Qwen3-235B-A22B-Instruct-2507 adalah edisi yang diperbarui, mengikuti instruksi, dan tanpa berpikir dari model mixture-of-experts besar Qwen3. Qwen menyoroti peningkatan pemahaman teks, penalaran logis, matematika, sains, pemrograman, dan penggunaan alat, bersama pengetahuan multibahasa lebih luas serta penanganan penulisan terbuka yang lebih baik. Masukan dan keluarannya berupa teks. Model berguna untuk mengubah arahan yang jelas dan materi yang diberikan menjadi jawaban, analisis, program, atau draf yang dipoles tanpa bagian berpikir yang dihasilkan secara terpisah.
Model memiliki total 235 miliar parameter dan mengaktifkan 22 miliar untuk setiap token. Konteks aslinya 262.144 token. Permintaan masukan panjang yang praktis dapat menyatukan spesifikasi produk, catatan implementasi, dan daftar pertanyaan belum terselesaikan, lalu meminta perbandingan terstruktur atau spesifikasi yang disunting. Pertahankan judul sumber dan tentukan audiens sasaran, bagian yang perlu diubah, serta kondisi yang harus dipenuhi keluaran. Untuk penulisan, sertakan nada, panjang, dan fakta yang diperlukan; untuk pemrograman, sertakan antarmuka, perilaku yang diharapkan, dan kode sekitarnya.
Edisi ini hanya mendukung mode tanpa berpikir dan tidak menghasilkan blok <think>. Model tidak memerlukan sakelar enable_thinking=False dari model hibrida awal, dan meminta mode model Thinking-2507 berikutnya tidak mengubah edisinya. Keluaran langsung tetap memungkinkan penjelasan, perhitungan, atau jawaban beralasan ketika diminta. Contoh Qwen menstandarkan jawaban matematika dengan \\boxed{} dan jawaban pilihan ganda dengan bidang jawaban tertentu. Instruksi eksplisit serupa dapat meminta alasan singkat diikuti rekomendasi akhir atau bidang JSON yang ditentukan dengan makna diberikan dalam prompt.
Untuk alur kerja agen, kartu resmi menyarankan Qwen-Agent dengan templat dan parser pemanggilan alat. Alat dapat ditentukan satu per satu atau melalui konfigurasi alat terstruktur, dan pengembang memperagakan pengambilan informasi serta interpreter kode. Persiapan bermanfaat adalah mendeskripsikan tujuan dan argumen tiap alat, memberikan materi yang sudah tersedia, dan menentukan titik berhenti yang diinginkan. Misalnya, asisten dokumentasi dapat diminta mengambil bagian bernama, menyelaraskan perbedaan, dan mengembalikan penjelasan terbaru. Aplikasi yang membungkusnya mengeksekusi alat yang diminta dan mengembalikan hasil ke percakapan.
Pengembang menyarankan temperature 0,7, top-p 0,8, top-k 20, dan min-p 0, dengan kapasitas keluaran 16.384 token untuk sebagian besar pertanyaan. Ini adalah panduan generasi, bukan pernyataan bahwa setiap respons dapat mencapai maksimum tetap. Kartu juga mencatat bahwa presence penalty dapat mengurangi keluaran berulang, sedangkan nilai lebih tinggi dapat menimbulkan pencampuran bahasa dan sedikit menurunkan kualitas. Arahan terfokus dan struktur keluaran eksplisit berguna sebelum mengubah kontrol tersebut: minta bagian, bidang, atau contoh persis yang diperlukan dan sisakan ruang cukup.
Qwen mendokumentasikan perluasan opsional hingga 1.010.000 token melalui konfigurasi terpisah memakai Dual Chunk Attention dan sparse attention. Jendela asli tetap 262.144 token; pengaturan lebih besar bergantung pada implementasi yang ditentukan dan sumber daya memori. Kartu secara eksplisit mencatat bahwa batasan memori mungkin memerlukan konteks yang dikonfigurasi lebih pendek. Untuk materi luas, pilih sumber relevan, nyatakan prioritasnya, dan minta model memisahkan kesimpulan yang didukung teks yang diberikan dari pertanyaan yang belum terselesaikan. Ini membuat hasil konteks panjang dapat ditindaklanjuti tanpa memperlakukan kapasitas masukan sebagai pengganti tugas yang tepat.
", "aboutText": "Qwen3-235B-A22B-Instruct-2507 adalah edisi yang diperbarui, mengikuti instruksi, dan tanpa berpikir dari model mixture-of-experts besar Qwen3. Qwen menyoroti peningkatan pemahaman teks, penalaran logis, matematika, sains, pemrograman, dan penggunaan alat, bersama pengetahuan multibahasa lebih luas serta penanganan penulisan terbuka yang lebih baik. Masukan dan keluarannya berupa teks. Model berguna untuk mengubah arahan yang jelas dan materi yang diberikan menjadi jawaban, analisis, program, atau draf yang dipoles tanpa bagian berpikir yang dihasilkan secara terpisah.\n\nModel memiliki total 235 miliar parameter dan mengaktifkan 22 miliar untuk setiap token. Konteks aslinya 262.144 token. Permintaan masukan panjang yang praktis dapat menyatukan spesifikasi produk, catatan implementasi, dan daftar pertanyaan belum terselesaikan, lalu meminta perbandingan terstruktur atau spesifikasi yang disunting. Pertahankan judul sumber dan tentukan audiens sasaran, bagian yang perlu diubah, serta kondisi yang harus dipenuhi keluaran. Untuk penulisan, sertakan nada, panjang, dan fakta yang diperlukan; untuk pemrograman, sertakan antarmuka, perilaku yang diharapkan, dan kode sekitarnya.\n\nEdisi ini hanya mendukung mode tanpa berpikir dan tidak menghasilkan blokContoh teknis dalam bahasa Inggris
Update a specification from notes\n\nProduce an updated export specification from these sources. [SPEC] Export all visible rows with headers. [IMPLEMENTATION] Current code exports selected rows only. [DECISION] Users must choose either selected rows or all filtered rows; headers are always included. Decision takes priority. Return the revised requirement, the implementation gap and questions still needed for an empty selection.A revised specification section, a source-labeled gap note and an empty-selection question.Check the two export choices remain distinct and headers stay mandatory.qwen/qwen3-235b-a22b-2507Qwen3-235B-A22B-Instruct-2507 adalah model teks tanpa berpikir dari Qwen untuk penulisan multibahasa, pemrograman, mengikuti instruksi, dan analisis dokumen. Model menghasilkan jawaban langsung tanpa blok berpikir dan memiliki konteks asli 262.144 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-235B-A22B-Instruct-2507 adalah edisi yang diperbarui, mengikuti instruksi, dan tanpa berpikir dari model mixture-of-experts besar Qwen3. Qwen menyoroti peningkatan pemahaman teks, penalaran logis, matematika, sains, pemrograman, dan penggunaan alat, bersama pengetahuan multibahasa lebih luas serta penanganan penulisan terbuka yang lebih baik. Masukan dan keluarannya berupa teks. Model berguna untuk mengubah arahan yang jelas dan materi yang diberikan menjadi jawaban, analisis, program, atau draf yang dipoles tanpa bagian berpikir yang dihasilkan secara terpisah.
Model memiliki total 235 miliar parameter dan mengaktifkan 22 miliar untuk setiap token. Konteks aslinya 262.144 token. Permintaan masukan panjang yang praktis dapat menyatukan spesifikasi produk, catatan implementasi, dan daftar pertanyaan belum terselesaikan, lalu meminta perbandingan terstruktur atau spesifikasi yang disunting. Pertahankan judul sumber dan tentukan audiens sasaran, bagian yang perlu diubah, serta kondisi yang harus dipenuhi keluaran. Untuk penulisan, sertakan nada, panjang, dan fakta yang diperlukan; untuk pemrograman, sertakan antarmuka, perilaku yang diharapkan, dan kode sekitarnya.
Edisi ini hanya mendukung mode tanpa berpikir dan tidak menghasilkan blok <think>. Model tidak memerlukan sakelar enable_thinking=False dari model hibrida awal, dan meminta mode model Thinking-2507 berikutnya tidak mengubah edisinya. Keluaran langsung tetap memungkinkan penjelasan, perhitungan, atau jawaban beralasan ketika diminta. Contoh Qwen menstandarkan jawaban matematika dengan \\boxed{} dan jawaban pilihan ganda dengan bidang jawaban tertentu. Instruksi eksplisit serupa dapat meminta alasan singkat diikuti rekomendasi akhir atau bidang JSON yang ditentukan dengan makna diberikan dalam prompt.
Untuk alur kerja agen, kartu resmi menyarankan Qwen-Agent dengan templat dan parser pemanggilan alat. Alat dapat ditentukan satu per satu atau melalui konfigurasi alat terstruktur, dan pengembang memperagakan pengambilan informasi serta interpreter kode. Persiapan bermanfaat adalah mendeskripsikan tujuan dan argumen tiap alat, memberikan materi yang sudah tersedia, dan menentukan titik berhenti yang diinginkan. Misalnya, asisten dokumentasi dapat diminta mengambil bagian bernama, menyelaraskan perbedaan, dan mengembalikan penjelasan terbaru. Aplikasi yang membungkusnya mengeksekusi alat yang diminta dan mengembalikan hasil ke percakapan.
Pengembang menyarankan temperature 0,7, top-p 0,8, top-k 20, dan min-p 0, dengan kapasitas keluaran 16.384 token untuk sebagian besar pertanyaan. Ini adalah panduan generasi, bukan pernyataan bahwa setiap respons dapat mencapai maksimum tetap. Kartu juga mencatat bahwa presence penalty dapat mengurangi keluaran berulang, sedangkan nilai lebih tinggi dapat menimbulkan pencampuran bahasa dan sedikit menurunkan kualitas. Arahan terfokus dan struktur keluaran eksplisit berguna sebelum mengubah kontrol tersebut: minta bagian, bidang, atau contoh persis yang diperlukan dan sisakan ruang cukup.
Qwen mendokumentasikan perluasan opsional hingga 1.010.000 token melalui konfigurasi terpisah memakai Dual Chunk Attention dan sparse attention. Jendela asli tetap 262.144 token; pengaturan lebih besar bergantung pada implementasi yang ditentukan dan sumber daya memori. Kartu secara eksplisit mencatat bahwa batasan memori mungkin memerlukan konteks yang dikonfigurasi lebih pendek. Untuk materi luas, pilih sumber relevan, nyatakan prioritasnya, dan minta model memisahkan kesimpulan yang didukung teks yang diberikan dari pertanyaan yang belum terselesaikan. Ini membuat hasil konteks panjang dapat ditindaklanjuti tanpa memperlakukan kapasitas masukan sebagai pengganti tugas yang tepat.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-235b-a22b-2507 | 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 $0.000572 / 1K token Keluaran · Token keluaran $0.00228 / 1K token Masukan · Pembacaan cache $0.0001 / 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 $0.000572 / 1K token Keluaran · Token keluaran $0.00228 / 1K token Masukan · Pembacaan cache $0.0001 / 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/qwen3-235b-a22b-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-235b-a22b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-235b-a22b-2507',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/qwen3-235b-a22b-2507
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3-235b-a22b-2507Qwen3-235B-A22B-Instruct-2507 adalah model teks tanpa berpikir dari Qwen untuk penulisan multibahasa, pemrograman, mengikuti instruksi, dan analisis dokumen. Model menghasilkan jawaban langsung tanpa blok berpikir dan memiliki konteks asli 262.144 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-235B-A22B-Instruct-2507 adalah edisi yang diperbarui, mengikuti instruksi, dan tanpa berpikir dari model mixture-of-experts besar Qwen3. Qwen menyoroti peningkatan pemahaman teks, penalaran logis, matematika, sains, pemrograman, dan penggunaan alat, bersama pengetahuan multibahasa lebih luas serta penanganan penulisan terbuka yang lebih baik. Masukan dan keluarannya berupa teks. Model berguna untuk mengubah arahan yang jelas dan materi yang diberikan menjadi jawaban, analisis, program, atau draf yang dipoles tanpa bagian berpikir yang dihasilkan secara terpisah.
Model memiliki total 235 miliar parameter dan mengaktifkan 22 miliar untuk setiap token. Konteks aslinya 262.144 token. Permintaan masukan panjang yang praktis dapat menyatukan spesifikasi produk, catatan implementasi, dan daftar pertanyaan belum terselesaikan, lalu meminta perbandingan terstruktur atau spesifikasi yang disunting. Pertahankan judul sumber dan tentukan audiens sasaran, bagian yang perlu diubah, serta kondisi yang harus dipenuhi keluaran. Untuk penulisan, sertakan nada, panjang, dan fakta yang diperlukan; untuk pemrograman, sertakan antarmuka, perilaku yang diharapkan, dan kode sekitarnya.
Edisi ini hanya mendukung mode tanpa berpikir dan tidak menghasilkan blok <think>. Model tidak memerlukan sakelar enable_thinking=False dari model hibrida awal, dan meminta mode model Thinking-2507 berikutnya tidak mengubah edisinya. Keluaran langsung tetap memungkinkan penjelasan, perhitungan, atau jawaban beralasan ketika diminta. Contoh Qwen menstandarkan jawaban matematika dengan \\boxed{} dan jawaban pilihan ganda dengan bidang jawaban tertentu. Instruksi eksplisit serupa dapat meminta alasan singkat diikuti rekomendasi akhir atau bidang JSON yang ditentukan dengan makna diberikan dalam prompt.
Untuk alur kerja agen, kartu resmi menyarankan Qwen-Agent dengan templat dan parser pemanggilan alat. Alat dapat ditentukan satu per satu atau melalui konfigurasi alat terstruktur, dan pengembang memperagakan pengambilan informasi serta interpreter kode. Persiapan bermanfaat adalah mendeskripsikan tujuan dan argumen tiap alat, memberikan materi yang sudah tersedia, dan menentukan titik berhenti yang diinginkan. Misalnya, asisten dokumentasi dapat diminta mengambil bagian bernama, menyelaraskan perbedaan, dan mengembalikan penjelasan terbaru. Aplikasi yang membungkusnya mengeksekusi alat yang diminta dan mengembalikan hasil ke percakapan.
Pengembang menyarankan temperature 0,7, top-p 0,8, top-k 20, dan min-p 0, dengan kapasitas keluaran 16.384 token untuk sebagian besar pertanyaan. Ini adalah panduan generasi, bukan pernyataan bahwa setiap respons dapat mencapai maksimum tetap. Kartu juga mencatat bahwa presence penalty dapat mengurangi keluaran berulang, sedangkan nilai lebih tinggi dapat menimbulkan pencampuran bahasa dan sedikit menurunkan kualitas. Arahan terfokus dan struktur keluaran eksplisit berguna sebelum mengubah kontrol tersebut: minta bagian, bidang, atau contoh persis yang diperlukan dan sisakan ruang cukup.
Qwen mendokumentasikan perluasan opsional hingga 1.010.000 token melalui konfigurasi terpisah memakai Dual Chunk Attention dan sparse attention. Jendela asli tetap 262.144 token; pengaturan lebih besar bergantung pada implementasi yang ditentukan dan sumber daya memori. Kartu secara eksplisit mencatat bahwa batasan memori mungkin memerlukan konteks yang dikonfigurasi lebih pendek. Untuk materi luas, pilih sumber relevan, nyatakan prioritasnya, dan minta model memisahkan kesimpulan yang didukung teks yang diberikan dari pertanyaan yang belum terselesaikan. Ini membuat hasil konteks panjang dapat ditindaklanjuti tanpa memperlakukan kapasitas masukan sebagai pengganti tugas yang tepat.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-235b-a22b-2507 | 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 $0.000572 / 1K token Keluaran · Token keluaran $0.00228 / 1K token Masukan · Pembacaan cache $0.0001 / 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 $0.000572 / 1K token Keluaran · Token keluaran $0.00228 / 1K token Masukan · Pembacaan cache $0.0001 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-235b-a22b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-235b-a22b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-235b-a22b-2507', '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/qwen3-235b-a22b-2507
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Update a specification from notes\n\nProduce an updated export specification from these sources. [SPEC] Export all visible rows with headers. [IMPLEMENTATION] Current code exports selected rows only. [DECISION] Users must choose either selected rows or all filtered rows; headers are always included. Decision takes priority. Return the revised requirement, the implementation gap and questions still needed for an empty selection.A revised specification section, a source-labeled gap note and an empty-selection question.Check the two export choices remain distinct and headers stay mandatory.