nA közzétett gyors kezdési és bevált gyakorlati kimeneti hosszok generálási útmutatást jelentenek, nem külön garantált API-korlátot. Célzott művelethez válasszon tömör végső rekordot, például átírt mondatot a változatlan nevekkel, vagy címkét az azt alátámasztó szöveggel. Ellenőrizze a rekordot a megadott anyag alapján. Ha a feladat hosszú magyarázattá nő, azonos típusú valódi bemeneten értékelje a hosszabb eredményt ahelyett, hogy a modell kompakt azonosítójából pontosságára vagy válaszminőségére következtetne. A Qwen3 dokumentációja a tanítási hossz magyarázatában gondolkodási módban 38,912 tokenes, nem gondolkodó módban 16,384 tokenes asszisztensüzenet-hosszakat tárgyal, és a hosszabb generálás minőségének kiértékelését ajánlja. Ezek az adatok különböznek a teljes kontextusablaktól, és nem végpontspecifikus merev korlátok.\n\nEz a pontos kártya jelentős ismétlés esetére is ad tanácsot: használja az ajánlott mintavételezési beállításokat, és fontolja meg a presence_penalty 1.5 értéket. Az erősebb büntetések nyelvkeveredést vagy teljesítménycsökkenést okozhatnak. A gondolkodási módhoz temperature 0.6, top-p 0.95, top-k 20 és min-p 0 tartozik; a nem gondolkodóhoz temperature 0.7, top-p 0.8, top-k 20 és min-p 0. A gyártó gondolkodási módban figyelmeztet a mohó dekódolás kerülésére. Vizsgálja meg az ismételt kifejezéseket, a megőrzött neveket és a kiválasztott címkét; utasítsa el a hibás rekordot ahelyett, hogy az olvasható prózát a kért formátum betartásának bizonyítékaként kezelné.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
A single focused appointment rewrite\n\nRewrite this note as one friendly sentence for a customer, using at most 25 words: 'Appointment for Polar Fan repair: 14 June, 09:30. Bring the purchase receipt.' Preserve the product name, date, time and receipt instruction. Return only the sentence, with no heading or additional details.One customer-facing sentence of at most 25 words retaining all four facts.Polar Fan, 14 June and 09:30 remain exact, and the receipt instruction is present.qwen3-0.6bA Qwen3-0.6B e Qwen3-készlet legkisebb sűrű kiadása, 0.6 milliárd paraméterrel. Szöveges utasításokat és többnyelvű párbeszédet kezel közvetlen és gondolkodási módban, a kiadásra jellemző 32,768 tokenes kontextussal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-0.6B a Qwen3 hibrid szöveges felületét biztosítja egy 0.6 milliárd paraméteres sűrű modellben. Családszintű képességei közé tartozik az utasításkövetés, a többnyelvű beszélgetés, a kreatív írás, a szerepalapú interakció, a matematika, a kód és a logikai következtetés. Ugyanebben a kiadásban gondolkodás és szokásos generálás is elérhető. A kompakt méret a modellellenőrzőpontot azonosítja, nem más bemeneti formátumot vagy egy nagyobb Qwen3 modell helyettesítő nevét.
A modellnek 0.44 milliárd nem beágyazási paramétere és 28 rétege van, csoportosított lekérdezéses figyelmi mechanizmusában 16 lekérdezési és nyolc kulcs/érték fejjel. A pontos kártya 32,768 kontextustokent dokumentál. A bejövő szöveg és a generált tartalom is a modell sorozatát foglalja, ezért az utasítások és példák összeállításakor tartalékoljon helyet a válasznak. E kiadás kártyája nem dokumentálja a néhány nagyobb Qwen3 kártyán szereplő bővítettkontextus-beállítást. Gyakorlati első feladat egy rövid, világosan meghatározott művelet, amelynek kimenete közvetlenül összevethető a forrással.
Az utasítás és az anyag bemutatásához használja a gyártó kijelölt chatsablonját. Például adjon meg rövid szolgáltatási jegyzetet, és kérjen ügyfélnek szóló üzenetet, amely változatlanul hagyja az időpont dátumát és a termék nevét. Adja meg a célolvasót, a hangvételt és a kért maximális hosszt. Címkeválasztási feladatnál sorolja fel az engedélyezett címkéket definíciókkal, és mellékeljen kétértelmű példát arra, hogyan kell jelezni a bizonytalanságot. Kérje kizárólag a címkét és a bemenet megfelelő szakaszát. Ezek konkrét kimeneti követelmények, nem állítások arról, hogy a modell ellenőrzés nélkül mindig teljesíti őket. A közzétett integráció Qwen3-at ismerő futtatókörnyezetet vár; a kártya figyelmeztet, hogy a Transformers 4.51.0 alatti verziói nem ismerik fel a szükséges architektúrát.
A megadott sablon alapértelmezetten gondolkodást használ. A gondolkodást konfigurációs szinten kikapcsoló beállítás elhagyja a következtetési szakaszt; ha a gondolkodás engedélyezve marad, a /think és /no_think vezérelheti a módot a fordulók között, a legutóbbi utasítás szerint. A konfigurációs letiltás elsőbbséget élvez ezekkel az utasításszintű promptokkal szemben. Válasszon a művelethez illeszkedő beállítást: egyszerű, jóváhagyott szövegmódosításhoz közvetlen válasz használható, míg egy feltétel érvényességének magyarázata következtetést igényelhet. Beszélgetési előzményként a végső választ mentse, ne egy korábbi következtetési szakaszt. Engedélyezett gondolkodás mellett még egy utasításszintű, gondolkodás nélküli válaszkérés is megtartja a következtetési blokkot; annak tartalma üres lehet. A konfigurációs letiltás eltávolítja ezt a blokkot.
A modellkártya eszközorientált ügynökhasználatot ír le, és a sablonokhoz, illetve feldolgozáshoz Qwen-Agentet ajánl. Egy kis szójegyzék-asszisztensnél az alkalmazás egy csak olvasható lekérdezést tehet elérhetővé, ellenőrizheti argumentumait, végrehajthatja és visszaadhatja a bejegyzést. A modell ezután a felhasználó kért stílusában magyarázhatja el a kifejezést. Előre definiálja az eszközeredményt és a hiányzó bejegyzés esetén alkalmazandó eljárást. A generált eszközkérést kérésként kell kezelni, a végrehajtásért és a visszaadott bizonyítékokért az alkalmazás felel. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, objektumként reprezentált argumentumokkal és a beszélgetésbe visszaadott eredményekkel.
A közzétett gyors kezdési és bevált gyakorlati kimeneti hosszok generálási útmutatást jelentenek, nem külön garantált API-korlátot. Célzott művelethez válasszon tömör végső rekordot, például átírt mondatot a változatlan nevekkel, vagy címkét az azt alátámasztó szöveggel. Ellenőrizze a rekordot a megadott anyag alapján. Ha a feladat hosszú magyarázattá nő, azonos típusú valódi bemeneten értékelje a hosszabb eredményt ahelyett, hogy a modell kompakt azonosítójából pontosságára vagy válaszminőségére következtetne. A Qwen3 dokumentációja a tanítási hossz magyarázatában gondolkodási módban 38,912 tokenes, nem gondolkodó módban 16,384 tokenes asszisztensüzenet-hosszakat tárgyal, és a hosszabb generálás minőségének kiértékelését ajánlja. Ezek az adatok különböznek a teljes kontextusablaktól, és nem végpontspecifikus merev korlátok.
Ez a pontos kártya jelentős ismétlés esetére is ad tanácsot: használja az ajánlott mintavételezési beállításokat, és fontolja meg a presence_penalty 1.5 értéket. Az erősebb büntetések nyelvkeveredést vagy teljesítménycsökkenést okozhatnak. A gondolkodási módhoz temperature 0.6, top-p 0.95, top-k 20 és min-p 0 tartozik; a nem gondolkodóhoz temperature 0.7, top-p 0.8, top-k 20 és min-p 0. A gyártó gondolkodási módban figyelmeztet a mohó dekódolás kerülésére. Vizsgálja meg az ismételt kifejezéseket, a megőrzött neveket és a kiválasztott címkét; utasítsa el a hibás rekordot ahelyett, hogy az olvasható prózát a kért formátum betartásának bizonyítékaként kezelné.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen3-0.6b | 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 $0.0001 / 1K token Kimenet · Kimeneti tokenek $0.001 / 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": "qwen3-0.6b", "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='qwen3-0.6b',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='qwen3-0.6b',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 qwen3-0.6b
Használja a fent látható metódusútvonalakat.
qwen3-0.6bA Qwen3-0.6B e Qwen3-készlet legkisebb sűrű kiadása, 0.6 milliárd paraméterrel. Szöveges utasításokat és többnyelvű párbeszédet kezel közvetlen és gondolkodási módban, a kiadásra jellemző 32,768 tokenes kontextussal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-0.6B a Qwen3 hibrid szöveges felületét biztosítja egy 0.6 milliárd paraméteres sűrű modellben. Családszintű képességei közé tartozik az utasításkövetés, a többnyelvű beszélgetés, a kreatív írás, a szerepalapú interakció, a matematika, a kód és a logikai következtetés. Ugyanebben a kiadásban gondolkodás és szokásos generálás is elérhető. A kompakt méret a modellellenőrzőpontot azonosítja, nem más bemeneti formátumot vagy egy nagyobb Qwen3 modell helyettesítő nevét.
A modellnek 0.44 milliárd nem beágyazási paramétere és 28 rétege van, csoportosított lekérdezéses figyelmi mechanizmusában 16 lekérdezési és nyolc kulcs/érték fejjel. A pontos kártya 32,768 kontextustokent dokumentál. A bejövő szöveg és a generált tartalom is a modell sorozatát foglalja, ezért az utasítások és példák összeállításakor tartalékoljon helyet a válasznak. E kiadás kártyája nem dokumentálja a néhány nagyobb Qwen3 kártyán szereplő bővítettkontextus-beállítást. Gyakorlati első feladat egy rövid, világosan meghatározott művelet, amelynek kimenete közvetlenül összevethető a forrással.
Az utasítás és az anyag bemutatásához használja a gyártó kijelölt chatsablonját. Például adjon meg rövid szolgáltatási jegyzetet, és kérjen ügyfélnek szóló üzenetet, amely változatlanul hagyja az időpont dátumát és a termék nevét. Adja meg a célolvasót, a hangvételt és a kért maximális hosszt. Címkeválasztási feladatnál sorolja fel az engedélyezett címkéket definíciókkal, és mellékeljen kétértelmű példát arra, hogyan kell jelezni a bizonytalanságot. Kérje kizárólag a címkét és a bemenet megfelelő szakaszát. Ezek konkrét kimeneti követelmények, nem állítások arról, hogy a modell ellenőrzés nélkül mindig teljesíti őket. A közzétett integráció Qwen3-at ismerő futtatókörnyezetet vár; a kártya figyelmeztet, hogy a Transformers 4.51.0 alatti verziói nem ismerik fel a szükséges architektúrát.
A megadott sablon alapértelmezetten gondolkodást használ. A gondolkodást konfigurációs szinten kikapcsoló beállítás elhagyja a következtetési szakaszt; ha a gondolkodás engedélyezve marad, a /think és /no_think vezérelheti a módot a fordulók között, a legutóbbi utasítás szerint. A konfigurációs letiltás elsőbbséget élvez ezekkel az utasításszintű promptokkal szemben. Válasszon a művelethez illeszkedő beállítást: egyszerű, jóváhagyott szövegmódosításhoz közvetlen válasz használható, míg egy feltétel érvényességének magyarázata következtetést igényelhet. Beszélgetési előzményként a végső választ mentse, ne egy korábbi következtetési szakaszt. Engedélyezett gondolkodás mellett még egy utasításszintű, gondolkodás nélküli válaszkérés is megtartja a következtetési blokkot; annak tartalma üres lehet. A konfigurációs letiltás eltávolítja ezt a blokkot.
A modellkártya eszközorientált ügynökhasználatot ír le, és a sablonokhoz, illetve feldolgozáshoz Qwen-Agentet ajánl. Egy kis szójegyzék-asszisztensnél az alkalmazás egy csak olvasható lekérdezést tehet elérhetővé, ellenőrizheti argumentumait, végrehajthatja és visszaadhatja a bejegyzést. A modell ezután a felhasználó kért stílusában magyarázhatja el a kifejezést. Előre definiálja az eszközeredményt és a hiányzó bejegyzés esetén alkalmazandó eljárást. A generált eszközkérést kérésként kell kezelni, a végrehajtásért és a visszaadott bizonyítékokért az alkalmazás felel. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, objektumként reprezentált argumentumokkal és a beszélgetésbe visszaadott eredményekkel.
A közzétett gyors kezdési és bevált gyakorlati kimeneti hosszok generálási útmutatást jelentenek, nem külön garantált API-korlátot. Célzott művelethez válasszon tömör végső rekordot, például átírt mondatot a változatlan nevekkel, vagy címkét az azt alátámasztó szöveggel. Ellenőrizze a rekordot a megadott anyag alapján. Ha a feladat hosszú magyarázattá nő, azonos típusú valódi bemeneten értékelje a hosszabb eredményt ahelyett, hogy a modell kompakt azonosítójából pontosságára vagy válaszminőségére következtetne. A Qwen3 dokumentációja a tanítási hossz magyarázatában gondolkodási módban 38,912 tokenes, nem gondolkodó módban 16,384 tokenes asszisztensüzenet-hosszakat tárgyal, és a hosszabb generálás minőségének kiértékelését ajánlja. Ezek az adatok különböznek a teljes kontextusablaktól, és nem végpontspecifikus merev korlátok.
Ez a pontos kártya jelentős ismétlés esetére is ad tanácsot: használja az ajánlott mintavételezési beállításokat, és fontolja meg a presence_penalty 1.5 értéket. Az erősebb büntetések nyelvkeveredést vagy teljesítménycsökkenést okozhatnak. A gondolkodási módhoz temperature 0.6, top-p 0.95, top-k 20 és min-p 0 tartozik; a nem gondolkodóhoz temperature 0.7, top-p 0.8, top-k 20 és min-p 0. A gyártó gondolkodási módban figyelmeztet a mohó dekódolás kerülésére. Vizsgálja meg az ismételt kifejezéseket, a megőrzött neveket és a kiválasztott címkét; utasítsa el a hibás rekordot ahelyett, hogy az olvasható prózát a kért formátum betartásának bizonyítékaként kezelné.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen3-0.6b | 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 $0.0001 / 1K token Kimenet · Kimeneti tokenek $0.001 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "qwen3-0.6b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-0.6b', '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': 'qwen3-0.6b', '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 qwen3-0.6b
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
A single focused appointment rewrite\n\nRewrite this note as one friendly sentence for a customer, using at most 25 words: 'Appointment for Polar Fan repair: 14 June, 09:30. Bring the purchase receipt.' Preserve the product name, date, time and receipt instruction. Return only the sentence, with no heading or additional details.One customer-facing sentence of at most 25 words retaining all four facts.Polar Fan, 14 June and 09:30 remain exact, and the receipt instruction is present.