Sorotan: pemrograman pada skala repositori
Qwen3-Coder-30B-A3B-Instruct adalah model teks yang berfokus pada instruksi untuk agen pemrograman. Qwen mendokumentasikan pemrograman, penggunaan agen peramban, dan pemahaman pada skala repositori, dengan format pemanggilan fungsi khusus serta integrasi melalui alur kerja seperti Qwen Code. Masukan dan keluarannya berupa teks. Pertahankan checkpoint Coder yang persis ini alih-alih menggantinya dengan Qwen3-30B-A3B-Instruct-2507 untuk penggunaan umum atau Qwen3-Coder-Next, yang memiliki fokus pelatihan dan panduan generasi berbeda.
Konteks bawaannya adalah 262.144 token, dan pembuat menjelaskan perluasan hingga sekitar satu juta menggunakan YaRN. Konteks besar dapat menyatukan lebih banyak bukti dari repositori, tetapi tugas yang jelas tetap memerlukan modul, antarmuka, dan persyaratan yang relevan. Berikan artefak yang diharapkan dan perilaku yang dapat diamati sebelum meminta perubahan kode.
Ikhtisar model
Model campuran pakar ini memiliki total 30,5 miliar parameter dan mengaktifkan 3,3 miliar. Model ini memiliki 48 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Total parameter dan parameter yang diaktifkan memiliki makna berbeda; jumlah yang diaktifkan bukan ukuran checkpoint lengkap. Konfigurasi model bahasa kausalnya merupakan model teks, bukan antarmuka penglihatan atau ucapan.
Coder-30B-A3B-Instruct hanya mendukung mode tanpa pemikiran dan tidak menghasilkan blok pemikiran eksplisit. Pengaturan enable_thinking=False tidak diperlukan dalam contoh pembuat. Model ini tetap dapat menjelaskan algoritma atau memberikan alasan untuk patch dalam teks biasa. Permintaan langkah penalaran sebaiknya tidak disamakan dengan mengaktifkan perilaku Thinking terpisah dari edisi Qwen lain.
Menyiapkan permintaan pengembangan
Sertakan kode yang relevan, masukan yang menunjukkan perilaku saat ini, hasil yang diamati, dan perubahan yang diinginkan. Untuk algoritma, tentukan batasan masukan dan keluaran yang diperlukan sebelum meminta pendekatan. Untuk perubahan repositori, identifikasi fitur yang terdampak dan antarmuka yang harus dipertahankan oleh implementasi. Minta patch yang dapat diedit atau fungsi lengkap secara terpisah dari komentar penjelasan.
Respons yang berguna dapat menyusun diagnosis, perubahan yang diusulkan, dan pemeriksaan yang diperlukan untuk meninjaunya. Ketika tugas didasarkan pada referensi visual atau perilaku yang direkam, berikan representasi tekstual yang sesuai dan pertahankan pengenal yang memungkinkan hasil dibandingkan dengan aslinya. Bandingkan patch yang diusulkan dengan kode yang diberikan, perilaku yang diharapkan, dan hasil yang dikembalikan oleh pemeriksaan terhubung.
Pemrograman berbasis agen dan alur kerja peramban
Pembuat menyoroti pemanggilan alat dan format pemanggilan fungsi yang dirancang khusus. Alur kerja agen yang terhubung menyediakan deskripsi alat, skema masukan, dan observasi, serta melakukan operasi sebenarnya. Tetapkan tindakan yang diizinkan dan syarat penyelesaian, lalu kembalikan hasil inspeksi atau eksekusi sebenarnya kepada model agar model dapat memperbarui pekerjaan yang diusulkan.
Kemampuan agen peramban berarti berpartisipasi dalam alur kerja dengan alat peramban yang terhubung, bukan akses otomatis ke peramban pengguna atau halaman saat ini. Perbedaan yang sama berlaku untuk inspeksi repositori dan eksekusi kode. Perintah yang diusulkan, permintaan alat, dan operasi yang selesai sebaiknya tetap dipisahkan dalam laporan akhir. Pertahankan format alat bawaan model dan prosedur penguraiannya alih-alih menganggap templat model lain dapat saling menggantikan.
Konteks panjang dan konfigurasi
Pembuat menjelaskan perluasan YaRN dari konteks bawaan 262.144 token menjadi sekitar satu juta untuk tugas pada skala repositori. Gunakan konfigurasi konteks yang sesuai dengan materi repositori, sambil menyisakan ruang untuk observasi alat dan hasil. Panduan mulai cepatnya juga menyarankan konteks lebih kecil, seperti 32.768, ketika tekanan memori membuat pengaturan yang lebih besar tidak berfungsi.
Pertahankan jalur kode, nama fungsi, dan definisi yang relevan dalam masukan panjang. Hapus berkas hasil generasi yang tidak terkait atau materi berulang, dan sisakan ruang untuk jawaban. Teks sumber, riwayat, observasi alat, dan kode yang dihasilkan berbagi batas urutan yang dikonfigurasi; masukan terbesar yang dimungkinkan sebaiknya tidak dianggap sebagai ingatan sempurna atas setiap dependensi.
Panduan generasi
Best Practices merekomendasikan temperature 0,7, top_p 0,8, top_k 20, dan repetition penalty 1,05. Rekomendasi repetition-penalty yang persis ini berbeda dari beberapa model Qwen lain dan tetap menjadi bagian dari prosedur edisi Coder ini. Qwen merekomendasikan alokasi generasi 65.536 token untuk sebagian besar kueri, yang merupakan rekomendasi, bukan maksimum ketat yang ditetapkan secara independen.
Nyatakan bahasa dan bentuk keluaran, seperti patch, fungsi lengkap, atau penjelasan, dan periksa sintaks serta antarmuka artefak dalam alur kerja pengembangan sebenarnya. Contoh fungsi pembuat menggambarkan mekanisme alat; kontrak alat tetap membutuhkan nama argumen dan semantik nilai balik yang konsisten secara internal dalam aplikasi yang menggunakannya.
Batasan substantif dan hasil yang berguna
Masukan checkpoint ini yang didokumentasikan berupa teks. Hal ini tidak secara langsung membuktikan pemahaman gambar, audio, atau video. Kode yang dihasilkan dan penjelasan yang meyakinkan merupakan artefak draf sampai pemeriksaan atau observasi yang relevan benar-benar dikembalikan oleh lingkungan terhubung. Hasil yang berguna adalah usulan implementasi yang dapat diperiksa dan terkait dengan kondisi repositori yang diberikan, dengan mempertahankan identitas Coder yang persis, mode tanpa pemikiran, dan panduan generasi produsen.
", "aboutText": "Sorotan: pemrograman pada skala repositori\n\nQwen3-Coder-30B-A3B-Instruct adalah model teks yang berfokus pada instruksi untuk agen pemrograman. Qwen mendokumentasikan pemrograman, penggunaan agen peramban, dan pemahaman pada skala repositori, dengan format pemanggilan fungsi khusus serta integrasi melalui alur kerja seperti Qwen Code. Masukan dan keluarannya berupa teks. Pertahankan checkpoint Coder yang persis ini alih-alih menggantinya dengan Qwen3-30B-A3B-Instruct-2507 untuk penggunaan umum atau Qwen3-Coder-Next, yang memiliki fokus pelatihan dan panduan generasi berbeda.\n\nKonteks bawaannya adalah 262.144 token, dan pembuat menjelaskan perluasan hingga sekitar satu juta menggunakan YaRN. Konteks besar dapat menyatukan lebih banyak bukti dari repositori, tetapi tugas yang jelas tetap memerlukan modul, antarmuka, dan persyaratan yang relevan. Berikan artefak yang diharapkan dan perilaku yang dapat diamati sebelum meminta perubahan kode.\n\nIkhtisar model\n\nModel campuran pakar ini memiliki total 30,5 miliar parameter dan mengaktifkan 3,3 miliar. Model ini memiliki 48 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Total parameter dan parameter yang diaktifkan memiliki makna berbeda; jumlah yang diaktifkan bukan ukuran checkpoint lengkap. Konfigurasi model bahasa kausalnya merupakan model teks, bukan antarmuka penglihatan atau ucapan.\n\nCoder-30B-A3B-Instruct hanya mendukung mode tanpa pemikiran dan tidak menghasilkan blok pemikiran eksplisit. Pengaturan enable_thinking=False tidak diperlukan dalam contoh pembuat. Model ini tetap dapat menjelaskan algoritma atau memberikan alasan untuk patch dalam teks biasa. Permintaan langkah penalaran sebaiknya tidak disamakan dengan mengaktifkan perilaku Thinking terpisah dari edisi Qwen lain.\n\nMenyiapkan permintaan pengembangan\n\nSertakan kode yang relevan, masukan yang menunjukkan perilaku saat ini, hasil yang diamati, dan perubahan yang diinginkan. Untuk algoritma, tentukan batasan masukan dan keluaran yang diperlukan sebelum meminta pendekatan. Untuk perubahan repositori, identifikasi fitur yang terdampak dan antarmuka yang harus dipertahankan oleh implementasi. Minta patch yang dapat diedit atau fungsi lengkap secara terpisah dari komentar penjelasan.\n\nRespons yang berguna dapat menyusun diagnosis, perubahan yang diusulkan, dan pemeriksaan yang diperlukan untuk meninjaunya. Ketika tugas didasarkan pada referensi visual atau perilaku yang direkam, berikan representasi tekstual yang sesuai dan pertahankan pengenal yang memungkinkan hasil dibandingkan dengan aslinya. Bandingkan patch yang diusulkan dengan kode yang diberikan, perilaku yang diharapkan, dan hasil yang dikembalikan oleh pemeriksaan terhubung.\n\nPemrograman berbasis agen dan alur kerja peramban\n\nPembuat menyoroti pemanggilan alat dan format pemanggilan fungsi yang dirancang khusus. Alur kerja agen yang terhubung menyediakan deskripsi alat, skema masukan, dan observasi, serta melakukan operasi sebenarnya. Tetapkan tindakan yang diizinkan dan syarat penyelesaian, lalu kembalikan hasil inspeksi atau eksekusi sebenarnya kepada model agar model dapat memperbarui pekerjaan yang diusulkan.\n\nKemampuan agen peramban berarti berpartisipasi dalam alur kerja dengan alat peramban yang terhubung, bukan akses otomatis ke peramban pengguna atau halaman saat ini. Perbedaan yang sama berlaku untuk inspeksi repositori dan eksekusi kode. Perintah yang diusulkan, permintaan alat, dan operasi yang selesai sebaiknya tetap dipisahkan dalam laporan akhir. Pertahankan format alat bawaan model dan prosedur penguraiannya alih-alih menganggap templat model lain dapat saling menggantikan.\n\nKonteks panjang dan konfigurasi\n\nPembuat menjelaskan perluasan YaRN dari konteks bawaan 262.144 token menjadi sekitar satu juta untuk tugas pada skala repositori. Gunakan konfigurasi konteks yang sesuai dengan materi repositori, sambil menyisakan ruang untuk observasi alat dan hasil. Panduan mulai cepatnya juga menyarankan konteks lebih kecil, seperti 32.768, ketika tekanan memori membuat pengaturan yang lebih besar tidak berfungsi.\n\nPertahankan jalur kode, nama fungsi, dan definisi yang relevan dalam masukan panjang. Hapus berkas hasil generasi yang tidak terkait atau materi berulang, dan sisakan ruang untuk jawaban. Teks sumber, riwayat, observasi alat, dan kode yang dihasilkan berbagi batas urutan yang dikonfigurasi; masukan terbesar yang dimungkinkan sebaiknya tidak dianggap sebagai ingatan sempurna atas setiap dependensi.\n\nPanduan generasi\n\nBest Practices merekomendasikan temperature 0,7, top_p 0,8, top_k 20, dan repetition penalty 1,05. Rekomendasi repetition-penalty yang persis ini berbeda dari beberapa model Qwen lain dan tetap menjadi bagian dari prosedur edisi Coder ini. Qwen merekomendasikan alokasi generasi 65.536 token untuk sebagian besar kueri, yang merupakan rekomendasi, bukan maksimum ketat yang ditetapkan secara independen.\n\nNyatakan bahasa dan bentuk keluaran, seperti patch, fungsi lengkap, atau penjelasan, dan periksa sintaks serta antarmuka artefak dalam alur kerja pengembangan sebenarnya. Contoh fungsi pembuat menggambarkan mekanisme alat; kontrak alat tetap membutuhkan nama argumen dan semantik nilai balik yang konsisten secara internal dalam aplikasi yang menggunakannya.\n\nBatasan substantif dan hasil yang berguna\n\nMasukan checkpoint ini yang didokumentasikan berupa teks. Hal ini tidak secara langsung membuktikan pemahaman gambar, audio, atau video. Kode yang dihasilkan dan penjelasan yang meyakinkan merupakan artefak draf sampai pemeriksaan atau observasi yang relevan benar-benar dikembalikan oleh lingkungan terhubung. Hasil yang berguna adalah usulan implementasi yang dapat diperiksa dan terkait dengan kondisi repositori yang diberikan, dengan mempertahankan identitas Coder yang persis, mode tanpa pemikiran, dan panduan generasi produsen.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct adalah model pemrograman teks tanpa berpikir dari Qwen dengan total 30,5 miliar parameter dan 3,3 miliar diaktifkan. Model menargetkan pengembangan skala repositori, pemrograman, dan alur agen browser, dengan konteks asli 262.144 token serta format pemanggilan fungsi khusus.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Sorotan: pemrograman pada skala repositori
Qwen3-Coder-30B-A3B-Instruct adalah model teks yang berfokus pada instruksi untuk agen pemrograman. Qwen mendokumentasikan pemrograman, penggunaan agen peramban, dan pemahaman pada skala repositori, dengan format pemanggilan fungsi khusus serta integrasi melalui alur kerja seperti Qwen Code. Masukan dan keluarannya berupa teks. Pertahankan checkpoint Coder yang persis ini alih-alih menggantinya dengan Qwen3-30B-A3B-Instruct-2507 untuk penggunaan umum atau Qwen3-Coder-Next, yang memiliki fokus pelatihan dan panduan generasi berbeda.
Konteks bawaannya adalah 262.144 token, dan pembuat menjelaskan perluasan hingga sekitar satu juta menggunakan YaRN. Konteks besar dapat menyatukan lebih banyak bukti dari repositori, tetapi tugas yang jelas tetap memerlukan modul, antarmuka, dan persyaratan yang relevan. Berikan artefak yang diharapkan dan perilaku yang dapat diamati sebelum meminta perubahan kode.
Ikhtisar model
Model campuran pakar ini memiliki total 30,5 miliar parameter dan mengaktifkan 3,3 miliar. Model ini memiliki 48 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Total parameter dan parameter yang diaktifkan memiliki makna berbeda; jumlah yang diaktifkan bukan ukuran checkpoint lengkap. Konfigurasi model bahasa kausalnya merupakan model teks, bukan antarmuka penglihatan atau ucapan.
Coder-30B-A3B-Instruct hanya mendukung mode tanpa pemikiran dan tidak menghasilkan blok pemikiran eksplisit. Pengaturan enable_thinking=False tidak diperlukan dalam contoh pembuat. Model ini tetap dapat menjelaskan algoritma atau memberikan alasan untuk patch dalam teks biasa. Permintaan langkah penalaran sebaiknya tidak disamakan dengan mengaktifkan perilaku Thinking terpisah dari edisi Qwen lain.
Menyiapkan permintaan pengembangan
Sertakan kode yang relevan, masukan yang menunjukkan perilaku saat ini, hasil yang diamati, dan perubahan yang diinginkan. Untuk algoritma, tentukan batasan masukan dan keluaran yang diperlukan sebelum meminta pendekatan. Untuk perubahan repositori, identifikasi fitur yang terdampak dan antarmuka yang harus dipertahankan oleh implementasi. Minta patch yang dapat diedit atau fungsi lengkap secara terpisah dari komentar penjelasan.
Respons yang berguna dapat menyusun diagnosis, perubahan yang diusulkan, dan pemeriksaan yang diperlukan untuk meninjaunya. Ketika tugas didasarkan pada referensi visual atau perilaku yang direkam, berikan representasi tekstual yang sesuai dan pertahankan pengenal yang memungkinkan hasil dibandingkan dengan aslinya. Bandingkan patch yang diusulkan dengan kode yang diberikan, perilaku yang diharapkan, dan hasil yang dikembalikan oleh pemeriksaan terhubung.
Pemrograman berbasis agen dan alur kerja peramban
Pembuat menyoroti pemanggilan alat dan format pemanggilan fungsi yang dirancang khusus. Alur kerja agen yang terhubung menyediakan deskripsi alat, skema masukan, dan observasi, serta melakukan operasi sebenarnya. Tetapkan tindakan yang diizinkan dan syarat penyelesaian, lalu kembalikan hasil inspeksi atau eksekusi sebenarnya kepada model agar model dapat memperbarui pekerjaan yang diusulkan.
Kemampuan agen peramban berarti berpartisipasi dalam alur kerja dengan alat peramban yang terhubung, bukan akses otomatis ke peramban pengguna atau halaman saat ini. Perbedaan yang sama berlaku untuk inspeksi repositori dan eksekusi kode. Perintah yang diusulkan, permintaan alat, dan operasi yang selesai sebaiknya tetap dipisahkan dalam laporan akhir. Pertahankan format alat bawaan model dan prosedur penguraiannya alih-alih menganggap templat model lain dapat saling menggantikan.
Konteks panjang dan konfigurasi
Pembuat menjelaskan perluasan YaRN dari konteks bawaan 262.144 token menjadi sekitar satu juta untuk tugas pada skala repositori. Gunakan konfigurasi konteks yang sesuai dengan materi repositori, sambil menyisakan ruang untuk observasi alat dan hasil. Panduan mulai cepatnya juga menyarankan konteks lebih kecil, seperti 32.768, ketika tekanan memori membuat pengaturan yang lebih besar tidak berfungsi.
Pertahankan jalur kode, nama fungsi, dan definisi yang relevan dalam masukan panjang. Hapus berkas hasil generasi yang tidak terkait atau materi berulang, dan sisakan ruang untuk jawaban. Teks sumber, riwayat, observasi alat, dan kode yang dihasilkan berbagi batas urutan yang dikonfigurasi; masukan terbesar yang dimungkinkan sebaiknya tidak dianggap sebagai ingatan sempurna atas setiap dependensi.
Panduan generasi
Best Practices merekomendasikan temperature 0,7, top_p 0,8, top_k 20, dan repetition penalty 1,05. Rekomendasi repetition-penalty yang persis ini berbeda dari beberapa model Qwen lain dan tetap menjadi bagian dari prosedur edisi Coder ini. Qwen merekomendasikan alokasi generasi 65.536 token untuk sebagian besar kueri, yang merupakan rekomendasi, bukan maksimum ketat yang ditetapkan secara independen.
Nyatakan bahasa dan bentuk keluaran, seperti patch, fungsi lengkap, atau penjelasan, dan periksa sintaks serta antarmuka artefak dalam alur kerja pengembangan sebenarnya. Contoh fungsi pembuat menggambarkan mekanisme alat; kontrak alat tetap membutuhkan nama argumen dan semantik nilai balik yang konsisten secara internal dalam aplikasi yang menggunakannya.
Batasan substantif dan hasil yang berguna
Masukan checkpoint ini yang didokumentasikan berupa teks. Hal ini tidak secara langsung membuktikan pemahaman gambar, audio, atau video. Kode yang dihasilkan dan penjelasan yang meyakinkan merupakan artefak draf sampai pemeriksaan atau observasi yang relevan benar-benar dikembalikan oleh lingkungan terhubung. Hasil yang berguna adalah usulan implementasi yang dapat diperiksa dan terkait dengan kondisi repositori yang diberikan, dengan mempertahankan identitas Coder yang persis, mode tanpa pemikiran, dan panduan generasi produsen.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-coder-30b-a3b-instruct | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 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-coder-30b-a3b-instruct", "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-coder-30b-a3b-instruct',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-coder-30b-a3b-instruct',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-coder-30b-a3b-instruct
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct adalah model pemrograman teks tanpa berpikir dari Qwen dengan total 30,5 miliar parameter dan 3,3 miliar diaktifkan. Model menargetkan pengembangan skala repositori, pemrograman, dan alur agen browser, dengan konteks asli 262.144 token serta format pemanggilan fungsi khusus.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Sorotan: pemrograman pada skala repositori
Qwen3-Coder-30B-A3B-Instruct adalah model teks yang berfokus pada instruksi untuk agen pemrograman. Qwen mendokumentasikan pemrograman, penggunaan agen peramban, dan pemahaman pada skala repositori, dengan format pemanggilan fungsi khusus serta integrasi melalui alur kerja seperti Qwen Code. Masukan dan keluarannya berupa teks. Pertahankan checkpoint Coder yang persis ini alih-alih menggantinya dengan Qwen3-30B-A3B-Instruct-2507 untuk penggunaan umum atau Qwen3-Coder-Next, yang memiliki fokus pelatihan dan panduan generasi berbeda.
Konteks bawaannya adalah 262.144 token, dan pembuat menjelaskan perluasan hingga sekitar satu juta menggunakan YaRN. Konteks besar dapat menyatukan lebih banyak bukti dari repositori, tetapi tugas yang jelas tetap memerlukan modul, antarmuka, dan persyaratan yang relevan. Berikan artefak yang diharapkan dan perilaku yang dapat diamati sebelum meminta perubahan kode.
Ikhtisar model
Model campuran pakar ini memiliki total 30,5 miliar parameter dan mengaktifkan 3,3 miliar. Model ini memiliki 48 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Total parameter dan parameter yang diaktifkan memiliki makna berbeda; jumlah yang diaktifkan bukan ukuran checkpoint lengkap. Konfigurasi model bahasa kausalnya merupakan model teks, bukan antarmuka penglihatan atau ucapan.
Coder-30B-A3B-Instruct hanya mendukung mode tanpa pemikiran dan tidak menghasilkan blok pemikiran eksplisit. Pengaturan enable_thinking=False tidak diperlukan dalam contoh pembuat. Model ini tetap dapat menjelaskan algoritma atau memberikan alasan untuk patch dalam teks biasa. Permintaan langkah penalaran sebaiknya tidak disamakan dengan mengaktifkan perilaku Thinking terpisah dari edisi Qwen lain.
Menyiapkan permintaan pengembangan
Sertakan kode yang relevan, masukan yang menunjukkan perilaku saat ini, hasil yang diamati, dan perubahan yang diinginkan. Untuk algoritma, tentukan batasan masukan dan keluaran yang diperlukan sebelum meminta pendekatan. Untuk perubahan repositori, identifikasi fitur yang terdampak dan antarmuka yang harus dipertahankan oleh implementasi. Minta patch yang dapat diedit atau fungsi lengkap secara terpisah dari komentar penjelasan.
Respons yang berguna dapat menyusun diagnosis, perubahan yang diusulkan, dan pemeriksaan yang diperlukan untuk meninjaunya. Ketika tugas didasarkan pada referensi visual atau perilaku yang direkam, berikan representasi tekstual yang sesuai dan pertahankan pengenal yang memungkinkan hasil dibandingkan dengan aslinya. Bandingkan patch yang diusulkan dengan kode yang diberikan, perilaku yang diharapkan, dan hasil yang dikembalikan oleh pemeriksaan terhubung.
Pemrograman berbasis agen dan alur kerja peramban
Pembuat menyoroti pemanggilan alat dan format pemanggilan fungsi yang dirancang khusus. Alur kerja agen yang terhubung menyediakan deskripsi alat, skema masukan, dan observasi, serta melakukan operasi sebenarnya. Tetapkan tindakan yang diizinkan dan syarat penyelesaian, lalu kembalikan hasil inspeksi atau eksekusi sebenarnya kepada model agar model dapat memperbarui pekerjaan yang diusulkan.
Kemampuan agen peramban berarti berpartisipasi dalam alur kerja dengan alat peramban yang terhubung, bukan akses otomatis ke peramban pengguna atau halaman saat ini. Perbedaan yang sama berlaku untuk inspeksi repositori dan eksekusi kode. Perintah yang diusulkan, permintaan alat, dan operasi yang selesai sebaiknya tetap dipisahkan dalam laporan akhir. Pertahankan format alat bawaan model dan prosedur penguraiannya alih-alih menganggap templat model lain dapat saling menggantikan.
Konteks panjang dan konfigurasi
Pembuat menjelaskan perluasan YaRN dari konteks bawaan 262.144 token menjadi sekitar satu juta untuk tugas pada skala repositori. Gunakan konfigurasi konteks yang sesuai dengan materi repositori, sambil menyisakan ruang untuk observasi alat dan hasil. Panduan mulai cepatnya juga menyarankan konteks lebih kecil, seperti 32.768, ketika tekanan memori membuat pengaturan yang lebih besar tidak berfungsi.
Pertahankan jalur kode, nama fungsi, dan definisi yang relevan dalam masukan panjang. Hapus berkas hasil generasi yang tidak terkait atau materi berulang, dan sisakan ruang untuk jawaban. Teks sumber, riwayat, observasi alat, dan kode yang dihasilkan berbagi batas urutan yang dikonfigurasi; masukan terbesar yang dimungkinkan sebaiknya tidak dianggap sebagai ingatan sempurna atas setiap dependensi.
Panduan generasi
Best Practices merekomendasikan temperature 0,7, top_p 0,8, top_k 20, dan repetition penalty 1,05. Rekomendasi repetition-penalty yang persis ini berbeda dari beberapa model Qwen lain dan tetap menjadi bagian dari prosedur edisi Coder ini. Qwen merekomendasikan alokasi generasi 65.536 token untuk sebagian besar kueri, yang merupakan rekomendasi, bukan maksimum ketat yang ditetapkan secara independen.
Nyatakan bahasa dan bentuk keluaran, seperti patch, fungsi lengkap, atau penjelasan, dan periksa sintaks serta antarmuka artefak dalam alur kerja pengembangan sebenarnya. Contoh fungsi pembuat menggambarkan mekanisme alat; kontrak alat tetap membutuhkan nama argumen dan semantik nilai balik yang konsisten secara internal dalam aplikasi yang menggunakannya.
Batasan substantif dan hasil yang berguna
Masukan checkpoint ini yang didokumentasikan berupa teks. Hal ini tidak secara langsung membuktikan pemahaman gambar, audio, atau video. Kode yang dihasilkan dan penjelasan yang meyakinkan merupakan artefak draf sampai pemeriksaan atau observasi yang relevan benar-benar dikembalikan oleh lingkungan terhubung. Hasil yang berguna adalah usulan implementasi yang dapat diperiksa dan terkait dengan kondisi repositori yang diberikan, dengan mempertahankan identitas Coder yang persis, mode tanpa pemikiran, dan panduan generasi produsen.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-coder-30b-a3b-instruct | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-coder-30b-a3b-instruct', '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-coder-30b-a3b-instruct', '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-coder-30b-a3b-instruct
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.