Qwen3-30B-A3B menggabungkan dua gaya respons dalam satu model teks: berpikir untuk masalah logika, matematika, dan pemrograman kompleks, serta tanpa berpikir untuk dialog sederhana. Qwen juga menekankan penulisan kreatif, percakapan berbasis peran, mengikuti instruksi, dan integrasi alat eksternal. Keluarga Qwen3 awal mendukung 119 bahasa dan dialek, menjadikan model bermanfaat untuk pertanyaan multibahasa, terjemahan, dan percakapan ketika bahasa yang diminta dapat berubah antargiliran. Nyatakan bahasa keluaran, pertahankan istilah yang perlu tetap tidak berubah, dan jelaskan kebutuhan pembaca.
Ini adalah edisi mixture-of-experts Qwen3-30B-A3B awal. Total 30,5 miliar parameternya mencakup 3,3 miliar yang diaktifkan setiap token; delapan dari 128 ahli dipilih pada lapisan ahli model. Arsitektur sparse merupakan perbedaan penting dari model dense Qwen3. Profil ini membahas model hibrida awal dengan konteks asli 32.768 token, bukan edisi Instruct-2507 atau Thinking-2507 berikutnya yang dinamai terpisah. Untuk arahan analisis, berikan kode atau bagian sumber relevan, pertanyaan yang perlu diselesaikan, dan kondisi yang harus dipenuhi jawaban sah.
Dalam templat chat resmi, berpikir diaktifkan secara bawaan. Sakelar keras enable_thinking dapat menonaktifkannya sepenuhnya. Ketika berpikir tetap aktif, /think dan /no_think dalam instruksi pengguna atau sistem bertindak sebagai sakelar lunak, dan instruksi terbaru mengontrol perilaku yang diminta antargiliran. Permintaan /no_think pada templat aktif tetap dapat menghasilkan blok berpikir kosong; ketika sakelar keras dinonaktifkan, kedua penanda tidak mengaktifkan berpikir. Pembedaan ini penting ketika alur kerja berganti antara penulisan ulang langsung dan pertanyaan debugging atau penalaran yang lebih rumit.
Contoh Qwen memisahkan bagian <think> dari respons akhir. Untuk masalah pemrograman, siapkan cuplikan sumber relevan terkecil, kegagalan yang diamati, dan hasil yang diinginkan, lalu minta diagnosis serta usulan perbaikan. Untuk masalah matematika, pengembang menyarankan instruksi langkah demi langkah eksplisit dengan jawaban akhir ditempatkan dalam \\boxed{}. Arahan pilihan ganda dapat menentukan satu bidang jawaban sebagai gantinya. Pada giliran berikutnya, Qwen menyarankan mempertahankan jawaban akhir dan menghilangkan isi berpikir sebelumnya dari riwayat, bukan berulang kali membawa seluruh bagian penalaran ke depan.
Pemanggilan alat dijelaskan untuk kedua mode. Qwen menyarankan Qwen-Agent menangani templat alat dan penguraian model, dengan contoh pengambilan informasi, informasi waktu, dan interpreter kode. Deskripsikan alat yang tersedia serta argumennya sebelum meminta rencana urutan. Arahan bermanfaat dapat meminta pemeriksaan dokumentasi pilihan diikuti usulan implementasi beralasan; kembalikan tiap hasil alat ke percakapan agar model melanjutkan dari bukti sebenarnya. Permintaan alat tekstual dan hasil yang dieksekusi aplikasi tetap merupakan bagian terpisah dari alur kerja itu.
Kartu menjelaskan perluasan konteks hingga 131.072 token memakai YaRN. Ini adalah perluasan jendela asli yang bergantung konfigurasi, dan Qwen memperingatkan bahwa penskalaan statis dapat memengaruhi masukan lebih pendek. Kartu juga menjelaskan konfigurasi posisi bawaan 40.960 yang mengalokasikan ruang bagi prompt umum dan respons panjang; ini berbeda dari deskripsi konteks asli. Siapkan materi panjang dengan batas dokumen jelas, prioritaskan bagian relevan untuk pertanyaan, dan sisakan ruang untuk jawaban serta penalaran.
Untuk berpikir, Qwen menyarankan temperature 0,6, top-p 0,95, top-k 20, dan min-p 0 serta menghindari greedy decoding karena dapat menurunkan kualitas hasil atau mengulang tanpa akhir. Untuk tanpa berpikir, panduannya mengubah temperature menjadi 0,7 dan top-p menjadi 0,8. Pengembang menyarankan kapasitas keluaran 32.768 token bagi sebagian besar pertanyaan dan menjelaskan 38.912 token untuk masalah matematika serta pemrograman yang sangat menuntut. Ini adalah pengaturan generasi pengembang, bukan jaminan respons tetap yang terpisah. Pilih mode dan hasil yang diminta bersama agar respons memiliki ruang untuk penalaran yang diperlukan serta hasil akhir bermanfaat.
", "aboutText": "Qwen3-30B-A3B menggabungkan dua gaya respons dalam satu model teks: berpikir untuk masalah logika, matematika, dan pemrograman kompleks, serta tanpa berpikir untuk dialog sederhana. Qwen juga menekankan penulisan kreatif, percakapan berbasis peran, mengikuti instruksi, dan integrasi alat eksternal. Keluarga Qwen3 awal mendukung 119 bahasa dan dialek, menjadikan model bermanfaat untuk pertanyaan multibahasa, terjemahan, dan percakapan ketika bahasa yang diminta dapat berubah antargiliran. Nyatakan bahasa keluaran, pertahankan istilah yang perlu tetap tidak berubah, dan jelaskan kebutuhan pembaca.\n\nIni adalah edisi mixture-of-experts Qwen3-30B-A3B awal. Total 30,5 miliar parameternya mencakup 3,3 miliar yang diaktifkan setiap token; delapan dari 128 ahli dipilih pada lapisan ahli model. Arsitektur sparse merupakan perbedaan penting dari model dense Qwen3. Profil ini membahas model hibrida awal dengan konteks asli 32.768 token, bukan edisi Instruct-2507 atau Thinking-2507 berikutnya yang dinamai terpisah. Untuk arahan analisis, berikan kode atau bagian sumber relevan, pertanyaan yang perlu diselesaikan, dan kondisi yang harus dipenuhi jawaban sah.\n\nDalam templat chat resmi, berpikir diaktifkan secara bawaan. Sakelar keras enable_thinking dapat menonaktifkannya sepenuhnya. Ketika berpikir tetap aktif, /think dan /no_think dalam instruksi pengguna atau sistem bertindak sebagai sakelar lunak, dan instruksi terbaru mengontrol perilaku yang diminta antargiliran. Permintaan /no_think pada templat aktif tetap dapat menghasilkan blok berpikir kosong; ketika sakelar keras dinonaktifkan, kedua penanda tidak mengaktifkan berpikir. Pembedaan ini penting ketika alur kerja berganti antara penulisan ulang langsung dan pertanyaan debugging atau penalaran yang lebih rumit.\n\nContoh Qwen memisahkan bagianContoh teknis dalam bahasa Inggris
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.qwen/qwen3-30b-a3bQwen3-30B-A3B adalah model teks mixture-of-experts Qwen dengan mode berpikir dan tanpa berpikir untuk penalaran, pemrograman, dan percakapan multibahasa. Model memiliki total 30,5 miliar parameter, 3,3 miliar aktif per token, dan 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.
Qwen3-30B-A3B menggabungkan dua gaya respons dalam satu model teks: berpikir untuk masalah logika, matematika, dan pemrograman kompleks, serta tanpa berpikir untuk dialog sederhana. Qwen juga menekankan penulisan kreatif, percakapan berbasis peran, mengikuti instruksi, dan integrasi alat eksternal. Keluarga Qwen3 awal mendukung 119 bahasa dan dialek, menjadikan model bermanfaat untuk pertanyaan multibahasa, terjemahan, dan percakapan ketika bahasa yang diminta dapat berubah antargiliran. Nyatakan bahasa keluaran, pertahankan istilah yang perlu tetap tidak berubah, dan jelaskan kebutuhan pembaca.
Ini adalah edisi mixture-of-experts Qwen3-30B-A3B awal. Total 30,5 miliar parameternya mencakup 3,3 miliar yang diaktifkan setiap token; delapan dari 128 ahli dipilih pada lapisan ahli model. Arsitektur sparse merupakan perbedaan penting dari model dense Qwen3. Profil ini membahas model hibrida awal dengan konteks asli 32.768 token, bukan edisi Instruct-2507 atau Thinking-2507 berikutnya yang dinamai terpisah. Untuk arahan analisis, berikan kode atau bagian sumber relevan, pertanyaan yang perlu diselesaikan, dan kondisi yang harus dipenuhi jawaban sah.
Dalam templat chat resmi, berpikir diaktifkan secara bawaan. Sakelar keras enable_thinking dapat menonaktifkannya sepenuhnya. Ketika berpikir tetap aktif, /think dan /no_think dalam instruksi pengguna atau sistem bertindak sebagai sakelar lunak, dan instruksi terbaru mengontrol perilaku yang diminta antargiliran. Permintaan /no_think pada templat aktif tetap dapat menghasilkan blok berpikir kosong; ketika sakelar keras dinonaktifkan, kedua penanda tidak mengaktifkan berpikir. Pembedaan ini penting ketika alur kerja berganti antara penulisan ulang langsung dan pertanyaan debugging atau penalaran yang lebih rumit.
Contoh Qwen memisahkan bagian <think> dari respons akhir. Untuk masalah pemrograman, siapkan cuplikan sumber relevan terkecil, kegagalan yang diamati, dan hasil yang diinginkan, lalu minta diagnosis serta usulan perbaikan. Untuk masalah matematika, pengembang menyarankan instruksi langkah demi langkah eksplisit dengan jawaban akhir ditempatkan dalam \\boxed{}. Arahan pilihan ganda dapat menentukan satu bidang jawaban sebagai gantinya. Pada giliran berikutnya, Qwen menyarankan mempertahankan jawaban akhir dan menghilangkan isi berpikir sebelumnya dari riwayat, bukan berulang kali membawa seluruh bagian penalaran ke depan.
Pemanggilan alat dijelaskan untuk kedua mode. Qwen menyarankan Qwen-Agent menangani templat alat dan penguraian model, dengan contoh pengambilan informasi, informasi waktu, dan interpreter kode. Deskripsikan alat yang tersedia serta argumennya sebelum meminta rencana urutan. Arahan bermanfaat dapat meminta pemeriksaan dokumentasi pilihan diikuti usulan implementasi beralasan; kembalikan tiap hasil alat ke percakapan agar model melanjutkan dari bukti sebenarnya. Permintaan alat tekstual dan hasil yang dieksekusi aplikasi tetap merupakan bagian terpisah dari alur kerja itu.
Kartu menjelaskan perluasan konteks hingga 131.072 token memakai YaRN. Ini adalah perluasan jendela asli yang bergantung konfigurasi, dan Qwen memperingatkan bahwa penskalaan statis dapat memengaruhi masukan lebih pendek. Kartu juga menjelaskan konfigurasi posisi bawaan 40.960 yang mengalokasikan ruang bagi prompt umum dan respons panjang; ini berbeda dari deskripsi konteks asli. Siapkan materi panjang dengan batas dokumen jelas, prioritaskan bagian relevan untuk pertanyaan, dan sisakan ruang untuk jawaban serta penalaran.
Untuk berpikir, Qwen menyarankan temperature 0,6, top-p 0,95, top-k 20, dan min-p 0 serta menghindari greedy decoding karena dapat menurunkan kualitas hasil atau mengulang tanpa akhir. Untuk tanpa berpikir, panduannya mengubah temperature menjadi 0,7 dan top-p menjadi 0,8. Pengembang menyarankan kapasitas keluaran 32.768 token bagi sebagian besar pertanyaan dan menjelaskan 38.912 token untuk masalah matematika serta pemrograman yang sangat menuntut. Ini adalah pengaturan generasi pengembang, bukan jaminan respons tetap yang terpisah. Pilih mode dan hasil yang diminta bersama agar respons memiliki ruang untuk penalaran yang diperlukan serta hasil akhir bermanfaat.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-30b-a3b | 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 $0.00024 / 1K token Keluaran · Token keluaran $0.001 / 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 $0.00024 / 1K token Keluaran · Token keluaran $0.001 / 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/qwen3-30b-a3b", "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/qwen3-30b-a3b',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/qwen3-30b-a3b',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/qwen3-30b-a3b
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3-30b-a3bQwen3-30B-A3B adalah model teks mixture-of-experts Qwen dengan mode berpikir dan tanpa berpikir untuk penalaran, pemrograman, dan percakapan multibahasa. Model memiliki total 30,5 miliar parameter, 3,3 miliar aktif per token, dan 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.
Qwen3-30B-A3B menggabungkan dua gaya respons dalam satu model teks: berpikir untuk masalah logika, matematika, dan pemrograman kompleks, serta tanpa berpikir untuk dialog sederhana. Qwen juga menekankan penulisan kreatif, percakapan berbasis peran, mengikuti instruksi, dan integrasi alat eksternal. Keluarga Qwen3 awal mendukung 119 bahasa dan dialek, menjadikan model bermanfaat untuk pertanyaan multibahasa, terjemahan, dan percakapan ketika bahasa yang diminta dapat berubah antargiliran. Nyatakan bahasa keluaran, pertahankan istilah yang perlu tetap tidak berubah, dan jelaskan kebutuhan pembaca.
Ini adalah edisi mixture-of-experts Qwen3-30B-A3B awal. Total 30,5 miliar parameternya mencakup 3,3 miliar yang diaktifkan setiap token; delapan dari 128 ahli dipilih pada lapisan ahli model. Arsitektur sparse merupakan perbedaan penting dari model dense Qwen3. Profil ini membahas model hibrida awal dengan konteks asli 32.768 token, bukan edisi Instruct-2507 atau Thinking-2507 berikutnya yang dinamai terpisah. Untuk arahan analisis, berikan kode atau bagian sumber relevan, pertanyaan yang perlu diselesaikan, dan kondisi yang harus dipenuhi jawaban sah.
Dalam templat chat resmi, berpikir diaktifkan secara bawaan. Sakelar keras enable_thinking dapat menonaktifkannya sepenuhnya. Ketika berpikir tetap aktif, /think dan /no_think dalam instruksi pengguna atau sistem bertindak sebagai sakelar lunak, dan instruksi terbaru mengontrol perilaku yang diminta antargiliran. Permintaan /no_think pada templat aktif tetap dapat menghasilkan blok berpikir kosong; ketika sakelar keras dinonaktifkan, kedua penanda tidak mengaktifkan berpikir. Pembedaan ini penting ketika alur kerja berganti antara penulisan ulang langsung dan pertanyaan debugging atau penalaran yang lebih rumit.
Contoh Qwen memisahkan bagian <think> dari respons akhir. Untuk masalah pemrograman, siapkan cuplikan sumber relevan terkecil, kegagalan yang diamati, dan hasil yang diinginkan, lalu minta diagnosis serta usulan perbaikan. Untuk masalah matematika, pengembang menyarankan instruksi langkah demi langkah eksplisit dengan jawaban akhir ditempatkan dalam \\boxed{}. Arahan pilihan ganda dapat menentukan satu bidang jawaban sebagai gantinya. Pada giliran berikutnya, Qwen menyarankan mempertahankan jawaban akhir dan menghilangkan isi berpikir sebelumnya dari riwayat, bukan berulang kali membawa seluruh bagian penalaran ke depan.
Pemanggilan alat dijelaskan untuk kedua mode. Qwen menyarankan Qwen-Agent menangani templat alat dan penguraian model, dengan contoh pengambilan informasi, informasi waktu, dan interpreter kode. Deskripsikan alat yang tersedia serta argumennya sebelum meminta rencana urutan. Arahan bermanfaat dapat meminta pemeriksaan dokumentasi pilihan diikuti usulan implementasi beralasan; kembalikan tiap hasil alat ke percakapan agar model melanjutkan dari bukti sebenarnya. Permintaan alat tekstual dan hasil yang dieksekusi aplikasi tetap merupakan bagian terpisah dari alur kerja itu.
Kartu menjelaskan perluasan konteks hingga 131.072 token memakai YaRN. Ini adalah perluasan jendela asli yang bergantung konfigurasi, dan Qwen memperingatkan bahwa penskalaan statis dapat memengaruhi masukan lebih pendek. Kartu juga menjelaskan konfigurasi posisi bawaan 40.960 yang mengalokasikan ruang bagi prompt umum dan respons panjang; ini berbeda dari deskripsi konteks asli. Siapkan materi panjang dengan batas dokumen jelas, prioritaskan bagian relevan untuk pertanyaan, dan sisakan ruang untuk jawaban serta penalaran.
Untuk berpikir, Qwen menyarankan temperature 0,6, top-p 0,95, top-k 20, dan min-p 0 serta menghindari greedy decoding karena dapat menurunkan kualitas hasil atau mengulang tanpa akhir. Untuk tanpa berpikir, panduannya mengubah temperature menjadi 0,7 dan top-p menjadi 0,8. Pengembang menyarankan kapasitas keluaran 32.768 token bagi sebagian besar pertanyaan dan menjelaskan 38.912 token untuk masalah matematika serta pemrograman yang sangat menuntut. Ini adalah pengaturan generasi pengembang, bukan jaminan respons tetap yang terpisah. Pilih mode dan hasil yang diminta bersama agar respons memiliki ruang untuk penalaran yang diperlukan serta hasil akhir bermanfaat.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-30b-a3b | 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 $0.00024 / 1K token Keluaran · Token keluaran $0.001 / 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 $0.00024 / 1K token Keluaran · Token keluaran $0.001 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-30b-a3b', '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/qwen3-30b-a3b', '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/qwen3-30b-a3b
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.