Qwen3-235B-A22B-Thinking-2507 mengembangkan cabang penalaran Qwen3 untuk tugas logika, matematika, sains, dan pemrograman kompleks. Qwen juga menyebut mengikuti instruksi, penggunaan alat, generasi teks, dan pemahaman konteks panjang sebagai bidang yang ditingkatkan dalam edisi ini. Model menerima percakapan teks dan menghasilkan teks. Arahan bermanfaat memberikan masalah lengkap, bukti relevan, batasan, dan bentuk persis hasil akhir: pembuktian, rencana implementasi, program yang diperbaiki, atau keputusan yang didukung dokumen yang diberikan.
Model memakai arsitektur mixture-of-experts dengan total 235 miliar parameter dan 22 miliar diaktifkan untuk setiap token. Konteks aslinya 262.144 token. Ruang ini bermanfaat untuk menyatukan beberapa spesifikasi, berkas sumber, atau kutipan penelitian yang terkait dalam satu percakapan, sambil menyisakan ruang untuk penalaran model dan jawaban akhir. Labeli dokumen dan blok kode, nyatakan sumber mana yang diutamakan, dan tunjuk bagian penting. Misalnya, arahan analisis perangkat lunak dapat memberikan perilaku gagal, perilaku yang diharapkan, fungsi relevan, dan batasan, lalu meminta usulan perbaikan dengan asumsi dicantumkan terpisah.
Ini adalah edisi khusus berpikir. Model tidak beralih ke mode tanpa berpikir dari model Qwen3 awal. Templat chat resmi otomatis memulai bagian penalaran, sehingga keluaran dapat berisi penanda penutup </think> tanpa penanda pembuka dalam teks yang dihasilkan. Contoh pengembang memisahkan bagian penalaran itu dari jawaban akhir. Untuk tugas matematika, Qwen menyarankan meminta penalaran langkah demi langkah dan jawaban akhir di dalam \\boxed{}. Untuk tugas pilihan ganda, disarankan bidang jawaban yang hanya berisi huruf pilihan. Instruksi ini membantu hasil lebih mudah dibaca atau digunakan setelah penalaran selesai.
Panduan generasi Qwen menyarankan temperature 0,6, top-p 0,95, top-k 20, dan min-p 0. Panduan menyarankan kapasitas keluaran 32.768 token untuk sebagian besar pertanyaan dan menjelaskan kapasitas 81.920 token untuk masalah matematika serta pemrograman yang sangat menuntut. Angka tersebut adalah rekomendasi pengembang untuk generasi, bukan batas respons terjamin yang terpisah. Penalaran lebih panjang membutuhkan ruang sebelum jawaban akhir: kapasitas terlalu kecil dapat mengakhiri respons sebelum kesimpulan yang diminta. Dalam giliran percakapan selanjutnya, panduan resmi mempertahankan jawaban akhir dalam riwayat dan menghilangkan isi berpikir sebelumnya.
Untuk pekerjaan bergaya agen, Qwen menyarankan Qwen-Agent yang menyediakan templat dan penguraian pemanggilan alat. Contohnya menggabungkan alat yang ditentukan, seperti pengambilan informasi dan interpreter kode, dengan percakapan model. Siapkan deskripsi alat yang tersedia, kondisi berhenti tugas, dan hasil yang diperlukan sebelum meminta rencana penggunaan alat. Arahan penelitian praktis dapat meminta pengumpulan bukti tertentu, perbandingan penjelasan yang bersaing, dan kesimpulan dengan bukti disusun berdasarkan sumber. Pemanggilan alat mendeskripsikan pekerjaan yang perlu dieksekusi aplikasi; teks model saja bukan tindakan eksternal atau hasilnya.
Kartu resmi juga menjelaskan perluasan konteks opsional hingga sekitar satu juta token memakai konfigurasi terpisah, Dual Chunk Attention, dan sparse attention. Ini berbeda dari jendela asli 262.144 token dan bergantung pada implementasi yang ditentukan serta sumber daya memori besar. Pengembang memperingatkan bahwa batasan konteks dan memori dapat memerlukan urutan lebih pendek. Untuk pekerjaan dokumen panjang biasa, susun masukan berdasarkan pertanyaan sebenarnya, pertahankan batas dokumen, dan minta sintesis akhir ringkas dengan bukti yang belum terselesaikan diidentifikasi. Ini memisahkan hasil bermanfaat dari proses penalaran yang dapat berlangsung panjang.
", "aboutText": "Qwen3-235B-A22B-Thinking-2507 mengembangkan cabang penalaran Qwen3 untuk tugas logika, matematika, sains, dan pemrograman kompleks. Qwen juga menyebut mengikuti instruksi, penggunaan alat, generasi teks, dan pemahaman konteks panjang sebagai bidang yang ditingkatkan dalam edisi ini. Model menerima percakapan teks dan menghasilkan teks. Arahan bermanfaat memberikan masalah lengkap, bukti relevan, batasan, dan bentuk persis hasil akhir: pembuktian, rencana implementasi, program yang diperbaiki, atau keputusan yang didukung dokumen yang diberikan.\n\nModel memakai arsitektur mixture-of-experts dengan total 235 miliar parameter dan 22 miliar diaktifkan untuk setiap token. Konteks aslinya 262.144 token. Ruang ini bermanfaat untuk menyatukan beberapa spesifikasi, berkas sumber, atau kutipan penelitian yang terkait dalam satu percakapan, sambil menyisakan ruang untuk penalaran model dan jawaban akhir. Labeli dokumen dan blok kode, nyatakan sumber mana yang diutamakan, dan tunjuk bagian penting. Misalnya, arahan analisis perangkat lunak dapat memberikan perilaku gagal, perilaku yang diharapkan, fungsi relevan, dan batasan, lalu meminta usulan perbaikan dengan asumsi dicantumkan terpisah.\n\nIni adalah edisi khusus berpikir. Model tidak beralih ke mode tanpa berpikir dari model Qwen3 awal. Templat chat resmi otomatis memulai bagian penalaran, sehingga keluaran dapat berisi penanda penutup tanpa penanda pembuka dalam teks yang dihasilkan. Contoh pengembang memisahkan bagian penalaran itu dari jawaban akhir. Untuk tugas matematika, Qwen menyarankan meminta penalaran langkah demi langkah dan jawaban akhir di dalam \\boxed{}. Untuk tugas pilihan ganda, disarankan bidang jawaban yang hanya berisi huruf pilihan. Instruksi ini membantu hasil lebih mudah dibaca atau digunakan setelah penalaran selesai.\n\nPanduan generasi Qwen menyarankan temperature 0,6, top-p 0,95, top-k 20, dan min-p 0. Panduan menyarankan kapasitas keluaran 32.768 token untuk sebagian besar pertanyaan dan menjelaskan kapasitas 81.920 token untuk masalah matematika serta pemrograman yang sangat menuntut. Angka tersebut adalah rekomendasi pengembang untuk generasi, bukan batas respons terjamin yang terpisah. Penalaran lebih panjang membutuhkan ruang sebelum jawaban akhir: kapasitas terlalu kecil dapat mengakhiri respons sebelum kesimpulan yang diminta. Dalam giliran percakapan selanjutnya, panduan resmi mempertahankan jawaban akhir dalam riwayat dan menghilangkan isi berpikir sebelumnya.\n\nUntuk pekerjaan bergaya agen, Qwen menyarankan Qwen-Agent yang menyediakan templat dan penguraian pemanggilan alat. Contohnya menggabungkan alat yang ditentukan, seperti pengambilan informasi dan interpreter kode, dengan percakapan model. Siapkan deskripsi alat yang tersedia, kondisi berhenti tugas, dan hasil yang diperlukan sebelum meminta rencana penggunaan alat. Arahan penelitian praktis dapat meminta pengumpulan bukti tertentu, perbandingan penjelasan yang bersaing, dan kesimpulan dengan bukti disusun berdasarkan sumber. Pemanggilan alat mendeskripsikan pekerjaan yang perlu dieksekusi aplikasi; teks model saja bukan tindakan eksternal atau hasilnya.\n\nKartu resmi juga menjelaskan perluasan konteks opsional hingga sekitar satu juta token memakai konfigurasi terpisah, Dual Chunk Attention, dan sparse attention. Ini berbeda dari jendela asli 262.144 token dan bergantung pada implementasi yang ditentukan serta sumber daya memori besar. Pengembang memperingatkan bahwa batasan konteks dan memori dapat memerlukan urutan lebih pendek. Untuk pekerjaan dokumen panjang biasa, susun masukan berdasarkan pertanyaan sebenarnya, pertahankan batas dokumen, dan minta sintesis akhir ringkas dengan bukti yang belum terselesaikan diidentifikasi. Ini memisahkan hasil bermanfaat dari proses penalaran yang dapat berlangsung panjang.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507 adalah model teks Qwen yang hanya bekerja dalam mode penalaran untuk matematika, sains, pemrograman, dan analisis dokumen panjang yang menuntut kemampuan tinggi. Konteks asli 262.144 token dan penalaran panjangnya cocok untuk masalah yang membutuhkan beberapa langkah saling terhubung.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-235B-A22B-Thinking-2507 mengembangkan cabang penalaran Qwen3 untuk tugas logika, matematika, sains, dan pemrograman kompleks. Qwen juga menyebut mengikuti instruksi, penggunaan alat, generasi teks, dan pemahaman konteks panjang sebagai bidang yang ditingkatkan dalam edisi ini. Model menerima percakapan teks dan menghasilkan teks. Arahan bermanfaat memberikan masalah lengkap, bukti relevan, batasan, dan bentuk persis hasil akhir: pembuktian, rencana implementasi, program yang diperbaiki, atau keputusan yang didukung dokumen yang diberikan.
Model memakai arsitektur mixture-of-experts dengan total 235 miliar parameter dan 22 miliar diaktifkan untuk setiap token. Konteks aslinya 262.144 token. Ruang ini bermanfaat untuk menyatukan beberapa spesifikasi, berkas sumber, atau kutipan penelitian yang terkait dalam satu percakapan, sambil menyisakan ruang untuk penalaran model dan jawaban akhir. Labeli dokumen dan blok kode, nyatakan sumber mana yang diutamakan, dan tunjuk bagian penting. Misalnya, arahan analisis perangkat lunak dapat memberikan perilaku gagal, perilaku yang diharapkan, fungsi relevan, dan batasan, lalu meminta usulan perbaikan dengan asumsi dicantumkan terpisah.
Ini adalah edisi khusus berpikir. Model tidak beralih ke mode tanpa berpikir dari model Qwen3 awal. Templat chat resmi otomatis memulai bagian penalaran, sehingga keluaran dapat berisi penanda penutup </think> tanpa penanda pembuka dalam teks yang dihasilkan. Contoh pengembang memisahkan bagian penalaran itu dari jawaban akhir. Untuk tugas matematika, Qwen menyarankan meminta penalaran langkah demi langkah dan jawaban akhir di dalam \\boxed{}. Untuk tugas pilihan ganda, disarankan bidang jawaban yang hanya berisi huruf pilihan. Instruksi ini membantu hasil lebih mudah dibaca atau digunakan setelah penalaran selesai.
Panduan generasi Qwen menyarankan temperature 0,6, top-p 0,95, top-k 20, dan min-p 0. Panduan menyarankan kapasitas keluaran 32.768 token untuk sebagian besar pertanyaan dan menjelaskan kapasitas 81.920 token untuk masalah matematika serta pemrograman yang sangat menuntut. Angka tersebut adalah rekomendasi pengembang untuk generasi, bukan batas respons terjamin yang terpisah. Penalaran lebih panjang membutuhkan ruang sebelum jawaban akhir: kapasitas terlalu kecil dapat mengakhiri respons sebelum kesimpulan yang diminta. Dalam giliran percakapan selanjutnya, panduan resmi mempertahankan jawaban akhir dalam riwayat dan menghilangkan isi berpikir sebelumnya.
Untuk pekerjaan bergaya agen, Qwen menyarankan Qwen-Agent yang menyediakan templat dan penguraian pemanggilan alat. Contohnya menggabungkan alat yang ditentukan, seperti pengambilan informasi dan interpreter kode, dengan percakapan model. Siapkan deskripsi alat yang tersedia, kondisi berhenti tugas, dan hasil yang diperlukan sebelum meminta rencana penggunaan alat. Arahan penelitian praktis dapat meminta pengumpulan bukti tertentu, perbandingan penjelasan yang bersaing, dan kesimpulan dengan bukti disusun berdasarkan sumber. Pemanggilan alat mendeskripsikan pekerjaan yang perlu dieksekusi aplikasi; teks model saja bukan tindakan eksternal atau hasilnya.
Kartu resmi juga menjelaskan perluasan konteks opsional hingga sekitar satu juta token memakai konfigurasi terpisah, Dual Chunk Attention, dan sparse attention. Ini berbeda dari jendela asli 262.144 token dan bergantung pada implementasi yang ditentukan serta sumber daya memori besar. Pengembang memperingatkan bahwa batasan konteks dan memori dapat memerlukan urutan lebih pendek. Untuk pekerjaan dokumen panjang biasa, susun masukan berdasarkan pertanyaan sebenarnya, pertahankan batas dokumen, dan minta sintesis akhir ringkas dengan bukti yang belum terselesaikan diidentifikasi. Ini memisahkan hasil bermanfaat dari proses penalaran yang dapat berlangsung panjang.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-235b-a22b-thinking-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 $0.0009 / 1K token Keluaran · Token keluaran $0.007 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 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 $0.0009 / 1K token Keluaran · Token keluaran $0.007 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-thinking-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-thinking-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-thinking-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-thinking-2507
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507 adalah model teks Qwen yang hanya bekerja dalam mode penalaran untuk matematika, sains, pemrograman, dan analisis dokumen panjang yang menuntut kemampuan tinggi. Konteks asli 262.144 token dan penalaran panjangnya cocok untuk masalah yang membutuhkan beberapa langkah saling terhubung.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-235B-A22B-Thinking-2507 mengembangkan cabang penalaran Qwen3 untuk tugas logika, matematika, sains, dan pemrograman kompleks. Qwen juga menyebut mengikuti instruksi, penggunaan alat, generasi teks, dan pemahaman konteks panjang sebagai bidang yang ditingkatkan dalam edisi ini. Model menerima percakapan teks dan menghasilkan teks. Arahan bermanfaat memberikan masalah lengkap, bukti relevan, batasan, dan bentuk persis hasil akhir: pembuktian, rencana implementasi, program yang diperbaiki, atau keputusan yang didukung dokumen yang diberikan.
Model memakai arsitektur mixture-of-experts dengan total 235 miliar parameter dan 22 miliar diaktifkan untuk setiap token. Konteks aslinya 262.144 token. Ruang ini bermanfaat untuk menyatukan beberapa spesifikasi, berkas sumber, atau kutipan penelitian yang terkait dalam satu percakapan, sambil menyisakan ruang untuk penalaran model dan jawaban akhir. Labeli dokumen dan blok kode, nyatakan sumber mana yang diutamakan, dan tunjuk bagian penting. Misalnya, arahan analisis perangkat lunak dapat memberikan perilaku gagal, perilaku yang diharapkan, fungsi relevan, dan batasan, lalu meminta usulan perbaikan dengan asumsi dicantumkan terpisah.
Ini adalah edisi khusus berpikir. Model tidak beralih ke mode tanpa berpikir dari model Qwen3 awal. Templat chat resmi otomatis memulai bagian penalaran, sehingga keluaran dapat berisi penanda penutup </think> tanpa penanda pembuka dalam teks yang dihasilkan. Contoh pengembang memisahkan bagian penalaran itu dari jawaban akhir. Untuk tugas matematika, Qwen menyarankan meminta penalaran langkah demi langkah dan jawaban akhir di dalam \\boxed{}. Untuk tugas pilihan ganda, disarankan bidang jawaban yang hanya berisi huruf pilihan. Instruksi ini membantu hasil lebih mudah dibaca atau digunakan setelah penalaran selesai.
Panduan generasi Qwen menyarankan temperature 0,6, top-p 0,95, top-k 20, dan min-p 0. Panduan menyarankan kapasitas keluaran 32.768 token untuk sebagian besar pertanyaan dan menjelaskan kapasitas 81.920 token untuk masalah matematika serta pemrograman yang sangat menuntut. Angka tersebut adalah rekomendasi pengembang untuk generasi, bukan batas respons terjamin yang terpisah. Penalaran lebih panjang membutuhkan ruang sebelum jawaban akhir: kapasitas terlalu kecil dapat mengakhiri respons sebelum kesimpulan yang diminta. Dalam giliran percakapan selanjutnya, panduan resmi mempertahankan jawaban akhir dalam riwayat dan menghilangkan isi berpikir sebelumnya.
Untuk pekerjaan bergaya agen, Qwen menyarankan Qwen-Agent yang menyediakan templat dan penguraian pemanggilan alat. Contohnya menggabungkan alat yang ditentukan, seperti pengambilan informasi dan interpreter kode, dengan percakapan model. Siapkan deskripsi alat yang tersedia, kondisi berhenti tugas, dan hasil yang diperlukan sebelum meminta rencana penggunaan alat. Arahan penelitian praktis dapat meminta pengumpulan bukti tertentu, perbandingan penjelasan yang bersaing, dan kesimpulan dengan bukti disusun berdasarkan sumber. Pemanggilan alat mendeskripsikan pekerjaan yang perlu dieksekusi aplikasi; teks model saja bukan tindakan eksternal atau hasilnya.
Kartu resmi juga menjelaskan perluasan konteks opsional hingga sekitar satu juta token memakai konfigurasi terpisah, Dual Chunk Attention, dan sparse attention. Ini berbeda dari jendela asli 262.144 token dan bergantung pada implementasi yang ditentukan serta sumber daya memori besar. Pengembang memperingatkan bahwa batasan konteks dan memori dapat memerlukan urutan lebih pendek. Untuk pekerjaan dokumen panjang biasa, susun masukan berdasarkan pertanyaan sebenarnya, pertahankan batas dokumen, dan minta sintesis akhir ringkas dengan bukti yang belum terselesaikan diidentifikasi. Ini memisahkan hasil bermanfaat dari proses penalaran yang dapat berlangsung panjang.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-235b-a22b-thinking-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 $0.0009 / 1K token Keluaran · Token keluaran $0.007 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 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 $0.0009 / 1K token Keluaran · Token keluaran $0.007 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-235b-a22b-thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-thinking-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-thinking-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-thinking-2507
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.