Punti di forza: programmazione su scala di repository
Qwen3-Coder-30B-A3B-Instruct è un modello testuale orientato alle istruzioni per agenti di programmazione. Qwen documenta programmazione, uso di agenti browser e comprensione su scala di repository, con un formato dedicato per le chiamate a funzioni e integrazione tramite flussi di lavoro come Qwen Code. Input e output sono testuali. Conserva questo esatto checkpoint Coder, senza sostituirlo con il modello generalista Qwen3-30B-A3B-Instruct-2507 o con Qwen3-Coder-Next, che differiscono per orientamento dell'addestramento e indicazioni di generazione.
Il contesto nativo è di 262,144 token e il produttore ne descrive l'estensione a circa un milione tramite YaRN. Un contesto ampio può riunire più elementi del repository, ma un'attività chiara richiede comunque moduli, interfacce e requisiti pertinenti. Fornisci l'artefatto atteso e il comportamento osservabile prima di chiedere una modifica al codice.
Panoramica del modello
Il modello mixture-of-experts ha 30.5 miliardi di parametri totali e ne attiva 3.3 miliardi. Ha 48 livelli, 128 esperti e otto esperti selezionati per token. Parametri totali e parametri attivati hanno significati diversi; il valore dei parametri attivati non corrisponde alla dimensione dell'intero checkpoint. La sua configurazione di modello linguistico causale è un modello testuale, non un'interfaccia visiva o vocale.
Coder-30B-A3B-Instruct supporta soltanto la modalità non-thinking e non genera blocchi espliciti di ragionamento. Impostare enable_thinking=False non è necessario nell'esempio del produttore. Può comunque spiegare un algoritmo o giustificare una patch nel testo ordinario. Una richiesta di passaggi di ragionamento non va confusa con l'attivazione del comportamento Thinking separato di un'altra edizione Qwen.
Preparazione di una richiesta di sviluppo
Fornisci il codice pertinente, un input che dimostri il comportamento attuale, il risultato osservato e la modifica desiderata. Per un algoritmo, specifica i vincoli di input e l'output richiesto prima di chiedere un approccio. Per una modifica al repository, identifica la funzionalità interessata e le interfacce che l'implementazione deve preservare. Richiedi una patch modificabile o una funzione completa separatamente dal commento esplicativo.
Una risposta utile può organizzare la diagnosi, la modifica proposta e i controlli necessari per verificarla. Quando un'attività è guidata da un riferimento visivo o da un comportamento registrato, fornisci una rappresentazione testuale adeguata e conserva gli identificatori che consentono di confrontare il risultato con l'originale. Confronta la patch proposta con il codice fornito, il comportamento atteso e i risultati restituiti dai controlli collegati.
Programmazione con agenti e flussi browser
Il produttore evidenzia le chiamate a strumenti e un formato appositamente progettato per le chiamate a funzioni. Un flusso con agente collegato fornisce descrizioni degli strumenti, schemi di input e osservazioni ed esegue le operazioni effettive. Definisci le azioni consentite e una condizione di completamento, poi restituisci al modello i risultati effettivi di ispezione o esecuzione, così che possa aggiornare il lavoro proposto.
La capacità di operare come agente browser significa partecipare a un flusso con uno strumento browser collegato, non disporre automaticamente dell'accesso al browser o alle pagine attuali dell'utente. La stessa distinzione vale per l'ispezione del repository e l'esecuzione del codice. Un comando proposto, una richiesta di strumento e un'operazione completata devono restare separati nella relazione finale. Conserva il formato nativo degli strumenti del modello e la ricetta di parsing, senza presumere che il template di un altro modello sia intercambiabile.
Contesto lungo e configurazione
Il produttore descrive l'estensione YaRN dal contesto nativo di 262,144 token a circa un milione per attività su scala di repository. Usa una configurazione del contesto adeguata al materiale del repository, riservando spazio per le osservazioni degli strumenti e per il risultato. La guida introduttiva suggerisce inoltre un contesto più piccolo, come 32,768, quando la pressione sulla memoria impedisce il funzionamento dell'impostazione più ampia.
Conserva i percorsi del codice, i nomi delle funzioni e le definizioni pertinenti in un input lungo. Rimuovi i file generati non pertinenti o il materiale ripetuto e riserva spazio per la risposta. Testo sorgente, cronologia, osservazioni degli strumenti e codice generato condividono il budget di sequenza configurato; l'input massimo possibile non va trattato come memoria perfetta di ogni dipendenza.
Indicazioni di generazione
Le Best Practices raccomandano temperature 0.7, top_p 0.8, top_k 20 e repetition penalty 1.05. L'esatta raccomandazione sulla repetition penalty differisce da quella di diversi altri modelli Qwen e resta parte della ricetta di questa edizione Coder. Qwen raccomanda un budget di generazione di 65,536 token per la maggior parte delle richieste; è una raccomandazione, non un massimo rigido attestato in modo indipendente.
Specifica la lingua e la forma dell'output, ad esempio una patch, una funzione completa o una spiegazione, e verifica sintassi e interfacce dell'artefatto nel flusso reale di sviluppo. L'esempio di funzione del produttore illustra il meccanismo degli strumenti; il contratto di uno strumento richiede comunque nomi degli argomenti e semantica dei valori restituiti internamente coerenti nell'applicazione che lo utilizza.
Limiti sostanziali e risultato utile
L'input documentato di questo checkpoint è testuale. Non attesta direttamente la comprensione di immagini, audio o video. Il codice generato e una spiegazione sicura restano artefatti provvisori finché i controlli o le osservazioni pertinenti non vengono effettivamente restituiti dall'ambiente collegato. Il risultato utile è una proposta di implementazione esaminabile, collegata alle condizioni del repository fornite, con l'esatta identità Coder, la modalità non-thinking e le indicazioni di generazione del produttore preservate.
", "aboutText": "Punti di forza: programmazione su scala di repository\n\nQwen3-Coder-30B-A3B-Instruct è un modello testuale orientato alle istruzioni per agenti di programmazione. Qwen documenta programmazione, uso di agenti browser e comprensione su scala di repository, con un formato dedicato per le chiamate a funzioni e integrazione tramite flussi di lavoro come Qwen Code. Input e output sono testuali. Conserva questo esatto checkpoint Coder, senza sostituirlo con il modello generalista Qwen3-30B-A3B-Instruct-2507 o con Qwen3-Coder-Next, che differiscono per orientamento dell'addestramento e indicazioni di generazione.\n\nIl contesto nativo è di 262,144 token e il produttore ne descrive l'estensione a circa un milione tramite YaRN. Un contesto ampio può riunire più elementi del repository, ma un'attività chiara richiede comunque moduli, interfacce e requisiti pertinenti. Fornisci l'artefatto atteso e il comportamento osservabile prima di chiedere una modifica al codice.\n\nPanoramica del modello\n\nIl modello mixture-of-experts ha 30.5 miliardi di parametri totali e ne attiva 3.3 miliardi. Ha 48 livelli, 128 esperti e otto esperti selezionati per token. Parametri totali e parametri attivati hanno significati diversi; il valore dei parametri attivati non corrisponde alla dimensione dell'intero checkpoint. La sua configurazione di modello linguistico causale è un modello testuale, non un'interfaccia visiva o vocale.\n\nCoder-30B-A3B-Instruct supporta soltanto la modalità non-thinking e non genera blocchi espliciti di ragionamento. Impostare enable_thinking=False non è necessario nell'esempio del produttore. Può comunque spiegare un algoritmo o giustificare una patch nel testo ordinario. Una richiesta di passaggi di ragionamento non va confusa con l'attivazione del comportamento Thinking separato di un'altra edizione Qwen.\n\nPreparazione di una richiesta di sviluppo\n\nFornisci il codice pertinente, un input che dimostri il comportamento attuale, il risultato osservato e la modifica desiderata. Per un algoritmo, specifica i vincoli di input e l'output richiesto prima di chiedere un approccio. Per una modifica al repository, identifica la funzionalità interessata e le interfacce che l'implementazione deve preservare. Richiedi una patch modificabile o una funzione completa separatamente dal commento esplicativo.\n\nUna risposta utile può organizzare la diagnosi, la modifica proposta e i controlli necessari per verificarla. Quando un'attività è guidata da un riferimento visivo o da un comportamento registrato, fornisci una rappresentazione testuale adeguata e conserva gli identificatori che consentono di confrontare il risultato con l'originale. Confronta la patch proposta con il codice fornito, il comportamento atteso e i risultati restituiti dai controlli collegati.\n\nProgrammazione con agenti e flussi browser\n\nIl produttore evidenzia le chiamate a strumenti e un formato appositamente progettato per le chiamate a funzioni. Un flusso con agente collegato fornisce descrizioni degli strumenti, schemi di input e osservazioni ed esegue le operazioni effettive. Definisci le azioni consentite e una condizione di completamento, poi restituisci al modello i risultati effettivi di ispezione o esecuzione, così che possa aggiornare il lavoro proposto.\n\nLa capacità di operare come agente browser significa partecipare a un flusso con uno strumento browser collegato, non disporre automaticamente dell'accesso al browser o alle pagine attuali dell'utente. La stessa distinzione vale per l'ispezione del repository e l'esecuzione del codice. Un comando proposto, una richiesta di strumento e un'operazione completata devono restare separati nella relazione finale. Conserva il formato nativo degli strumenti del modello e la ricetta di parsing, senza presumere che il template di un altro modello sia intercambiabile.\n\nContesto lungo e configurazione\n\nIl produttore descrive l'estensione YaRN dal contesto nativo di 262,144 token a circa un milione per attività su scala di repository. Usa una configurazione del contesto adeguata al materiale del repository, riservando spazio per le osservazioni degli strumenti e per il risultato. La guida introduttiva suggerisce inoltre un contesto più piccolo, come 32,768, quando la pressione sulla memoria impedisce il funzionamento dell'impostazione più ampia.\n\nConserva i percorsi del codice, i nomi delle funzioni e le definizioni pertinenti in un input lungo. Rimuovi i file generati non pertinenti o il materiale ripetuto e riserva spazio per la risposta. Testo sorgente, cronologia, osservazioni degli strumenti e codice generato condividono il budget di sequenza configurato; l'input massimo possibile non va trattato come memoria perfetta di ogni dipendenza.\n\nIndicazioni di generazione\n\nLe Best Practices raccomandano temperature 0.7, top_p 0.8, top_k 20 e repetition penalty 1.05. L'esatta raccomandazione sulla repetition penalty differisce da quella di diversi altri modelli Qwen e resta parte della ricetta di questa edizione Coder. Qwen raccomanda un budget di generazione di 65,536 token per la maggior parte delle richieste; è una raccomandazione, non un massimo rigido attestato in modo indipendente.\n\nSpecifica la lingua e la forma dell'output, ad esempio una patch, una funzione completa o una spiegazione, e verifica sintassi e interfacce dell'artefatto nel flusso reale di sviluppo. L'esempio di funzione del produttore illustra il meccanismo degli strumenti; il contratto di uno strumento richiede comunque nomi degli argomenti e semantica dei valori restituiti internamente coerenti nell'applicazione che lo utilizza.\n\nLimiti sostanziali e risultato utile\n\nL'input documentato di questo checkpoint è testuale. Non attesta direttamente la comprensione di immagini, audio o video. Il codice generato e una spiegazione sicura restano artefatti provvisori finché i controlli o le osservazioni pertinenti non vengono effettivamente restituiti dall'ambiente collegato. Il risultato utile è una proposta di implementazione esaminabile, collegata alle condizioni del repository fornite, con l'esatta identità Coder, la modalità non-thinking e le indicazioni di generazione del produttore preservate.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
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 è il modello testuale non-thinking di Qwen per la programmazione, con 30.5 miliardi di parametri totali e 3.3 miliardi attivati. È rivolto a sviluppo su scala di repository, programmazione e flussi con agenti browser, con contesto nativo di 262,144 token e un formato dedicato per le chiamate a funzioni.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Punti di forza: programmazione su scala di repository
Qwen3-Coder-30B-A3B-Instruct è un modello testuale orientato alle istruzioni per agenti di programmazione. Qwen documenta programmazione, uso di agenti browser e comprensione su scala di repository, con un formato dedicato per le chiamate a funzioni e integrazione tramite flussi di lavoro come Qwen Code. Input e output sono testuali. Conserva questo esatto checkpoint Coder, senza sostituirlo con il modello generalista Qwen3-30B-A3B-Instruct-2507 o con Qwen3-Coder-Next, che differiscono per orientamento dell'addestramento e indicazioni di generazione.
Il contesto nativo è di 262,144 token e il produttore ne descrive l'estensione a circa un milione tramite YaRN. Un contesto ampio può riunire più elementi del repository, ma un'attività chiara richiede comunque moduli, interfacce e requisiti pertinenti. Fornisci l'artefatto atteso e il comportamento osservabile prima di chiedere una modifica al codice.
Panoramica del modello
Il modello mixture-of-experts ha 30.5 miliardi di parametri totali e ne attiva 3.3 miliardi. Ha 48 livelli, 128 esperti e otto esperti selezionati per token. Parametri totali e parametri attivati hanno significati diversi; il valore dei parametri attivati non corrisponde alla dimensione dell'intero checkpoint. La sua configurazione di modello linguistico causale è un modello testuale, non un'interfaccia visiva o vocale.
Coder-30B-A3B-Instruct supporta soltanto la modalità non-thinking e non genera blocchi espliciti di ragionamento. Impostare enable_thinking=False non è necessario nell'esempio del produttore. Può comunque spiegare un algoritmo o giustificare una patch nel testo ordinario. Una richiesta di passaggi di ragionamento non va confusa con l'attivazione del comportamento Thinking separato di un'altra edizione Qwen.
Preparazione di una richiesta di sviluppo
Fornisci il codice pertinente, un input che dimostri il comportamento attuale, il risultato osservato e la modifica desiderata. Per un algoritmo, specifica i vincoli di input e l'output richiesto prima di chiedere un approccio. Per una modifica al repository, identifica la funzionalità interessata e le interfacce che l'implementazione deve preservare. Richiedi una patch modificabile o una funzione completa separatamente dal commento esplicativo.
Una risposta utile può organizzare la diagnosi, la modifica proposta e i controlli necessari per verificarla. Quando un'attività è guidata da un riferimento visivo o da un comportamento registrato, fornisci una rappresentazione testuale adeguata e conserva gli identificatori che consentono di confrontare il risultato con l'originale. Confronta la patch proposta con il codice fornito, il comportamento atteso e i risultati restituiti dai controlli collegati.
Programmazione con agenti e flussi browser
Il produttore evidenzia le chiamate a strumenti e un formato appositamente progettato per le chiamate a funzioni. Un flusso con agente collegato fornisce descrizioni degli strumenti, schemi di input e osservazioni ed esegue le operazioni effettive. Definisci le azioni consentite e una condizione di completamento, poi restituisci al modello i risultati effettivi di ispezione o esecuzione, così che possa aggiornare il lavoro proposto.
La capacità di operare come agente browser significa partecipare a un flusso con uno strumento browser collegato, non disporre automaticamente dell'accesso al browser o alle pagine attuali dell'utente. La stessa distinzione vale per l'ispezione del repository e l'esecuzione del codice. Un comando proposto, una richiesta di strumento e un'operazione completata devono restare separati nella relazione finale. Conserva il formato nativo degli strumenti del modello e la ricetta di parsing, senza presumere che il template di un altro modello sia intercambiabile.
Contesto lungo e configurazione
Il produttore descrive l'estensione YaRN dal contesto nativo di 262,144 token a circa un milione per attività su scala di repository. Usa una configurazione del contesto adeguata al materiale del repository, riservando spazio per le osservazioni degli strumenti e per il risultato. La guida introduttiva suggerisce inoltre un contesto più piccolo, come 32,768, quando la pressione sulla memoria impedisce il funzionamento dell'impostazione più ampia.
Conserva i percorsi del codice, i nomi delle funzioni e le definizioni pertinenti in un input lungo. Rimuovi i file generati non pertinenti o il materiale ripetuto e riserva spazio per la risposta. Testo sorgente, cronologia, osservazioni degli strumenti e codice generato condividono il budget di sequenza configurato; l'input massimo possibile non va trattato come memoria perfetta di ogni dipendenza.
Indicazioni di generazione
Le Best Practices raccomandano temperature 0.7, top_p 0.8, top_k 20 e repetition penalty 1.05. L'esatta raccomandazione sulla repetition penalty differisce da quella di diversi altri modelli Qwen e resta parte della ricetta di questa edizione Coder. Qwen raccomanda un budget di generazione di 65,536 token per la maggior parte delle richieste; è una raccomandazione, non un massimo rigido attestato in modo indipendente.
Specifica la lingua e la forma dell'output, ad esempio una patch, una funzione completa o una spiegazione, e verifica sintassi e interfacce dell'artefatto nel flusso reale di sviluppo. L'esempio di funzione del produttore illustra il meccanismo degli strumenti; il contratto di uno strumento richiede comunque nomi degli argomenti e semantica dei valori restituiti internamente coerenti nell'applicazione che lo utilizza.
Limiti sostanziali e risultato utile
L'input documentato di questo checkpoint è testuale. Non attesta direttamente la comprensione di immagini, audio o video. Il codice generato e una spiegazione sicura restano artefatti provvisori finché i controlli o le osservazioni pertinenti non vengono effettivamente restituiti dall'ambiente collegato. Il risultato utile è una proposta di implementazione esaminabile, collegata alle condizioni del repository fornite, con l'esatta identità Coder, la modalità non-thinking e le indicazioni di generazione del produttore preservate.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen/qwen3-coder-30b-a3b-instruct | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen/qwen3-coder-30b-a3b-instruct
Usa i percorsi dei metodi indicati sopra.
qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct è il modello testuale non-thinking di Qwen per la programmazione, con 30.5 miliardi di parametri totali e 3.3 miliardi attivati. È rivolto a sviluppo su scala di repository, programmazione e flussi con agenti browser, con contesto nativo di 262,144 token e un formato dedicato per le chiamate a funzioni.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Punti di forza: programmazione su scala di repository
Qwen3-Coder-30B-A3B-Instruct è un modello testuale orientato alle istruzioni per agenti di programmazione. Qwen documenta programmazione, uso di agenti browser e comprensione su scala di repository, con un formato dedicato per le chiamate a funzioni e integrazione tramite flussi di lavoro come Qwen Code. Input e output sono testuali. Conserva questo esatto checkpoint Coder, senza sostituirlo con il modello generalista Qwen3-30B-A3B-Instruct-2507 o con Qwen3-Coder-Next, che differiscono per orientamento dell'addestramento e indicazioni di generazione.
Il contesto nativo è di 262,144 token e il produttore ne descrive l'estensione a circa un milione tramite YaRN. Un contesto ampio può riunire più elementi del repository, ma un'attività chiara richiede comunque moduli, interfacce e requisiti pertinenti. Fornisci l'artefatto atteso e il comportamento osservabile prima di chiedere una modifica al codice.
Panoramica del modello
Il modello mixture-of-experts ha 30.5 miliardi di parametri totali e ne attiva 3.3 miliardi. Ha 48 livelli, 128 esperti e otto esperti selezionati per token. Parametri totali e parametri attivati hanno significati diversi; il valore dei parametri attivati non corrisponde alla dimensione dell'intero checkpoint. La sua configurazione di modello linguistico causale è un modello testuale, non un'interfaccia visiva o vocale.
Coder-30B-A3B-Instruct supporta soltanto la modalità non-thinking e non genera blocchi espliciti di ragionamento. Impostare enable_thinking=False non è necessario nell'esempio del produttore. Può comunque spiegare un algoritmo o giustificare una patch nel testo ordinario. Una richiesta di passaggi di ragionamento non va confusa con l'attivazione del comportamento Thinking separato di un'altra edizione Qwen.
Preparazione di una richiesta di sviluppo
Fornisci il codice pertinente, un input che dimostri il comportamento attuale, il risultato osservato e la modifica desiderata. Per un algoritmo, specifica i vincoli di input e l'output richiesto prima di chiedere un approccio. Per una modifica al repository, identifica la funzionalità interessata e le interfacce che l'implementazione deve preservare. Richiedi una patch modificabile o una funzione completa separatamente dal commento esplicativo.
Una risposta utile può organizzare la diagnosi, la modifica proposta e i controlli necessari per verificarla. Quando un'attività è guidata da un riferimento visivo o da un comportamento registrato, fornisci una rappresentazione testuale adeguata e conserva gli identificatori che consentono di confrontare il risultato con l'originale. Confronta la patch proposta con il codice fornito, il comportamento atteso e i risultati restituiti dai controlli collegati.
Programmazione con agenti e flussi browser
Il produttore evidenzia le chiamate a strumenti e un formato appositamente progettato per le chiamate a funzioni. Un flusso con agente collegato fornisce descrizioni degli strumenti, schemi di input e osservazioni ed esegue le operazioni effettive. Definisci le azioni consentite e una condizione di completamento, poi restituisci al modello i risultati effettivi di ispezione o esecuzione, così che possa aggiornare il lavoro proposto.
La capacità di operare come agente browser significa partecipare a un flusso con uno strumento browser collegato, non disporre automaticamente dell'accesso al browser o alle pagine attuali dell'utente. La stessa distinzione vale per l'ispezione del repository e l'esecuzione del codice. Un comando proposto, una richiesta di strumento e un'operazione completata devono restare separati nella relazione finale. Conserva il formato nativo degli strumenti del modello e la ricetta di parsing, senza presumere che il template di un altro modello sia intercambiabile.
Contesto lungo e configurazione
Il produttore descrive l'estensione YaRN dal contesto nativo di 262,144 token a circa un milione per attività su scala di repository. Usa una configurazione del contesto adeguata al materiale del repository, riservando spazio per le osservazioni degli strumenti e per il risultato. La guida introduttiva suggerisce inoltre un contesto più piccolo, come 32,768, quando la pressione sulla memoria impedisce il funzionamento dell'impostazione più ampia.
Conserva i percorsi del codice, i nomi delle funzioni e le definizioni pertinenti in un input lungo. Rimuovi i file generati non pertinenti o il materiale ripetuto e riserva spazio per la risposta. Testo sorgente, cronologia, osservazioni degli strumenti e codice generato condividono il budget di sequenza configurato; l'input massimo possibile non va trattato come memoria perfetta di ogni dipendenza.
Indicazioni di generazione
Le Best Practices raccomandano temperature 0.7, top_p 0.8, top_k 20 e repetition penalty 1.05. L'esatta raccomandazione sulla repetition penalty differisce da quella di diversi altri modelli Qwen e resta parte della ricetta di questa edizione Coder. Qwen raccomanda un budget di generazione di 65,536 token per la maggior parte delle richieste; è una raccomandazione, non un massimo rigido attestato in modo indipendente.
Specifica la lingua e la forma dell'output, ad esempio una patch, una funzione completa o una spiegazione, e verifica sintassi e interfacce dell'artefatto nel flusso reale di sviluppo. L'esempio di funzione del produttore illustra il meccanismo degli strumenti; il contratto di uno strumento richiede comunque nomi degli argomenti e semantica dei valori restituiti internamente coerenti nell'applicazione che lo utilizza.
Limiti sostanziali e risultato utile
L'input documentato di questo checkpoint è testuale. Non attesta direttamente la comprensione di immagini, audio o video. Il codice generato e una spiegazione sicura restano artefatti provvisori finché i controlli o le osservazioni pertinenti non vengono effettivamente restituiti dall'ambiente collegato. Il risultato utile è una proposta di implementazione esaminabile, collegata alle condizioni del repository fornite, con l'esatta identità Coder, la modalità non-thinking e le indicazioni di generazione del produttore preservate.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen/qwen3-coder-30b-a3b-instruct | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen/qwen3-coder-30b-a3b-instruct
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
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.