Qwen3-14B adalah model bahasa dense dalam rilis Qwen3 awal yang menggabungkan perilaku berpikir dan tanpa berpikir dalam satu model. Qwen memosisikan keluarga untuk penalaran logis, matematika, pemrograman, penulisan kreatif, dialog berbasis peran, dan mengikuti instruksi. Model menerima teks dan mengembalikan teks, dengan kemampuan instruksi multibahasa dan terjemahan dalam 119 bahasa dan dialek keluarga. Arahan percakapan bermanfaat menentukan bahasa, tingkat pengetahuan pembaca, dan hasil persis: penjelasan, penulisan ulang, soal dengan penyelesaian, atau usulan perubahan kode.
Model yang dilatih untuk instruksi memuat total 14,8 miliar parameter dalam 40 lapisan. Ini adalah edisi dense 14B, bukan model mixture-of-experts atau model berikutnya dengan nama keluarga serupa. Konteks aslinya 32.768 token. Untuk tugas dokumen, sertakan bagian relevan dan judulnya, lalu minta perbandingan atau penjelasan khusus yang dibutuhkan. Misalnya, arahan dapat memberikan dua versi proses dan meminta tabel kondisi yang berubah, diikuti prosedur revisi yang mempertahankan pengecualian yang dinyatakan. Minta prosedur revisi mempertahankan judul sumber dan mengidentifikasi kondisi yang berubah.
Berpikir diaktifkan secara bawaan dalam templat chat pengembang. Pengaturan keras enable_thinking=False menonaktifkan bagian penalaran sepenuhnya. Jika berpikir tetap diaktifkan, /think atau /no_think dalam prompt atau instruksi sistem dapat mengubah mode yang diminta dari satu giliran ke giliran lain; instruksi terbaru berlaku. Templat aktif tetap dapat mengembalikan blok <think> kosong untuk permintaan lunak tanpa berpikir. Pengaturan nonaktif keras tidak dapat dibalik dengan menambahkan /think ke teks. Pilih mode sesuai masalah: penulisan ulang langsung dapat memakai gaya respons berbeda dari penjelasan matematika multilangkah.
Contoh generasi resmi memisahkan isi berpikir dari jawaban akhir. Agar jawaban akhir berguna, berikan premis atau materi sumber dan tentukan strukturnya sebelum generasi. Qwen menyarankan hasil akhir dalam kotak untuk matematika dan bidang jawaban eksplisit untuk pertanyaan pilihan ganda. Arahan pengajaran juga dapat meminta hasil, penjelasan penting, dan satu contoh dengan penyelesaian. Untuk percakapan multigiliran, pengembang menyarankan mempertahankan jawaban akhir dalam riwayat dengan menghilangkan isi berpikir sebelumnya agar pertanyaan berikutnya dibangun dari hasil yang disampaikan.
Qwen menjelaskan kemampuan agen dan pemanggilan alat dalam mode berpikir serta tanpa berpikir. Integrasi Qwen-Agent yang disarankan menyediakan templat dan parser untuk alat yang ditentukan, termasuk pengambilan informasi dan interpreter kode dalam contoh. Aplikasi dapat memberikan alat bernama, argumen yang diterima, dan kondisi berhenti kepada model. Untuk penyelidikan kode, siapkan cuplikan sumber dan detail kegagalan, minta model mengidentifikasi pemeriksaan yang dibutuhkan, lalu kembalikan hasil alat sebenarnya untuk ditafsirkan. Respons akhir dapat berupa diagnosis, usulan perubahan, dan pertanyaan tersisa yang terkait dengan bukti yang diberikan.
Pengembang memvalidasi perluasan konteks hingga 131.072 token dengan YaRN, terpisah dari jendela asli. Pengembang memperingatkan bahwa penskalaan statis dapat memengaruhi perilaku masukan pendek dan menyarankan konfigurasinya ketika konteks lebih panjang dibutuhkan. Kartu juga menjelaskan alokasi posisi bawaan 40.960 untuk panjang prompt dan keluaran umum. Susun masukan panjang menjadi bagian bernama dan sisakan ruang untuk penalaran serta hasil akhir, bukan mengisi setiap posisi dengan materi latar. Pengaturan diperluas bergantung pada konfigurasi yang ditentukan.
Qwen menyarankan temperature 0,6 dan top-p 0,95 untuk berpikir, serta 0,7 dan 0,8 untuk tanpa berpikir, dengan top-k 20 dan min-p 0 pada kedua kasus. Pengembang memperingatkan agar menghindari greedy decoding dalam mode berpikir karena kemungkinan penurunan kualitas dan pengulangan. Kapasitas keluaran yang disarankan adalah 32.768 token untuk sebagian besar pertanyaan, dengan 38.912 dijelaskan untuk tugas matematika dan pemrograman yang sangat kompleks. Rekomendasi ini memandu generasi; tidak menetapkan batas respons tetap yang terpisah. Instruksi bahasa dan format eksplisit sangat berguna ketika hasil harus konsisten dalam percakapan multibahasa.
", "aboutText": "Qwen3-14B adalah model bahasa dense dalam rilis Qwen3 awal yang menggabungkan perilaku berpikir dan tanpa berpikir dalam satu model. Qwen memosisikan keluarga untuk penalaran logis, matematika, pemrograman, penulisan kreatif, dialog berbasis peran, dan mengikuti instruksi. Model menerima teks dan mengembalikan teks, dengan kemampuan instruksi multibahasa dan terjemahan dalam 119 bahasa dan dialek keluarga. Arahan percakapan bermanfaat menentukan bahasa, tingkat pengetahuan pembaca, dan hasil persis: penjelasan, penulisan ulang, soal dengan penyelesaian, atau usulan perubahan kode.\n\nModel yang dilatih untuk instruksi memuat total 14,8 miliar parameter dalam 40 lapisan. Ini adalah edisi dense 14B, bukan model mixture-of-experts atau model berikutnya dengan nama keluarga serupa. Konteks aslinya 32.768 token. Untuk tugas dokumen, sertakan bagian relevan dan judulnya, lalu minta perbandingan atau penjelasan khusus yang dibutuhkan. Misalnya, arahan dapat memberikan dua versi proses dan meminta tabel kondisi yang berubah, diikuti prosedur revisi yang mempertahankan pengecualian yang dinyatakan. Minta prosedur revisi mempertahankan judul sumber dan mengidentifikasi kondisi yang berubah.\n\nBerpikir diaktifkan secara bawaan dalam templat chat pengembang. Pengaturan keras enable_thinking=False menonaktifkan bagian penalaran sepenuhnya. Jika berpikir tetap diaktifkan, /think atau /no_think dalam prompt atau instruksi sistem dapat mengubah mode yang diminta dari satu giliran ke giliran lain; instruksi terbaru berlaku. Templat aktif tetap dapat mengembalikan blokContoh teknis dalam bahasa Inggris
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.qwen/qwen3-14bQwen3-14B adalah model teks dense Qwen untuk percakapan multibahasa, penulisan, pemrograman, dan penalaran langkah demi langkah. Desain hibrida awalnya berganti antara mode berpikir dan jawaban langsung serta memiliki konteks asli 32.768 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-14B adalah model bahasa dense dalam rilis Qwen3 awal yang menggabungkan perilaku berpikir dan tanpa berpikir dalam satu model. Qwen memosisikan keluarga untuk penalaran logis, matematika, pemrograman, penulisan kreatif, dialog berbasis peran, dan mengikuti instruksi. Model menerima teks dan mengembalikan teks, dengan kemampuan instruksi multibahasa dan terjemahan dalam 119 bahasa dan dialek keluarga. Arahan percakapan bermanfaat menentukan bahasa, tingkat pengetahuan pembaca, dan hasil persis: penjelasan, penulisan ulang, soal dengan penyelesaian, atau usulan perubahan kode.
Model yang dilatih untuk instruksi memuat total 14,8 miliar parameter dalam 40 lapisan. Ini adalah edisi dense 14B, bukan model mixture-of-experts atau model berikutnya dengan nama keluarga serupa. Konteks aslinya 32.768 token. Untuk tugas dokumen, sertakan bagian relevan dan judulnya, lalu minta perbandingan atau penjelasan khusus yang dibutuhkan. Misalnya, arahan dapat memberikan dua versi proses dan meminta tabel kondisi yang berubah, diikuti prosedur revisi yang mempertahankan pengecualian yang dinyatakan. Minta prosedur revisi mempertahankan judul sumber dan mengidentifikasi kondisi yang berubah.
Berpikir diaktifkan secara bawaan dalam templat chat pengembang. Pengaturan keras enable_thinking=False menonaktifkan bagian penalaran sepenuhnya. Jika berpikir tetap diaktifkan, /think atau /no_think dalam prompt atau instruksi sistem dapat mengubah mode yang diminta dari satu giliran ke giliran lain; instruksi terbaru berlaku. Templat aktif tetap dapat mengembalikan blok <think> kosong untuk permintaan lunak tanpa berpikir. Pengaturan nonaktif keras tidak dapat dibalik dengan menambahkan /think ke teks. Pilih mode sesuai masalah: penulisan ulang langsung dapat memakai gaya respons berbeda dari penjelasan matematika multilangkah.
Contoh generasi resmi memisahkan isi berpikir dari jawaban akhir. Agar jawaban akhir berguna, berikan premis atau materi sumber dan tentukan strukturnya sebelum generasi. Qwen menyarankan hasil akhir dalam kotak untuk matematika dan bidang jawaban eksplisit untuk pertanyaan pilihan ganda. Arahan pengajaran juga dapat meminta hasil, penjelasan penting, dan satu contoh dengan penyelesaian. Untuk percakapan multigiliran, pengembang menyarankan mempertahankan jawaban akhir dalam riwayat dengan menghilangkan isi berpikir sebelumnya agar pertanyaan berikutnya dibangun dari hasil yang disampaikan.
Qwen menjelaskan kemampuan agen dan pemanggilan alat dalam mode berpikir serta tanpa berpikir. Integrasi Qwen-Agent yang disarankan menyediakan templat dan parser untuk alat yang ditentukan, termasuk pengambilan informasi dan interpreter kode dalam contoh. Aplikasi dapat memberikan alat bernama, argumen yang diterima, dan kondisi berhenti kepada model. Untuk penyelidikan kode, siapkan cuplikan sumber dan detail kegagalan, minta model mengidentifikasi pemeriksaan yang dibutuhkan, lalu kembalikan hasil alat sebenarnya untuk ditafsirkan. Respons akhir dapat berupa diagnosis, usulan perubahan, dan pertanyaan tersisa yang terkait dengan bukti yang diberikan.
Pengembang memvalidasi perluasan konteks hingga 131.072 token dengan YaRN, terpisah dari jendela asli. Pengembang memperingatkan bahwa penskalaan statis dapat memengaruhi perilaku masukan pendek dan menyarankan konfigurasinya ketika konteks lebih panjang dibutuhkan. Kartu juga menjelaskan alokasi posisi bawaan 40.960 untuk panjang prompt dan keluaran umum. Susun masukan panjang menjadi bagian bernama dan sisakan ruang untuk penalaran serta hasil akhir, bukan mengisi setiap posisi dengan materi latar. Pengaturan diperluas bergantung pada konfigurasi yang ditentukan.
Qwen menyarankan temperature 0,6 dan top-p 0,95 untuk berpikir, serta 0,7 dan 0,8 untuk tanpa berpikir, dengan top-k 20 dan min-p 0 pada kedua kasus. Pengembang memperingatkan agar menghindari greedy decoding dalam mode berpikir karena kemungkinan penurunan kualitas dan pengulangan. Kapasitas keluaran yang disarankan adalah 32.768 token untuk sebagian besar pertanyaan, dengan 38.912 dijelaskan untuk tugas matematika dan pemrograman yang sangat kompleks. Rekomendasi ini memandu generasi; tidak menetapkan batas respons tetap yang terpisah. Instruksi bahasa dan format eksplisit sangat berguna ketika hasil harus konsisten dalam percakapan multibahasa.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-14b | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.00058 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.00058 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-14b", "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/qwen3-14b',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/qwen3-14b',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen/qwen3-14b
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3-14bQwen3-14B adalah model teks dense Qwen untuk percakapan multibahasa, penulisan, pemrograman, dan penalaran langkah demi langkah. Desain hibrida awalnya berganti antara mode berpikir dan jawaban langsung serta memiliki konteks asli 32.768 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-14B adalah model bahasa dense dalam rilis Qwen3 awal yang menggabungkan perilaku berpikir dan tanpa berpikir dalam satu model. Qwen memosisikan keluarga untuk penalaran logis, matematika, pemrograman, penulisan kreatif, dialog berbasis peran, dan mengikuti instruksi. Model menerima teks dan mengembalikan teks, dengan kemampuan instruksi multibahasa dan terjemahan dalam 119 bahasa dan dialek keluarga. Arahan percakapan bermanfaat menentukan bahasa, tingkat pengetahuan pembaca, dan hasil persis: penjelasan, penulisan ulang, soal dengan penyelesaian, atau usulan perubahan kode.
Model yang dilatih untuk instruksi memuat total 14,8 miliar parameter dalam 40 lapisan. Ini adalah edisi dense 14B, bukan model mixture-of-experts atau model berikutnya dengan nama keluarga serupa. Konteks aslinya 32.768 token. Untuk tugas dokumen, sertakan bagian relevan dan judulnya, lalu minta perbandingan atau penjelasan khusus yang dibutuhkan. Misalnya, arahan dapat memberikan dua versi proses dan meminta tabel kondisi yang berubah, diikuti prosedur revisi yang mempertahankan pengecualian yang dinyatakan. Minta prosedur revisi mempertahankan judul sumber dan mengidentifikasi kondisi yang berubah.
Berpikir diaktifkan secara bawaan dalam templat chat pengembang. Pengaturan keras enable_thinking=False menonaktifkan bagian penalaran sepenuhnya. Jika berpikir tetap diaktifkan, /think atau /no_think dalam prompt atau instruksi sistem dapat mengubah mode yang diminta dari satu giliran ke giliran lain; instruksi terbaru berlaku. Templat aktif tetap dapat mengembalikan blok <think> kosong untuk permintaan lunak tanpa berpikir. Pengaturan nonaktif keras tidak dapat dibalik dengan menambahkan /think ke teks. Pilih mode sesuai masalah: penulisan ulang langsung dapat memakai gaya respons berbeda dari penjelasan matematika multilangkah.
Contoh generasi resmi memisahkan isi berpikir dari jawaban akhir. Agar jawaban akhir berguna, berikan premis atau materi sumber dan tentukan strukturnya sebelum generasi. Qwen menyarankan hasil akhir dalam kotak untuk matematika dan bidang jawaban eksplisit untuk pertanyaan pilihan ganda. Arahan pengajaran juga dapat meminta hasil, penjelasan penting, dan satu contoh dengan penyelesaian. Untuk percakapan multigiliran, pengembang menyarankan mempertahankan jawaban akhir dalam riwayat dengan menghilangkan isi berpikir sebelumnya agar pertanyaan berikutnya dibangun dari hasil yang disampaikan.
Qwen menjelaskan kemampuan agen dan pemanggilan alat dalam mode berpikir serta tanpa berpikir. Integrasi Qwen-Agent yang disarankan menyediakan templat dan parser untuk alat yang ditentukan, termasuk pengambilan informasi dan interpreter kode dalam contoh. Aplikasi dapat memberikan alat bernama, argumen yang diterima, dan kondisi berhenti kepada model. Untuk penyelidikan kode, siapkan cuplikan sumber dan detail kegagalan, minta model mengidentifikasi pemeriksaan yang dibutuhkan, lalu kembalikan hasil alat sebenarnya untuk ditafsirkan. Respons akhir dapat berupa diagnosis, usulan perubahan, dan pertanyaan tersisa yang terkait dengan bukti yang diberikan.
Pengembang memvalidasi perluasan konteks hingga 131.072 token dengan YaRN, terpisah dari jendela asli. Pengembang memperingatkan bahwa penskalaan statis dapat memengaruhi perilaku masukan pendek dan menyarankan konfigurasinya ketika konteks lebih panjang dibutuhkan. Kartu juga menjelaskan alokasi posisi bawaan 40.960 untuk panjang prompt dan keluaran umum. Susun masukan panjang menjadi bagian bernama dan sisakan ruang untuk penalaran serta hasil akhir, bukan mengisi setiap posisi dengan materi latar. Pengaturan diperluas bergantung pada konfigurasi yang ditentukan.
Qwen menyarankan temperature 0,6 dan top-p 0,95 untuk berpikir, serta 0,7 dan 0,8 untuk tanpa berpikir, dengan top-k 20 dan min-p 0 pada kedua kasus. Pengembang memperingatkan agar menghindari greedy decoding dalam mode berpikir karena kemungkinan penurunan kualitas dan pengulangan. Kapasitas keluaran yang disarankan adalah 32.768 token untuk sebagian besar pertanyaan, dengan 38.912 dijelaskan untuk tugas matematika dan pemrograman yang sangat kompleks. Rekomendasi ini memandu generasi; tidak menetapkan batas respons tetap yang terpisah. Instruksi bahasa dan format eksplisit sangat berguna ketika hasil harus konsisten dalam percakapan multibahasa.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-14b | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.00058 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.00058 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-14b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-14b', '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/qwen3-14b', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen/qwen3-14b
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.