A Qwen3-235B-A22B a Qwen3 hibrid következtetési megközelítését egy nagy szakértőkeverékes modellre alkalmazza. Szöveges képességei matematikai és logikai problémákra, kódgenerálásra, kreatív írásra, szerepalapú beszélgetésekre és többfordulós utasításkövetésre terjednek ki. Több mint 100 nyelven és nyelvjárásban működik. Termékfejlesztési megbeszéléshez adja meg a követelményeket, egy konkrét példát és a szükséges döntést: tervösszehasonlítást, megvalósítást vagy adott közönség számára használható magyarázatot.
A modell összesen 235 milliárd paraméterrel rendelkezik, és feldolgozás közben 22 milliárdot aktivál. Architektúrája 128 szakértőt tartalmaz, közülük nyolcat választ ki, és 94 rétegből áll. Ezek az adatok ezt a kiadást azonosítják; a kisebb Qwen3 modelleknek és az FP8 kiadásnak külön azonosítójuk van. A bemenet és kimenet szöveg. Megfelelő mérnöki feladat két egyeztetési algoritmus összehasonlítása ugyanazokon a mintarekordokon, az egyes algoritmusok által teljesített korlátok azonosítása, majd a választott algoritmus visszaadása tesztesetekkel. Adja meg a valódi mezőneveket, a duplikációkezelési szabályokat és az elvárt összegeket, hogy a válasz az eredeti problémával összevethető legyen.
A kérést chatüzenetekként készítse elő, a forrásanyagot külön tartva az utasításoktól. Matematikai kérdéshez mellékelje a teljes feladatot, a megengedett feltevéseket és jelöléseket, majd kérjen meghatározott formájú végső választ. Kódhoz adja meg a releváns függvényt, nyelvet, reprezentatív bemenetet és megfigyelt hibát. Kérje a legkisebb indokolt módosítást, és írja le a megőrzendő meglévő működést. Többnyelvű íráshoz általános fordításkérés helyett adjon meg közönséget és terminológiai listát. 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 gondolkodó és a nem gondolkodó működés ugyanennek a modellnek a módjai. A gyártó chatsablonja alapértelmezetten engedélyezi a gondolkodást; egy közvetlen konfigurációs kapcsoló letilthatja. Ha a gondolkodás engedélyezve marad, a /think és /no_think fordulónkénti vezérlést ad, a legutóbbi utasítás elsőbbségével. A konfigurációban letiltott mód nem reagál ezekre az utasításszintű kapcsolókra. Fejlesztői felületen tartsa külön a végső választ a következtetési szakasztól, és a végső választ vigye tovább a későbbi beszélgetési előzményekbe. Tudatosan válasszon módot: egy algoritmusvita és egy rövid átfogalmazás eltérő mennyiségű elemzést igényel. 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.
Ügynökmunkafolyamatokhoz a gyártó a Qwen-Agent használatát ajánlja eszközsablonokhoz és feldolgozáshoz. Az eszközök kapcsolódó szolgáltatások vagy kódértelmező is lehetnek; az alkalmazás határozza meg és hajtja végre őket. Például adjon az asszisztensnek dokumentált mezőkkel rendelkező, csak olvasható készletlekérdezést, és kérje a visszaadott készlet összevetését a megadott rendeléssel. Határozza meg az eszköz célját, elfogadott argumentumait, eredményszerkezetét és jogosultsági határát. Követelje meg, hogy a végső válasz megkülönböztesse a javasolt műveletet a megerősített eszközeredménytől. A modell eszközökhöz kapcsolódó képességei önmagukban nem hajtanak végre külső műveletet. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, objektumként reprezentált argumentumokkal és a beszélgetésbe visszaadott eredményekkel.
A natív kontextus 32,768 token. A gyártó YaRN-bővítéssel 131,072 tokent igazol; ez konfigurációfüggő, és a statikus skálázás befolyásolhatja a rövidebb bemeneteket. A kontextuskeret a kérést és a generált választ is tartalmazza. Hosszú specifikációnál azonosítsa és jelölje meg a döntéshez releváns szakaszokat, és tartalékoljon helyet a válasznak ahelyett, hogy a teljes keretet forrásszöveggel töltené meg. A kártya a legtöbb kérdéshez 32,768 kimeneti tokent ajánl, nem nyilvánítja ezt általános szolgáltatási korlátnak. 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. A kártya az alapértelmezett 40,960 tokenes pozíciókiosztást is úgy magyarázza, hogy abból 8,192 a szokásos promptoknak, 32,768 pedig a kimenetnek jut; ez gyártói konfigurációs útmutatás, külön a natív tanítási kontextustól és bármely végpont korlátjától.
A gondolkodási mód ajánlott mintavételezése: temperature 0.6, top-p 0.95, top-k 20 és min-p 0; a nem gondolkodó módé 0.7, 0.8, 20 és 0. A gyártó mintavételezéses dekódolást ajánl, és figyelmeztet, hogy gondolkodási módban a mohó dekódolás ismétlést okozhat. A magasabb jelenléti büntetések nyelvkeveredést is előidézhetnek. Tegye könnyen ellenőrizhetővé az eredményt: kérjen megnevezett végsőválasz-mezőt, indoklásos döntési táblázatot vagy kódjavítócsomagot példákkal. Ellenőrizze a számításokat a megadott számokkal, futtassa a javasolt kódot a célkörnyezetben, és művelet előtt vizsgálja meg az eszközeredményeket.
", "aboutText": "A Qwen3-235B-A22B a Qwen3 hibrid következtetési megközelítését egy nagy szakértőkeverékes modellre alkalmazza. Szöveges képességei matematikai és logikai problémákra, kódgenerálásra, kreatív írásra, szerepalapú beszélgetésekre és többfordulós utasításkövetésre terjednek ki. Több mint 100 nyelven és nyelvjárásban működik. Termékfejlesztési megbeszéléshez adja meg a követelményeket, egy konkrét példát és a szükséges döntést: tervösszehasonlítást, megvalósítást vagy adott közönség számára használható magyarázatot.\n\nA modell összesen 235 milliárd paraméterrel rendelkezik, és feldolgozás közben 22 milliárdot aktivál. Architektúrája 128 szakértőt tartalmaz, közülük nyolcat választ ki, és 94 rétegből áll. Ezek az adatok ezt a kiadást azonosítják; a kisebb Qwen3 modelleknek és az FP8 kiadásnak külön azonosítójuk van. A bemenet és kimenet szöveg. Megfelelő mérnöki feladat két egyeztetési algoritmus összehasonlítása ugyanazokon a mintarekordokon, az egyes algoritmusok által teljesített korlátok azonosítása, majd a választott algoritmus visszaadása tesztesetekkel. Adja meg a valódi mezőneveket, a duplikációkezelési szabályokat és az elvárt összegeket, hogy a válasz az eredeti problémával összevethető legyen.\n\nA kérést chatüzenetekként készítse elő, a forrásanyagot külön tartva az utasításoktól. Matematikai kérdéshez mellékelje a teljes feladatot, a megengedett feltevéseket és jelöléseket, majd kérjen meghatározott formájú végső választ. Kódhoz adja meg a releváns függvényt, nyelvet, reprezentatív bemenetet és megfigyelt hibát. Kérje a legkisebb indokolt módosítást, és írja le a megőrzendő meglévő működést. Többnyelvű íráshoz általános fordításkérés helyett adjon meg közönséget és terminológiai listát. 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 gondolkodó és a nem gondolkodó működés ugyanennek a modellnek a módjai. A gyártó chatsablonja alapértelmezetten engedélyezi a gondolkodást; egy közvetlen konfigurációs kapcsoló letilthatja. Ha a gondolkodás engedélyezve marad, a /think és /no_think fordulónkénti vezérlést ad, a legutóbbi utasítás elsőbbségével. A konfigurációban letiltott mód nem reagál ezekre az utasításszintű kapcsolókra. Fejlesztői felületen tartsa külön a végső választ a következtetési szakasztól, és a végső választ vigye tovább a későbbi beszélgetési előzményekbe. Tudatosan válasszon módot: egy algoritmusvita és egy rövid átfogalmazás eltérő mennyiségű elemzést igényel. 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\nÜgynökmunkafolyamatokhoz a gyártó a Qwen-Agent használatát ajánlja eszközsablonokhoz és feldolgozáshoz. Az eszközök kapcsolódó szolgáltatások vagy kódértelmező is lehetnek; az alkalmazás határozza meg és hajtja végre őket. Például adjon az asszisztensnek dokumentált mezőkkel rendelkező, csak olvasható készletlekérdezést, és kérje a visszaadott készlet összevetését a megadott rendeléssel. Határozza meg az eszköz célját, elfogadott argumentumait, eredményszerkezetét és jogosultsági határát. Követelje meg, hogy a végső válasz megkülönböztesse a javasolt műveletet a megerősített eszközeredménytől. A modell eszközökhöz kapcsolódó képességei önmagukban nem hajtanak végre külső műveletet. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, objektumként reprezentált argumentumokkal és a beszélgetésbe visszaadott eredményekkel.\n\nA natív kontextus 32,768 token. A gyártó YaRN-bővítéssel 131,072 tokent igazol; ez konfigurációfüggő, és a statikus skálázás befolyásolhatja a rövidebb bemeneteket. A kontextuskeret a kérést és a generált választ is tartalmazza. Hosszú specifikációnál azonosítsa és jelölje meg a döntéshez releváns szakaszokat, és tartalékoljon helyet a válasznak ahelyett, hogy a teljes keretet forrásszöveggel töltené meg. A kártya a legtöbb kérdéshez 32,768 kimeneti tokent ajánl, nem nyilvánítja ezt általános szolgáltatási korlátnak. 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. A kártya az alapértelmezett 40,960 tokenes pozíciókiosztást is úgy magyarázza, hogy abból 8,192 a szokásos promptoknak, 32,768 pedig a kimenetnek jut; ez gyártói konfigurációs útmutatás, külön a natív tanítási kontextustól és bármely végpont korlátjától.\n\nA gondolkodási mód ajánlott mintavételezése: temperature 0.6, top-p 0.95, top-k 20 és min-p 0; a nem gondolkodó módé 0.7, 0.8, 20 és 0. A gyártó mintavételezéses dekódolást ajánl, és figyelmeztet, hogy gondolkodási módban a mohó dekódolás ismétlést okozhat. A magasabb jelenléti büntetések nyelvkeveredést is előidézhetnek. Tegye könnyen ellenőrizhetővé az eredményt: kérjen megnevezett végsőválasz-mezőt, indoklásos döntési táblázatot vagy kódjavítócsomagot példákkal. Ellenőrizze a számításokat a megadott számokkal, futtassa a javasolt kódot a célkörnyezetben, és művelet előtt vizsgálja meg az eszközeredményeket.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Reconcile duplicate transaction records\n\nCompare two reconciliation rules on these records: (id=A, revision=1, amount=10), (A,2,12), (B,1,5). Rule X sums every row; rule Y keeps the highest revision per ID, then sums. Requirement: one current amount per ID; equal-revision disagreements must be flagged. Choose a rule, propose pseudocode and give tests for duplicates and conflicting ties.A rule comparison, chosen algorithm, expected total for the supplied records and conflict tests.Check the algorithm uses ID plus revision semantics and does not silently choose between conflicting equal revisions.qwen3-235b-a22bA Qwen3-235B-A22B egyetlen szakértőkeverékes modellben egyesíti a részletes következtetést és a közvetlen szöveges válaszokat. Használja matematikai elemzéshez, kódhoz, többnyelvű íráshoz és kapcsolódó eszközökkel dolgozó asszisztensekhez.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-235B-A22B a Qwen3 hibrid következtetési megközelítését egy nagy szakértőkeverékes modellre alkalmazza. Szöveges képességei matematikai és logikai problémákra, kódgenerálásra, kreatív írásra, szerepalapú beszélgetésekre és többfordulós utasításkövetésre terjednek ki. Több mint 100 nyelven és nyelvjárásban működik. Termékfejlesztési megbeszéléshez adja meg a követelményeket, egy konkrét példát és a szükséges döntést: tervösszehasonlítást, megvalósítást vagy adott közönség számára használható magyarázatot.
A modell összesen 235 milliárd paraméterrel rendelkezik, és feldolgozás közben 22 milliárdot aktivál. Architektúrája 128 szakértőt tartalmaz, közülük nyolcat választ ki, és 94 rétegből áll. Ezek az adatok ezt a kiadást azonosítják; a kisebb Qwen3 modelleknek és az FP8 kiadásnak külön azonosítójuk van. A bemenet és kimenet szöveg. Megfelelő mérnöki feladat két egyeztetési algoritmus összehasonlítása ugyanazokon a mintarekordokon, az egyes algoritmusok által teljesített korlátok azonosítása, majd a választott algoritmus visszaadása tesztesetekkel. Adja meg a valódi mezőneveket, a duplikációkezelési szabályokat és az elvárt összegeket, hogy a válasz az eredeti problémával összevethető legyen.
A kérést chatüzenetekként készítse elő, a forrásanyagot külön tartva az utasításoktól. Matematikai kérdéshez mellékelje a teljes feladatot, a megengedett feltevéseket és jelöléseket, majd kérjen meghatározott formájú végső választ. Kódhoz adja meg a releváns függvényt, nyelvet, reprezentatív bemenetet és megfigyelt hibát. Kérje a legkisebb indokolt módosítást, és írja le a megőrzendő meglévő működést. Többnyelvű íráshoz általános fordításkérés helyett adjon meg közönséget és terminológiai listát. 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 gondolkodó és a nem gondolkodó működés ugyanennek a modellnek a módjai. A gyártó chatsablonja alapértelmezetten engedélyezi a gondolkodást; egy közvetlen konfigurációs kapcsoló letilthatja. Ha a gondolkodás engedélyezve marad, a /think és /no_think fordulónkénti vezérlést ad, a legutóbbi utasítás elsőbbségével. A konfigurációban letiltott mód nem reagál ezekre az utasításszintű kapcsolókra. Fejlesztői felületen tartsa külön a végső választ a következtetési szakasztól, és a végső választ vigye tovább a későbbi beszélgetési előzményekbe. Tudatosan válasszon módot: egy algoritmusvita és egy rövid átfogalmazás eltérő mennyiségű elemzést igényel. 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.
Ügynökmunkafolyamatokhoz a gyártó a Qwen-Agent használatát ajánlja eszközsablonokhoz és feldolgozáshoz. Az eszközök kapcsolódó szolgáltatások vagy kódértelmező is lehetnek; az alkalmazás határozza meg és hajtja végre őket. Például adjon az asszisztensnek dokumentált mezőkkel rendelkező, csak olvasható készletlekérdezést, és kérje a visszaadott készlet összevetését a megadott rendeléssel. Határozza meg az eszköz célját, elfogadott argumentumait, eredményszerkezetét és jogosultsági határát. Követelje meg, hogy a végső válasz megkülönböztesse a javasolt műveletet a megerősített eszközeredménytől. A modell eszközökhöz kapcsolódó képességei önmagukban nem hajtanak végre külső műveletet. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, objektumként reprezentált argumentumokkal és a beszélgetésbe visszaadott eredményekkel.
A natív kontextus 32,768 token. A gyártó YaRN-bővítéssel 131,072 tokent igazol; ez konfigurációfüggő, és a statikus skálázás befolyásolhatja a rövidebb bemeneteket. A kontextuskeret a kérést és a generált választ is tartalmazza. Hosszú specifikációnál azonosítsa és jelölje meg a döntéshez releváns szakaszokat, és tartalékoljon helyet a válasznak ahelyett, hogy a teljes keretet forrásszöveggel töltené meg. A kártya a legtöbb kérdéshez 32,768 kimeneti tokent ajánl, nem nyilvánítja ezt általános szolgáltatási korlátnak. 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. A kártya az alapértelmezett 40,960 tokenes pozíciókiosztást is úgy magyarázza, hogy abból 8,192 a szokásos promptoknak, 32,768 pedig a kimenetnek jut; ez gyártói konfigurációs útmutatás, külön a natív tanítási kontextustól és bármely végpont korlátjától.
A gondolkodási mód ajánlott mintavételezése: temperature 0.6, top-p 0.95, top-k 20 és min-p 0; a nem gondolkodó módé 0.7, 0.8, 20 és 0. A gyártó mintavételezéses dekódolást ajánl, és figyelmeztet, hogy gondolkodási módban a mohó dekódolás ismétlést okozhat. A magasabb jelenléti büntetések nyelvkeveredést is előidézhetnek. Tegye könnyen ellenőrizhetővé az eredményt: kérjen megnevezett végsőválasz-mezőt, indoklásos döntési táblázatot vagy kódjavítócsomagot példákkal. Ellenőrizze a számításokat a megadott számokkal, futtassa a javasolt kódot a célkörnyezetben, és művelet előtt vizsgálja meg az eszközeredményeket.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen3-235b-a22b | 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 $0.00114 / 1K token Kimenet · Kimeneti tokenek $0.00342 / 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": "qwen3-235b-a22b", "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='qwen3-235b-a22b',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='qwen3-235b-a22b',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 qwen3-235b-a22b
Használja a fent látható metódusútvonalakat.
qwen3-235b-a22bA Qwen3-235B-A22B egyetlen szakértőkeverékes modellben egyesíti a részletes következtetést és a közvetlen szöveges válaszokat. Használja matematikai elemzéshez, kódhoz, többnyelvű íráshoz és kapcsolódó eszközökkel dolgozó asszisztensekhez.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-235B-A22B a Qwen3 hibrid következtetési megközelítését egy nagy szakértőkeverékes modellre alkalmazza. Szöveges képességei matematikai és logikai problémákra, kódgenerálásra, kreatív írásra, szerepalapú beszélgetésekre és többfordulós utasításkövetésre terjednek ki. Több mint 100 nyelven és nyelvjárásban működik. Termékfejlesztési megbeszéléshez adja meg a követelményeket, egy konkrét példát és a szükséges döntést: tervösszehasonlítást, megvalósítást vagy adott közönség számára használható magyarázatot.
A modell összesen 235 milliárd paraméterrel rendelkezik, és feldolgozás közben 22 milliárdot aktivál. Architektúrája 128 szakértőt tartalmaz, közülük nyolcat választ ki, és 94 rétegből áll. Ezek az adatok ezt a kiadást azonosítják; a kisebb Qwen3 modelleknek és az FP8 kiadásnak külön azonosítójuk van. A bemenet és kimenet szöveg. Megfelelő mérnöki feladat két egyeztetési algoritmus összehasonlítása ugyanazokon a mintarekordokon, az egyes algoritmusok által teljesített korlátok azonosítása, majd a választott algoritmus visszaadása tesztesetekkel. Adja meg a valódi mezőneveket, a duplikációkezelési szabályokat és az elvárt összegeket, hogy a válasz az eredeti problémával összevethető legyen.
A kérést chatüzenetekként készítse elő, a forrásanyagot külön tartva az utasításoktól. Matematikai kérdéshez mellékelje a teljes feladatot, a megengedett feltevéseket és jelöléseket, majd kérjen meghatározott formájú végső választ. Kódhoz adja meg a releváns függvényt, nyelvet, reprezentatív bemenetet és megfigyelt hibát. Kérje a legkisebb indokolt módosítást, és írja le a megőrzendő meglévő működést. Többnyelvű íráshoz általános fordításkérés helyett adjon meg közönséget és terminológiai listát. 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 gondolkodó és a nem gondolkodó működés ugyanennek a modellnek a módjai. A gyártó chatsablonja alapértelmezetten engedélyezi a gondolkodást; egy közvetlen konfigurációs kapcsoló letilthatja. Ha a gondolkodás engedélyezve marad, a /think és /no_think fordulónkénti vezérlést ad, a legutóbbi utasítás elsőbbségével. A konfigurációban letiltott mód nem reagál ezekre az utasításszintű kapcsolókra. Fejlesztői felületen tartsa külön a végső választ a következtetési szakasztól, és a végső választ vigye tovább a későbbi beszélgetési előzményekbe. Tudatosan válasszon módot: egy algoritmusvita és egy rövid átfogalmazás eltérő mennyiségű elemzést igényel. 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.
Ügynökmunkafolyamatokhoz a gyártó a Qwen-Agent használatát ajánlja eszközsablonokhoz és feldolgozáshoz. Az eszközök kapcsolódó szolgáltatások vagy kódértelmező is lehetnek; az alkalmazás határozza meg és hajtja végre őket. Például adjon az asszisztensnek dokumentált mezőkkel rendelkező, csak olvasható készletlekérdezést, és kérje a visszaadott készlet összevetését a megadott rendeléssel. Határozza meg az eszköz célját, elfogadott argumentumait, eredményszerkezetét és jogosultsági határát. Követelje meg, hogy a végső válasz megkülönböztesse a javasolt műveletet a megerősített eszközeredménytől. A modell eszközökhöz kapcsolódó képességei önmagukban nem hajtanak végre külső műveletet. A Qwen3 útmutató párhuzamos és többlépéses eszközhívásokat is leír, objektumként reprezentált argumentumokkal és a beszélgetésbe visszaadott eredményekkel.
A natív kontextus 32,768 token. A gyártó YaRN-bővítéssel 131,072 tokent igazol; ez konfigurációfüggő, és a statikus skálázás befolyásolhatja a rövidebb bemeneteket. A kontextuskeret a kérést és a generált választ is tartalmazza. Hosszú specifikációnál azonosítsa és jelölje meg a döntéshez releváns szakaszokat, és tartalékoljon helyet a válasznak ahelyett, hogy a teljes keretet forrásszöveggel töltené meg. A kártya a legtöbb kérdéshez 32,768 kimeneti tokent ajánl, nem nyilvánítja ezt általános szolgáltatási korlátnak. 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. A kártya az alapértelmezett 40,960 tokenes pozíciókiosztást is úgy magyarázza, hogy abból 8,192 a szokásos promptoknak, 32,768 pedig a kimenetnek jut; ez gyártói konfigurációs útmutatás, külön a natív tanítási kontextustól és bármely végpont korlátjától.
A gondolkodási mód ajánlott mintavételezése: temperature 0.6, top-p 0.95, top-k 20 és min-p 0; a nem gondolkodó módé 0.7, 0.8, 20 és 0. A gyártó mintavételezéses dekódolást ajánl, és figyelmeztet, hogy gondolkodási módban a mohó dekódolás ismétlést okozhat. A magasabb jelenléti büntetések nyelvkeveredést is előidézhetnek. Tegye könnyen ellenőrizhetővé az eredményt: kérjen megnevezett végsőválasz-mezőt, indoklásos döntési táblázatot vagy kódjavítócsomagot példákkal. Ellenőrizze a számításokat a megadott számokkal, futtassa a javasolt kódot a célkörnyezetben, és művelet előtt vizsgálja meg az eszközeredményeket.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen3-235b-a22b | 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 $0.00114 / 1K token Kimenet · Kimeneti tokenek $0.00342 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "qwen3-235b-a22b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-235b-a22b', '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': 'qwen3-235b-a22b', '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 qwen3-235b-a22b
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Reconcile duplicate transaction records\n\nCompare two reconciliation rules on these records: (id=A, revision=1, amount=10), (A,2,12), (B,1,5). Rule X sums every row; rule Y keeps the highest revision per ID, then sums. Requirement: one current amount per ID; equal-revision disagreements must be flagged. Choose a rule, propose pseudocode and give tests for duplicates and conflicting ties.A rule comparison, chosen algorithm, expected total for the supplied records and conflict tests.Check the algorithm uses ID plus revision semantics and does not silently choose between conflicting equal revisions.