Qwen3-32B adalah model dense terbesar dalam rilis Qwen3 awal. Model menggabungkan mode berpikir keluarga untuk logika, matematika, dan pemrograman kompleks dengan respons tanpa berpikir untuk percakapan umum. Qwen juga menyoroti penulisan kreatif, dialog berbasis peran, mengikuti instruksi multigiliran, dan penggunaan alat bergaya agen. Model memproses teks dan menghasilkan teks; instruksi multibahasa serta terjemahan termasuk dukungan keluarga awal untuk 119 bahasa dan dialek. Model dapat diberi tugas penjelasan analitis, usulan pemrograman, atau tulisan yang ditentukan dengan cermat.
Edisi persis ini memiliki total 32,8 miliar parameter dalam 64 lapisan. Ini model dense, berbeda dari arsitektur pengalihan ahli Qwen3-30B-A3B dan edisi Qwen3 berikutnya yang dinamai terpisah. Konteks aslinya 32.768 token. Siapkan tugas yang menuntut kemampuan tinggi dengan bukti relevan, persyaratan, dan hasil yang diharapkan bersama. Untuk peninjauan teknik, berikan deskripsi komponen, batasan antarmuka, dan masalah yang perlu diselesaikan, lalu minta usulan yang mengidentifikasi asumsi, dependensi, dan alternatif hanya berdasarkan materi yang diberikan ketika sesuai.
Templat chat pengembang mengaktifkan berpikir secara bawaan dan menyediakan sakelar keras enable_thinking. Penonaktifan keras mencegah isi berpikir sepenuhnya. Ketika berpikir aktif, /think dan /no_think dalam instruksi pengguna atau sistem memberi kontrol lunak tiap giliran, dan instruksi terbaru menentukan perilaku yang diminta. Permintaan lunak tanpa berpikir dapat meninggalkan blok berpikir kosong; penanda /think tidak dapat menimpa templat yang dinonaktifkan keras. Ini memungkinkan model awal berganti antara permintaan penyusunan draf langsung dan pertanyaan yang mendapat manfaat dari rangkaian penalaran panjang ketika kontrol yang ditentukan diterapkan.
Contoh generasi mengurai bagian <think> secara terpisah dari jawaban akhir. Qwen menyarankan format akhir eksplisit, seperti jawaban matematika dalam kotak atau satu bidang jawaban untuk tugas pilihan ganda. Dalam analisis praktis, tentukan kesimpulan yang diminta dan materi pendukung: misalnya, pilihan desain akhir diikuti batasan yang dipenuhi serta masalah yang masih terbuka. Pertahankan jawaban akhir, bukan isi berpikir sebelumnya, dalam riwayat percakapan berikutnya sesuai panduan pengembang. Ini menjaga hasil yang dibutuhkan pertanyaan berikutnya tanpa membawa setiap langkah penalaran ke depan.
Pemanggilan alat merupakan bagian profil model yang didokumentasikan dalam kedua mode. Qwen menyarankan Qwen-Agent untuk templat dan parser pemanggilan alat serta memperagakan pengambilan informasi, informasi waktu, dan interpreter kode. Tentukan alat dengan jelas, berikan makna argumennya, dan nyatakan apa yang dianggap tugas selesai. Alur kerja bermanfaat dapat meminta pengambilan informasi pilihan, memberikan isi yang benar-benar dikembalikan, lalu meminta sintesis atau usulan implementasi. Pemanggilan yang diminta model dan eksekusi alat oleh aplikasi adalah tahap terpisah; jawaban akhir harus dibangun dari bukti yang dikembalikan.
Untuk masukan lebih panjang, kartu mendokumentasikan perluasan YaRN hingga 131.072 token. Jendela asli lebih kecil, dan penskalaan statis dapat memengaruhi kinerja masukan pendek. Qwen menyarankan mengaktifkan perluasan ketika konteks lebih panjang benar-benar diperlukan; kartu juga menjelaskan alokasi posisi bawaan 40.960 untuk prompt dan keluaran. Pilih dokumen relevan dan pertahankan judul, batas sumber, serta istilah. Sisakan ruang untuk penalaran dan respons akhir, terutama ketika tugas memerlukan penyelarasan beberapa spesifikasi, bukan meringkas satu bagian.
Rekomendasi resmi adalah temperature 0,6, top-p 0,95, top-k 20, dan min-p 0 untuk berpikir; untuk tanpa berpikir, temperature 0,7 dan top-p 0,8 menggantikan dua pengaturan pertama. Qwen menyarankan menghindari greedy decoding dalam mode berpikir dan mencatat bahwa presence penalty tinggi dapat menimbulkan pencampuran bahasa atau penurunan kualitas. Qwen merekomendasikan kapasitas keluaran 32.768 token untuk sebagian besar pertanyaan dan menjelaskan 38.912 untuk masalah matematika serta pemrograman yang sangat menuntut. Kapasitas ini adalah panduan generasi, bukan batas keras respons universal. Arahan tepat dan format akhir yang ditentukan membantu memfokuskan penalaran yang tersedia pada pekerjaan yang diperlukan pembaca.
", "aboutText": "Qwen3-32B adalah model dense terbesar dalam rilis Qwen3 awal. Model menggabungkan mode berpikir keluarga untuk logika, matematika, dan pemrograman kompleks dengan respons tanpa berpikir untuk percakapan umum. Qwen juga menyoroti penulisan kreatif, dialog berbasis peran, mengikuti instruksi multigiliran, dan penggunaan alat bergaya agen. Model memproses teks dan menghasilkan teks; instruksi multibahasa serta terjemahan termasuk dukungan keluarga awal untuk 119 bahasa dan dialek. Model dapat diberi tugas penjelasan analitis, usulan pemrograman, atau tulisan yang ditentukan dengan cermat.\n\nEdisi persis ini memiliki total 32,8 miliar parameter dalam 64 lapisan. Ini model dense, berbeda dari arsitektur pengalihan ahli Qwen3-30B-A3B dan edisi Qwen3 berikutnya yang dinamai terpisah. Konteks aslinya 32.768 token. Siapkan tugas yang menuntut kemampuan tinggi dengan bukti relevan, persyaratan, dan hasil yang diharapkan bersama. Untuk peninjauan teknik, berikan deskripsi komponen, batasan antarmuka, dan masalah yang perlu diselesaikan, lalu minta usulan yang mengidentifikasi asumsi, dependensi, dan alternatif hanya berdasarkan materi yang diberikan ketika sesuai.\n\nTemplat chat pengembang mengaktifkan berpikir secara bawaan dan menyediakan sakelar keras enable_thinking. Penonaktifan keras mencegah isi berpikir sepenuhnya. Ketika berpikir aktif, /think dan /no_think dalam instruksi pengguna atau sistem memberi kontrol lunak tiap giliran, dan instruksi terbaru menentukan perilaku yang diminta. Permintaan lunak tanpa berpikir dapat meninggalkan blok berpikir kosong; penanda /think tidak dapat menimpa templat yang dinonaktifkan keras. Ini memungkinkan model awal berganti antara permintaan penyusunan draf langsung dan pertanyaan yang mendapat manfaat dari rangkaian penalaran panjang ketika kontrol yang ditentukan diterapkan.\n\nContoh generasi mengurai bagianContoh teknis dalam bahasa Inggris
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.qwen/qwen3-32bQwen3-32B adalah model teks hibrida dense Qwen untuk penalaran kompleks, pemrograman, penulisan multibahasa, dan tugas yang diarahkan alat. Model menggabungkan mode berpikir dan tanpa berpikir dalam satu model serta memiliki konteks asli 32.768 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-32B adalah model dense terbesar dalam rilis Qwen3 awal. Model menggabungkan mode berpikir keluarga untuk logika, matematika, dan pemrograman kompleks dengan respons tanpa berpikir untuk percakapan umum. Qwen juga menyoroti penulisan kreatif, dialog berbasis peran, mengikuti instruksi multigiliran, dan penggunaan alat bergaya agen. Model memproses teks dan menghasilkan teks; instruksi multibahasa serta terjemahan termasuk dukungan keluarga awal untuk 119 bahasa dan dialek. Model dapat diberi tugas penjelasan analitis, usulan pemrograman, atau tulisan yang ditentukan dengan cermat.
Edisi persis ini memiliki total 32,8 miliar parameter dalam 64 lapisan. Ini model dense, berbeda dari arsitektur pengalihan ahli Qwen3-30B-A3B dan edisi Qwen3 berikutnya yang dinamai terpisah. Konteks aslinya 32.768 token. Siapkan tugas yang menuntut kemampuan tinggi dengan bukti relevan, persyaratan, dan hasil yang diharapkan bersama. Untuk peninjauan teknik, berikan deskripsi komponen, batasan antarmuka, dan masalah yang perlu diselesaikan, lalu minta usulan yang mengidentifikasi asumsi, dependensi, dan alternatif hanya berdasarkan materi yang diberikan ketika sesuai.
Templat chat pengembang mengaktifkan berpikir secara bawaan dan menyediakan sakelar keras enable_thinking. Penonaktifan keras mencegah isi berpikir sepenuhnya. Ketika berpikir aktif, /think dan /no_think dalam instruksi pengguna atau sistem memberi kontrol lunak tiap giliran, dan instruksi terbaru menentukan perilaku yang diminta. Permintaan lunak tanpa berpikir dapat meninggalkan blok berpikir kosong; penanda /think tidak dapat menimpa templat yang dinonaktifkan keras. Ini memungkinkan model awal berganti antara permintaan penyusunan draf langsung dan pertanyaan yang mendapat manfaat dari rangkaian penalaran panjang ketika kontrol yang ditentukan diterapkan.
Contoh generasi mengurai bagian <think> secara terpisah dari jawaban akhir. Qwen menyarankan format akhir eksplisit, seperti jawaban matematika dalam kotak atau satu bidang jawaban untuk tugas pilihan ganda. Dalam analisis praktis, tentukan kesimpulan yang diminta dan materi pendukung: misalnya, pilihan desain akhir diikuti batasan yang dipenuhi serta masalah yang masih terbuka. Pertahankan jawaban akhir, bukan isi berpikir sebelumnya, dalam riwayat percakapan berikutnya sesuai panduan pengembang. Ini menjaga hasil yang dibutuhkan pertanyaan berikutnya tanpa membawa setiap langkah penalaran ke depan.
Pemanggilan alat merupakan bagian profil model yang didokumentasikan dalam kedua mode. Qwen menyarankan Qwen-Agent untuk templat dan parser pemanggilan alat serta memperagakan pengambilan informasi, informasi waktu, dan interpreter kode. Tentukan alat dengan jelas, berikan makna argumennya, dan nyatakan apa yang dianggap tugas selesai. Alur kerja bermanfaat dapat meminta pengambilan informasi pilihan, memberikan isi yang benar-benar dikembalikan, lalu meminta sintesis atau usulan implementasi. Pemanggilan yang diminta model dan eksekusi alat oleh aplikasi adalah tahap terpisah; jawaban akhir harus dibangun dari bukti yang dikembalikan.
Untuk masukan lebih panjang, kartu mendokumentasikan perluasan YaRN hingga 131.072 token. Jendela asli lebih kecil, dan penskalaan statis dapat memengaruhi kinerja masukan pendek. Qwen menyarankan mengaktifkan perluasan ketika konteks lebih panjang benar-benar diperlukan; kartu juga menjelaskan alokasi posisi bawaan 40.960 untuk prompt dan keluaran. Pilih dokumen relevan dan pertahankan judul, batas sumber, serta istilah. Sisakan ruang untuk penalaran dan respons akhir, terutama ketika tugas memerlukan penyelarasan beberapa spesifikasi, bukan meringkas satu bagian.
Rekomendasi resmi adalah temperature 0,6, top-p 0,95, top-k 20, dan min-p 0 untuk berpikir; untuk tanpa berpikir, temperature 0,7 dan top-p 0,8 menggantikan dua pengaturan pertama. Qwen menyarankan menghindari greedy decoding dalam mode berpikir dan mencatat bahwa presence penalty tinggi dapat menimbulkan pencampuran bahasa atau penurunan kualitas. Qwen merekomendasikan kapasitas keluaran 32.768 token untuk sebagian besar pertanyaan dan menjelaskan 38.912 untuk masalah matematika serta pemrograman yang sangat menuntut. Kapasitas ini adalah panduan generasi, bukan batas keras respons universal. Arahan tepat dan format akhir yang ditentukan membantu memfokuskan penalaran yang tersedia pada pekerjaan yang diperlukan pembaca.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-32b | 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 $0.000286 / 1K token Keluaran · Token keluaran $0.001144 / 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 $0.000286 / 1K token Keluaran · Token keluaran $0.001144 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-32b", "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/qwen3-32b',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/qwen3-32b',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/qwen3-32b
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3-32bQwen3-32B adalah model teks hibrida dense Qwen untuk penalaran kompleks, pemrograman, penulisan multibahasa, dan tugas yang diarahkan alat. Model menggabungkan mode berpikir dan tanpa berpikir dalam satu model serta memiliki konteks asli 32.768 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-32B adalah model dense terbesar dalam rilis Qwen3 awal. Model menggabungkan mode berpikir keluarga untuk logika, matematika, dan pemrograman kompleks dengan respons tanpa berpikir untuk percakapan umum. Qwen juga menyoroti penulisan kreatif, dialog berbasis peran, mengikuti instruksi multigiliran, dan penggunaan alat bergaya agen. Model memproses teks dan menghasilkan teks; instruksi multibahasa serta terjemahan termasuk dukungan keluarga awal untuk 119 bahasa dan dialek. Model dapat diberi tugas penjelasan analitis, usulan pemrograman, atau tulisan yang ditentukan dengan cermat.
Edisi persis ini memiliki total 32,8 miliar parameter dalam 64 lapisan. Ini model dense, berbeda dari arsitektur pengalihan ahli Qwen3-30B-A3B dan edisi Qwen3 berikutnya yang dinamai terpisah. Konteks aslinya 32.768 token. Siapkan tugas yang menuntut kemampuan tinggi dengan bukti relevan, persyaratan, dan hasil yang diharapkan bersama. Untuk peninjauan teknik, berikan deskripsi komponen, batasan antarmuka, dan masalah yang perlu diselesaikan, lalu minta usulan yang mengidentifikasi asumsi, dependensi, dan alternatif hanya berdasarkan materi yang diberikan ketika sesuai.
Templat chat pengembang mengaktifkan berpikir secara bawaan dan menyediakan sakelar keras enable_thinking. Penonaktifan keras mencegah isi berpikir sepenuhnya. Ketika berpikir aktif, /think dan /no_think dalam instruksi pengguna atau sistem memberi kontrol lunak tiap giliran, dan instruksi terbaru menentukan perilaku yang diminta. Permintaan lunak tanpa berpikir dapat meninggalkan blok berpikir kosong; penanda /think tidak dapat menimpa templat yang dinonaktifkan keras. Ini memungkinkan model awal berganti antara permintaan penyusunan draf langsung dan pertanyaan yang mendapat manfaat dari rangkaian penalaran panjang ketika kontrol yang ditentukan diterapkan.
Contoh generasi mengurai bagian <think> secara terpisah dari jawaban akhir. Qwen menyarankan format akhir eksplisit, seperti jawaban matematika dalam kotak atau satu bidang jawaban untuk tugas pilihan ganda. Dalam analisis praktis, tentukan kesimpulan yang diminta dan materi pendukung: misalnya, pilihan desain akhir diikuti batasan yang dipenuhi serta masalah yang masih terbuka. Pertahankan jawaban akhir, bukan isi berpikir sebelumnya, dalam riwayat percakapan berikutnya sesuai panduan pengembang. Ini menjaga hasil yang dibutuhkan pertanyaan berikutnya tanpa membawa setiap langkah penalaran ke depan.
Pemanggilan alat merupakan bagian profil model yang didokumentasikan dalam kedua mode. Qwen menyarankan Qwen-Agent untuk templat dan parser pemanggilan alat serta memperagakan pengambilan informasi, informasi waktu, dan interpreter kode. Tentukan alat dengan jelas, berikan makna argumennya, dan nyatakan apa yang dianggap tugas selesai. Alur kerja bermanfaat dapat meminta pengambilan informasi pilihan, memberikan isi yang benar-benar dikembalikan, lalu meminta sintesis atau usulan implementasi. Pemanggilan yang diminta model dan eksekusi alat oleh aplikasi adalah tahap terpisah; jawaban akhir harus dibangun dari bukti yang dikembalikan.
Untuk masukan lebih panjang, kartu mendokumentasikan perluasan YaRN hingga 131.072 token. Jendela asli lebih kecil, dan penskalaan statis dapat memengaruhi kinerja masukan pendek. Qwen menyarankan mengaktifkan perluasan ketika konteks lebih panjang benar-benar diperlukan; kartu juga menjelaskan alokasi posisi bawaan 40.960 untuk prompt dan keluaran. Pilih dokumen relevan dan pertahankan judul, batas sumber, serta istilah. Sisakan ruang untuk penalaran dan respons akhir, terutama ketika tugas memerlukan penyelarasan beberapa spesifikasi, bukan meringkas satu bagian.
Rekomendasi resmi adalah temperature 0,6, top-p 0,95, top-k 20, dan min-p 0 untuk berpikir; untuk tanpa berpikir, temperature 0,7 dan top-p 0,8 menggantikan dua pengaturan pertama. Qwen menyarankan menghindari greedy decoding dalam mode berpikir dan mencatat bahwa presence penalty tinggi dapat menimbulkan pencampuran bahasa atau penurunan kualitas. Qwen merekomendasikan kapasitas keluaran 32.768 token untuk sebagian besar pertanyaan dan menjelaskan 38.912 untuk masalah matematika serta pemrograman yang sangat menuntut. Kapasitas ini adalah panduan generasi, bukan batas keras respons universal. Arahan tepat dan format akhir yang ditentukan membantu memfokuskan penalaran yang tersedia pada pekerjaan yang diperlukan pembaca.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-32b | 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 $0.000286 / 1K token Keluaran · Token keluaran $0.001144 / 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 $0.000286 / 1K token Keluaran · Token keluaran $0.001144 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-32b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-32b', '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/qwen3-32b', '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/qwen3-32b
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.