Sorotan: model yang dibangun untuk agen pemrograman
Qwen3-Coder-Next adalah model teks terbuka yang dirancang khusus untuk agen pemrograman dan alur kerja pengembangan. Qwen menjelaskan pemecahan masalah berjangka panjang, penggunaan alat yang kompleks, dan pemulihan dari kegagalan eksekusi, serta kemampuan beradaptasi dengan berbagai kerangka agen pengembangan. Model ini menerima teks dan menghasilkan teks, termasuk kode, penjelasan, dan permintaan alat. Checkpoint Coder-Next yang persis ini memiliki kontrak tanpa pemikirannya sendiri; edisi Thinking dari keluarga Next yang lebih luas sebaiknya tidak menggantikannya.
Untuk tugas pengembangan, berikan berkas atau cuplikan yang relevan, perilaku yang diinginkan, dan masukan yang menunjukkan masalah. Minta perubahan yang dapat diedit dan penjelasan yang terkait dengan kondisi tersebut. Untuk tugas yang mencakup beberapa langkah, tetapkan tujuan, alat yang diizinkan, dan observasi yang menunjukkan penyelesaian. Tinjau perubahan kode yang diusulkan beserta penjelasannya berdasarkan berkas yang diberikan, masukan yang mereproduksi kegagalan, dan kriteria penyelesaian.
Ikhtisar model
Model ini memiliki total 80 miliar parameter dan mengaktifkan tiga miliar. Tata letak hibrida 48 lapisannya mengulangi tiga lapisan pakar Gated DeltaNet yang diikuti satu lapisan pakar atensi berpintu. Pembuat mencantumkan 512 pakar, sepuluh pakar yang diaktifkan, dan satu pakar bersama. Jumlah kecil yang diaktifkan adalah karakteristik komputasi model sparse, bukan ukuran checkpoint lengkap.
Konteks bawaannya adalah 262.144 token. Contoh pembuat memungkinkan konteks lebih kecil, seperti 32.768, ketika batasan memori membuat konfigurasi yang lebih besar tidak berfungsi. Kode sumber, riwayat, observasi alat, dan teks yang dihasilkan harus muat dalam batas urutan yang dikonfigurasi. Kartu model tidak menetapkan perluasan bawaan satu juta token untuk checkpoint ini.
Menggunakan antarmuka teks tanpa pemikiran
Coder-Next 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 patch, membahas algoritma, atau bernalar melalui teks biasa; istilah “tanpa pemikiran” menggambarkan mode keluarannya, bukan larangan untuk memberikan penjelasan.
Panduan mulai cepat meminta algoritma pengurutan dan menggunakan alokasi generasi 65.536 token. Nilai itu merupakan anggaran contoh, bukan batas keluaran ketat yang diterbitkan secara terpisah. Nyatakan format dan batasan artefak: bahasa, antarmuka yang relevan, perilaku yang diperlukan, dan apakah jawaban sebaiknya berisi patch, fungsi lengkap, atau penjelasan. Pisahkan hasil yang dapat diedit dari komentar agar mudah ditinjau.
Kerangka agen pengembangan dan konteks
Pembuat menekankan kompatibilitas dengan kerangka agen bergaya CLI dan IDE, termasuk Qwen Code. Kerangka tersebut menyediakan keadaan proyek, definisi alat, observasi, dan format percakapan. Pertahankan masukan tersebut secara konsisten selama tugas beberapa langkah. Ketika alat melaporkan pemeriksaan yang gagal, berikan kesalahan sebenarnya dan perubahan kode yang relevan alih-alih hanya menyuruh model mencoba lagi.
Pekerjaan berjangka panjang mendapat manfaat dari keadaan tugas yang terlihat: apa yang diamati, perubahan apa yang diusulkan, dan kondisi apa yang belum terselesaikan. Observasi alat berbeda dari klaim dalam teks yang dihasilkan. Kemampuan pemulihan kegagalan model sebaiknya tidak dianggap sebagai izin otomatis untuk menjalankan perintah atau jaminan bahwa setiap pemulihan akan berhasil.
Pemrograman berbasis agen dan pemanggilan alat
Qwen mendokumentasikan definisi alat bergaya fungsi dengan nama, deskripsi, skema masukan, dan bidang wajib. Berikan definisi yang tepat dan makna nilai balik yang diharapkan. Aplikasi menjalankan alat yang dipilih dan mengembalikan hasilnya; model kemudian menggunakan hasil tersebut pada langkah berikutnya. Pemanggilan alat itu sendiri tidak memberikan akses ke sistem berkas, sumber langsung, atau lingkungan eksekusi.
Untuk agen yang mengedit repositori, batasi berkas yang diizinkan dan hasil kerja yang diminta. Laporan akhir yang berguna dapat mengidentifikasi modul terdampak, menjelaskan perubahan, dan mencantumkan hasil sebenarnya yang dikembalikan oleh pemeriksaan terhubung. Bedakan perintah yang diusulkan, kode yang dihasilkan, dan operasi yang selesai. Ini merupakan contoh alur kerja praktis yang didasarkan pada cakupan pengembangan dan alat yang didokumentasikan.
Rekomendasi generasi
Pembuat merekomendasikan temperature 1,0, top_p 0,95, dan top_k 40. Pengaturan yang persis ini berbeda dari beberapa model percakapan Qwen dan sebaiknya tetap menjadi bagian dari prosedur Coder-Next sendiri. Konfigurasi yang diterbitkan menggunakan arsitektur model bahasa kausal Qwen3-Next. Gunakan nama model dan templat percakapan checkpoint ini yang didokumentasikan secara konsisten selama alur kerja pemrograman.
Batasan substantif
Masukan yang didokumentasikan berupa teks, sehingga tangkapan layar, audio, atau video memerlukan representasi terpisah yang sesuai sebelum alur kerja pemrograman ini. Konteks bawaan dan alokasi generasi contoh terbatas; pangkas kode yang tidak terkait dan sisakan ruang untuk artefak yang diminta. Periksa sintaks yang dihasilkan, antarmuka, kasus tepi, dan perubahan yang diusulkan dalam alur kerja pengembangan sebenarnya. Keluaran yang berguna adalah artefak kode atau penjelasan yang dapat diperiksa, didukung oleh bukti tugas sebenarnya, dan mempertahankan identitas checkpoint ini sebagai model hanya teks dan tanpa pemikiran.
", "aboutText": "Sorotan: model yang dibangun untuk agen pemrograman\n\nQwen3-Coder-Next adalah model teks terbuka yang dirancang khusus untuk agen pemrograman dan alur kerja pengembangan. Qwen menjelaskan pemecahan masalah berjangka panjang, penggunaan alat yang kompleks, dan pemulihan dari kegagalan eksekusi, serta kemampuan beradaptasi dengan berbagai kerangka agen pengembangan. Model ini menerima teks dan menghasilkan teks, termasuk kode, penjelasan, dan permintaan alat. Checkpoint Coder-Next yang persis ini memiliki kontrak tanpa pemikirannya sendiri; edisi Thinking dari keluarga Next yang lebih luas sebaiknya tidak menggantikannya.\n\nUntuk tugas pengembangan, berikan berkas atau cuplikan yang relevan, perilaku yang diinginkan, dan masukan yang menunjukkan masalah. Minta perubahan yang dapat diedit dan penjelasan yang terkait dengan kondisi tersebut. Untuk tugas yang mencakup beberapa langkah, tetapkan tujuan, alat yang diizinkan, dan observasi yang menunjukkan penyelesaian. Tinjau perubahan kode yang diusulkan beserta penjelasannya berdasarkan berkas yang diberikan, masukan yang mereproduksi kegagalan, dan kriteria penyelesaian.\n\nIkhtisar model\n\nModel ini memiliki total 80 miliar parameter dan mengaktifkan tiga miliar. Tata letak hibrida 48 lapisannya mengulangi tiga lapisan pakar Gated DeltaNet yang diikuti satu lapisan pakar atensi berpintu. Pembuat mencantumkan 512 pakar, sepuluh pakar yang diaktifkan, dan satu pakar bersama. Jumlah kecil yang diaktifkan adalah karakteristik komputasi model sparse, bukan ukuran checkpoint lengkap.\n\nKonteks bawaannya adalah 262.144 token. Contoh pembuat memungkinkan konteks lebih kecil, seperti 32.768, ketika batasan memori membuat konfigurasi yang lebih besar tidak berfungsi. Kode sumber, riwayat, observasi alat, dan teks yang dihasilkan harus muat dalam batas urutan yang dikonfigurasi. Kartu model tidak menetapkan perluasan bawaan satu juta token untuk checkpoint ini.\n\nMenggunakan antarmuka teks tanpa pemikiran\n\nCoder-Next 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 patch, membahas algoritma, atau bernalar melalui teks biasa; istilah “tanpa pemikiran” menggambarkan mode keluarannya, bukan larangan untuk memberikan penjelasan.\n\nPanduan mulai cepat meminta algoritma pengurutan dan menggunakan alokasi generasi 65.536 token. Nilai itu merupakan anggaran contoh, bukan batas keluaran ketat yang diterbitkan secara terpisah. Nyatakan format dan batasan artefak: bahasa, antarmuka yang relevan, perilaku yang diperlukan, dan apakah jawaban sebaiknya berisi patch, fungsi lengkap, atau penjelasan. Pisahkan hasil yang dapat diedit dari komentar agar mudah ditinjau.\n\nKerangka agen pengembangan dan konteks\n\nPembuat menekankan kompatibilitas dengan kerangka agen bergaya CLI dan IDE, termasuk Qwen Code. Kerangka tersebut menyediakan keadaan proyek, definisi alat, observasi, dan format percakapan. Pertahankan masukan tersebut secara konsisten selama tugas beberapa langkah. Ketika alat melaporkan pemeriksaan yang gagal, berikan kesalahan sebenarnya dan perubahan kode yang relevan alih-alih hanya menyuruh model mencoba lagi.\n\nPekerjaan berjangka panjang mendapat manfaat dari keadaan tugas yang terlihat: apa yang diamati, perubahan apa yang diusulkan, dan kondisi apa yang belum terselesaikan. Observasi alat berbeda dari klaim dalam teks yang dihasilkan. Kemampuan pemulihan kegagalan model sebaiknya tidak dianggap sebagai izin otomatis untuk menjalankan perintah atau jaminan bahwa setiap pemulihan akan berhasil.\n\nPemrograman berbasis agen dan pemanggilan alat\n\nQwen mendokumentasikan definisi alat bergaya fungsi dengan nama, deskripsi, skema masukan, dan bidang wajib. Berikan definisi yang tepat dan makna nilai balik yang diharapkan. Aplikasi menjalankan alat yang dipilih dan mengembalikan hasilnya; model kemudian menggunakan hasil tersebut pada langkah berikutnya. Pemanggilan alat itu sendiri tidak memberikan akses ke sistem berkas, sumber langsung, atau lingkungan eksekusi.\n\nUntuk agen yang mengedit repositori, batasi berkas yang diizinkan dan hasil kerja yang diminta. Laporan akhir yang berguna dapat mengidentifikasi modul terdampak, menjelaskan perubahan, dan mencantumkan hasil sebenarnya yang dikembalikan oleh pemeriksaan terhubung. Bedakan perintah yang diusulkan, kode yang dihasilkan, dan operasi yang selesai. Ini merupakan contoh alur kerja praktis yang didasarkan pada cakupan pengembangan dan alat yang didokumentasikan.\n\nRekomendasi generasi\n\nPembuat merekomendasikan temperature 1,0, top_p 0,95, dan top_k 40. Pengaturan yang persis ini berbeda dari beberapa model percakapan Qwen dan sebaiknya tetap menjadi bagian dari prosedur Coder-Next sendiri. Konfigurasi yang diterbitkan menggunakan arsitektur model bahasa kausal Qwen3-Next. Gunakan nama model dan templat percakapan checkpoint ini yang didokumentasikan secara konsisten selama alur kerja pemrograman.\n\nBatasan substantif\n\nMasukan yang didokumentasikan berupa teks, sehingga tangkapan layar, audio, atau video memerlukan representasi terpisah yang sesuai sebelum alur kerja pemrograman ini. Konteks bawaan dan alokasi generasi contoh terbatas; pangkas kode yang tidak terkait dan sisakan ruang untuk artefak yang diminta. Periksa sintaks yang dihasilkan, antarmuka, kasus tepi, dan perubahan yang diusulkan dalam alur kerja pengembangan sebenarnya. Keluaran yang berguna adalah artefak kode atau penjelasan yang dapat diperiksa, didukung oleh bukti tugas sebenarnya, dan mempertahankan identitas checkpoint ini sebagai model hanya teks dan tanpa pemikiran.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Implement a stable partition helper\n\nWrite a Python function partition_even(values) returning two new lists: even integers first and odd integers second. Preserve order within each list and do not mutate values. Provide tests for negative integers, repeated values and empty input. Return the complete function separately from the explanation, with no claim that tests have been executed.A complete function, tests for the named cases and a brief order-preservation explanation.Check that each input occurrence appears exactly once in the appropriate result list and that source order is retained.qwen/qwen3-coder-nextQwen3-Coder-Next adalah model agen pemrograman Qwen yang hanya menerima teks, dengan total 80 miliar parameter dan 3 miliar parameter yang diaktifkan. Model ini menggunakan keluaran tanpa pemikiran, konteks bawaan 262.144 token, dan pemanggilan alat untuk alur kerja pengembangan, termasuk pekerjaan beberapa langkah dan pemulihan berdasarkan umpan balik eksekusi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Sorotan: model yang dibangun untuk agen pemrograman
Qwen3-Coder-Next adalah model teks terbuka yang dirancang khusus untuk agen pemrograman dan alur kerja pengembangan. Qwen menjelaskan pemecahan masalah berjangka panjang, penggunaan alat yang kompleks, dan pemulihan dari kegagalan eksekusi, serta kemampuan beradaptasi dengan berbagai kerangka agen pengembangan. Model ini menerima teks dan menghasilkan teks, termasuk kode, penjelasan, dan permintaan alat. Checkpoint Coder-Next yang persis ini memiliki kontrak tanpa pemikirannya sendiri; edisi Thinking dari keluarga Next yang lebih luas sebaiknya tidak menggantikannya.
Untuk tugas pengembangan, berikan berkas atau cuplikan yang relevan, perilaku yang diinginkan, dan masukan yang menunjukkan masalah. Minta perubahan yang dapat diedit dan penjelasan yang terkait dengan kondisi tersebut. Untuk tugas yang mencakup beberapa langkah, tetapkan tujuan, alat yang diizinkan, dan observasi yang menunjukkan penyelesaian. Tinjau perubahan kode yang diusulkan beserta penjelasannya berdasarkan berkas yang diberikan, masukan yang mereproduksi kegagalan, dan kriteria penyelesaian.
Ikhtisar model
Model ini memiliki total 80 miliar parameter dan mengaktifkan tiga miliar. Tata letak hibrida 48 lapisannya mengulangi tiga lapisan pakar Gated DeltaNet yang diikuti satu lapisan pakar atensi berpintu. Pembuat mencantumkan 512 pakar, sepuluh pakar yang diaktifkan, dan satu pakar bersama. Jumlah kecil yang diaktifkan adalah karakteristik komputasi model sparse, bukan ukuran checkpoint lengkap.
Konteks bawaannya adalah 262.144 token. Contoh pembuat memungkinkan konteks lebih kecil, seperti 32.768, ketika batasan memori membuat konfigurasi yang lebih besar tidak berfungsi. Kode sumber, riwayat, observasi alat, dan teks yang dihasilkan harus muat dalam batas urutan yang dikonfigurasi. Kartu model tidak menetapkan perluasan bawaan satu juta token untuk checkpoint ini.
Menggunakan antarmuka teks tanpa pemikiran
Coder-Next 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 patch, membahas algoritma, atau bernalar melalui teks biasa; istilah “tanpa pemikiran” menggambarkan mode keluarannya, bukan larangan untuk memberikan penjelasan.
Panduan mulai cepat meminta algoritma pengurutan dan menggunakan alokasi generasi 65.536 token. Nilai itu merupakan anggaran contoh, bukan batas keluaran ketat yang diterbitkan secara terpisah. Nyatakan format dan batasan artefak: bahasa, antarmuka yang relevan, perilaku yang diperlukan, dan apakah jawaban sebaiknya berisi patch, fungsi lengkap, atau penjelasan. Pisahkan hasil yang dapat diedit dari komentar agar mudah ditinjau.
Kerangka agen pengembangan dan konteks
Pembuat menekankan kompatibilitas dengan kerangka agen bergaya CLI dan IDE, termasuk Qwen Code. Kerangka tersebut menyediakan keadaan proyek, definisi alat, observasi, dan format percakapan. Pertahankan masukan tersebut secara konsisten selama tugas beberapa langkah. Ketika alat melaporkan pemeriksaan yang gagal, berikan kesalahan sebenarnya dan perubahan kode yang relevan alih-alih hanya menyuruh model mencoba lagi.
Pekerjaan berjangka panjang mendapat manfaat dari keadaan tugas yang terlihat: apa yang diamati, perubahan apa yang diusulkan, dan kondisi apa yang belum terselesaikan. Observasi alat berbeda dari klaim dalam teks yang dihasilkan. Kemampuan pemulihan kegagalan model sebaiknya tidak dianggap sebagai izin otomatis untuk menjalankan perintah atau jaminan bahwa setiap pemulihan akan berhasil.
Pemrograman berbasis agen dan pemanggilan alat
Qwen mendokumentasikan definisi alat bergaya fungsi dengan nama, deskripsi, skema masukan, dan bidang wajib. Berikan definisi yang tepat dan makna nilai balik yang diharapkan. Aplikasi menjalankan alat yang dipilih dan mengembalikan hasilnya; model kemudian menggunakan hasil tersebut pada langkah berikutnya. Pemanggilan alat itu sendiri tidak memberikan akses ke sistem berkas, sumber langsung, atau lingkungan eksekusi.
Untuk agen yang mengedit repositori, batasi berkas yang diizinkan dan hasil kerja yang diminta. Laporan akhir yang berguna dapat mengidentifikasi modul terdampak, menjelaskan perubahan, dan mencantumkan hasil sebenarnya yang dikembalikan oleh pemeriksaan terhubung. Bedakan perintah yang diusulkan, kode yang dihasilkan, dan operasi yang selesai. Ini merupakan contoh alur kerja praktis yang didasarkan pada cakupan pengembangan dan alat yang didokumentasikan.
Rekomendasi generasi
Pembuat merekomendasikan temperature 1,0, top_p 0,95, dan top_k 40. Pengaturan yang persis ini berbeda dari beberapa model percakapan Qwen dan sebaiknya tetap menjadi bagian dari prosedur Coder-Next sendiri. Konfigurasi yang diterbitkan menggunakan arsitektur model bahasa kausal Qwen3-Next. Gunakan nama model dan templat percakapan checkpoint ini yang didokumentasikan secara konsisten selama alur kerja pemrograman.
Batasan substantif
Masukan yang didokumentasikan berupa teks, sehingga tangkapan layar, audio, atau video memerlukan representasi terpisah yang sesuai sebelum alur kerja pemrograman ini. Konteks bawaan dan alokasi generasi contoh terbatas; pangkas kode yang tidak terkait dan sisakan ruang untuk artefak yang diminta. Periksa sintaks yang dihasilkan, antarmuka, kasus tepi, dan perubahan yang diusulkan dalam alur kerja pengembangan sebenarnya. Keluaran yang berguna adalah artefak kode atau penjelasan yang dapat diperiksa, didukung oleh bukti tugas sebenarnya, dan mempertahankan identitas checkpoint ini sebagai model hanya teks dan tanpa pemikiran.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-coder-next | 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 $0.0016 / 1K token Masukan · Pembacaan cache $0.00014 / 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 $0.00024 / 1K token Keluaran · Token keluaran $0.0016 / 1K token Masukan · Pembacaan cache $0.00014 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-coder-next", "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-next',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-next',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-next
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3-coder-nextQwen3-Coder-Next adalah model agen pemrograman Qwen yang hanya menerima teks, dengan total 80 miliar parameter dan 3 miliar parameter yang diaktifkan. Model ini menggunakan keluaran tanpa pemikiran, konteks bawaan 262.144 token, dan pemanggilan alat untuk alur kerja pengembangan, termasuk pekerjaan beberapa langkah dan pemulihan berdasarkan umpan balik eksekusi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Sorotan: model yang dibangun untuk agen pemrograman
Qwen3-Coder-Next adalah model teks terbuka yang dirancang khusus untuk agen pemrograman dan alur kerja pengembangan. Qwen menjelaskan pemecahan masalah berjangka panjang, penggunaan alat yang kompleks, dan pemulihan dari kegagalan eksekusi, serta kemampuan beradaptasi dengan berbagai kerangka agen pengembangan. Model ini menerima teks dan menghasilkan teks, termasuk kode, penjelasan, dan permintaan alat. Checkpoint Coder-Next yang persis ini memiliki kontrak tanpa pemikirannya sendiri; edisi Thinking dari keluarga Next yang lebih luas sebaiknya tidak menggantikannya.
Untuk tugas pengembangan, berikan berkas atau cuplikan yang relevan, perilaku yang diinginkan, dan masukan yang menunjukkan masalah. Minta perubahan yang dapat diedit dan penjelasan yang terkait dengan kondisi tersebut. Untuk tugas yang mencakup beberapa langkah, tetapkan tujuan, alat yang diizinkan, dan observasi yang menunjukkan penyelesaian. Tinjau perubahan kode yang diusulkan beserta penjelasannya berdasarkan berkas yang diberikan, masukan yang mereproduksi kegagalan, dan kriteria penyelesaian.
Ikhtisar model
Model ini memiliki total 80 miliar parameter dan mengaktifkan tiga miliar. Tata letak hibrida 48 lapisannya mengulangi tiga lapisan pakar Gated DeltaNet yang diikuti satu lapisan pakar atensi berpintu. Pembuat mencantumkan 512 pakar, sepuluh pakar yang diaktifkan, dan satu pakar bersama. Jumlah kecil yang diaktifkan adalah karakteristik komputasi model sparse, bukan ukuran checkpoint lengkap.
Konteks bawaannya adalah 262.144 token. Contoh pembuat memungkinkan konteks lebih kecil, seperti 32.768, ketika batasan memori membuat konfigurasi yang lebih besar tidak berfungsi. Kode sumber, riwayat, observasi alat, dan teks yang dihasilkan harus muat dalam batas urutan yang dikonfigurasi. Kartu model tidak menetapkan perluasan bawaan satu juta token untuk checkpoint ini.
Menggunakan antarmuka teks tanpa pemikiran
Coder-Next 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 patch, membahas algoritma, atau bernalar melalui teks biasa; istilah “tanpa pemikiran” menggambarkan mode keluarannya, bukan larangan untuk memberikan penjelasan.
Panduan mulai cepat meminta algoritma pengurutan dan menggunakan alokasi generasi 65.536 token. Nilai itu merupakan anggaran contoh, bukan batas keluaran ketat yang diterbitkan secara terpisah. Nyatakan format dan batasan artefak: bahasa, antarmuka yang relevan, perilaku yang diperlukan, dan apakah jawaban sebaiknya berisi patch, fungsi lengkap, atau penjelasan. Pisahkan hasil yang dapat diedit dari komentar agar mudah ditinjau.
Kerangka agen pengembangan dan konteks
Pembuat menekankan kompatibilitas dengan kerangka agen bergaya CLI dan IDE, termasuk Qwen Code. Kerangka tersebut menyediakan keadaan proyek, definisi alat, observasi, dan format percakapan. Pertahankan masukan tersebut secara konsisten selama tugas beberapa langkah. Ketika alat melaporkan pemeriksaan yang gagal, berikan kesalahan sebenarnya dan perubahan kode yang relevan alih-alih hanya menyuruh model mencoba lagi.
Pekerjaan berjangka panjang mendapat manfaat dari keadaan tugas yang terlihat: apa yang diamati, perubahan apa yang diusulkan, dan kondisi apa yang belum terselesaikan. Observasi alat berbeda dari klaim dalam teks yang dihasilkan. Kemampuan pemulihan kegagalan model sebaiknya tidak dianggap sebagai izin otomatis untuk menjalankan perintah atau jaminan bahwa setiap pemulihan akan berhasil.
Pemrograman berbasis agen dan pemanggilan alat
Qwen mendokumentasikan definisi alat bergaya fungsi dengan nama, deskripsi, skema masukan, dan bidang wajib. Berikan definisi yang tepat dan makna nilai balik yang diharapkan. Aplikasi menjalankan alat yang dipilih dan mengembalikan hasilnya; model kemudian menggunakan hasil tersebut pada langkah berikutnya. Pemanggilan alat itu sendiri tidak memberikan akses ke sistem berkas, sumber langsung, atau lingkungan eksekusi.
Untuk agen yang mengedit repositori, batasi berkas yang diizinkan dan hasil kerja yang diminta. Laporan akhir yang berguna dapat mengidentifikasi modul terdampak, menjelaskan perubahan, dan mencantumkan hasil sebenarnya yang dikembalikan oleh pemeriksaan terhubung. Bedakan perintah yang diusulkan, kode yang dihasilkan, dan operasi yang selesai. Ini merupakan contoh alur kerja praktis yang didasarkan pada cakupan pengembangan dan alat yang didokumentasikan.
Rekomendasi generasi
Pembuat merekomendasikan temperature 1,0, top_p 0,95, dan top_k 40. Pengaturan yang persis ini berbeda dari beberapa model percakapan Qwen dan sebaiknya tetap menjadi bagian dari prosedur Coder-Next sendiri. Konfigurasi yang diterbitkan menggunakan arsitektur model bahasa kausal Qwen3-Next. Gunakan nama model dan templat percakapan checkpoint ini yang didokumentasikan secara konsisten selama alur kerja pemrograman.
Batasan substantif
Masukan yang didokumentasikan berupa teks, sehingga tangkapan layar, audio, atau video memerlukan representasi terpisah yang sesuai sebelum alur kerja pemrograman ini. Konteks bawaan dan alokasi generasi contoh terbatas; pangkas kode yang tidak terkait dan sisakan ruang untuk artefak yang diminta. Periksa sintaks yang dihasilkan, antarmuka, kasus tepi, dan perubahan yang diusulkan dalam alur kerja pengembangan sebenarnya. Keluaran yang berguna adalah artefak kode atau penjelasan yang dapat diperiksa, didukung oleh bukti tugas sebenarnya, dan mempertahankan identitas checkpoint ini sebagai model hanya teks dan tanpa pemikiran.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-coder-next | 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 $0.0016 / 1K token Masukan · Pembacaan cache $0.00014 / 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 $0.00024 / 1K token Keluaran · Token keluaran $0.0016 / 1K token Masukan · Pembacaan cache $0.00014 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-coder-next",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-next', '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-next', '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-next
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Implement a stable partition helper\n\nWrite a Python function partition_even(values) returning two new lists: even integers first and odd integers second. Preserve order within each list and do not mutate values. Provide tests for negative integers, repeated values and empty input. Return the complete function separately from the explanation, with no claim that tests have been executed.A complete function, tests for the named cases and a brief order-preservation explanation.Check that each input occurrence appears exactly once in the appropriate result list and that source order is retained.