Qwen3-235B-A22B-Thinking-2507は、複雑な論理、数学、科学、プログラミングの課題に向けて、Qwen3の推論系統を発展させたモデルです。Qwenは、指示に従う能力、ツール利用、テキスト生成、長いコンテキストの理解も、この版で改善された分野として挙げています。テキストによる対話を受け取り、テキストを生成します。実用的な依頼では、完全な問題、関連する証拠、制約、最終成果物の正確な形を渡します。証明、実装計画、修正したプログラム、提示文書に裏付けられた判断などを求められます。
モデルは、総パラメータ2,350億、各トークンで有効になる220億を持つ、混合エキスパートアーキテクチャを使います。ネイティブなコンテキストは262,144トークンです。この容量は、複数の関連仕様、ソースファイル、研究の抜粋を一つの対話にまとめながら、モデルの推論と最終回答の余地を残すのに役立ちます。文書とコードブロックにラベルを付け、どの出典を優先するかを示し、重要な節を指定してください。例えばソフトウェア分析の依頼では、失敗する動作、期待する動作、関連関数、制約を提示し、仮定を別に列挙した修正案を求められます。
これは思考専用版です。初期Qwen3モデルの非思考モードには切り替わりません。公式チャットテンプレートは推論部分を自動的に開始するため、生成されたテキストには開始マーカーなしで終了マーカー</think>が含まれる場合があります。開発元の例は、その推論部分と最終回答を分けます。数学の課題では、Qwenは段階的な推論と、\\boxed{}内の最終回答を求めることを推奨しています。多肢選択の課題では、選択した文字だけを含む回答フィールドを提案しています。こうした指示は、推論が終わった後の結果を読み取り・処理しやすくします。
Qwenの生成指針は、temperature 0.6、top-p 0.95、top-k 20、min-p 0を推奨しています。大半の質問では32,768トークンの出力容量を推奨し、特に難度の高い数学やプログラミングの問題では81,920トークンを説明しています。これらは開発元による生成の推奨であり、別の保証された回答上限ではありません。長い推論は最終回答前に余地を必要とし、容量が小さすぎると要求した結論の前に応答が終わる場合があります。後の対話ターンでは、公式の指針は最終回答を履歴に保持し、以前の思考内容を省きます。
エージェント型の作業では、Qwenはツール呼び出しテンプレートと解析を提供するQwen-Agentを推奨しています。例は、情報検索やコードインタープリターなどの定義されたツールを、モデルの対話と組み合わせます。ツール利用の計画を求める前に、利用可能なツールの説明、課題の停止条件、必要な結果を用意してください。実用的な調査依頼では、指定した証拠を集め、競合する説明を比較し、出典ごとに整理された証拠を伴う結論を返すよう求められます。ツール呼び出しはアプリケーションが実行する作業を記述し、モデルのテキストだけが外部の行動やその結果になるわけではありません。
公式カードは、別の設定、Dual Chunk Attention、疎な注意機構を使う、約100万トークンへの任意のコンテキスト拡張も説明しています。これはネイティブな262,144トークンのウィンドウとは異なり、所定の実装と大きなメモリ資源に依存します。開発元は、コンテキストやメモリの制約によってシーケンスを短くする必要が生じることがあると注意を促しています。通常の長文書の処理では、実際の質問に沿って入力を整理し、文書の境界を保持して、未解決の証拠を明示した簡潔な最終まとめを求めてください。有用な結果を、長くなり得る推論過程と分けて保持できます。
", "aboutText": "Qwen3-235B-A22B-Thinking-2507は、複雑な論理、数学、科学、プログラミングの課題に向けて、Qwen3の推論系統を発展させたモデルです。Qwenは、指示に従う能力、ツール利用、テキスト生成、長いコンテキストの理解も、この版で改善された分野として挙げています。テキストによる対話を受け取り、テキストを生成します。実用的な依頼では、完全な問題、関連する証拠、制約、最終成果物の正確な形を渡します。証明、実装計画、修正したプログラム、提示文書に裏付けられた判断などを求められます。\n\nモデルは、総パラメータ2,350億、各トークンで有効になる220億を持つ、混合エキスパートアーキテクチャを使います。ネイティブなコンテキストは262,144トークンです。この容量は、複数の関連仕様、ソースファイル、研究の抜粋を一つの対話にまとめながら、モデルの推論と最終回答の余地を残すのに役立ちます。文書とコードブロックにラベルを付け、どの出典を優先するかを示し、重要な節を指定してください。例えばソフトウェア分析の依頼では、失敗する動作、期待する動作、関連関数、制約を提示し、仮定を別に列挙した修正案を求められます。\n\nこれは思考専用版です。初期Qwen3モデルの非思考モードには切り替わりません。公式チャットテンプレートは推論部分を自動的に開始するため、生成されたテキストには開始マーカーなしで終了マーカーが含まれる場合があります。開発元の例は、その推論部分と最終回答を分けます。数学の課題では、Qwenは段階的な推論と、\\boxed{}内の最終回答を求めることを推奨しています。多肢選択の課題では、選択した文字だけを含む回答フィールドを提案しています。こうした指示は、推論が終わった後の結果を読み取り・処理しやすくします。\n\nQwenの生成指針は、temperature 0.6、top-p 0.95、top-k 20、min-p 0を推奨しています。大半の質問では32,768トークンの出力容量を推奨し、特に難度の高い数学やプログラミングの問題では81,920トークンを説明しています。これらは開発元による生成の推奨であり、別の保証された回答上限ではありません。長い推論は最終回答前に余地を必要とし、容量が小さすぎると要求した結論の前に応答が終わる場合があります。後の対話ターンでは、公式の指針は最終回答を履歴に保持し、以前の思考内容を省きます。\n\nエージェント型の作業では、Qwenはツール呼び出しテンプレートと解析を提供するQwen-Agentを推奨しています。例は、情報検索やコードインタープリターなどの定義されたツールを、モデルの対話と組み合わせます。ツール利用の計画を求める前に、利用可能なツールの説明、課題の停止条件、必要な結果を用意してください。実用的な調査依頼では、指定した証拠を集め、競合する説明を比較し、出典ごとに整理された証拠を伴う結論を返すよう求められます。ツール呼び出しはアプリケーションが実行する作業を記述し、モデルのテキストだけが外部の行動やその結果になるわけではありません。\n\n公式カードは、別の設定、Dual Chunk Attention、疎な注意機構を使う、約100万トークンへの任意のコンテキスト拡張も説明しています。これはネイティブな262,144トークンのウィンドウとは異なり、所定の実装と大きなメモリ資源に依存します。開発元は、コンテキストやメモリの制約によってシーケンスを短くする必要が生じることがあると注意を促しています。通常の長文書の処理では、実際の質問に沿って入力を整理し、文書の境界を保持して、未解決の証拠を明示した簡潔な最終まとめを求めてください。有用な結果を、長くなり得る推論過程と分けて保持できます。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507は、難度の高い数学、科学、コーディング、長文書の分析向けの、Qwenの推論専用テキストモデルです。ネイティブな262,144トークンのコンテキストと長い推論により、つながった複数の手順が必要な問題に適します。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Qwen3-235B-A22B-Thinking-2507は、複雑な論理、数学、科学、プログラミングの課題に向けて、Qwen3の推論系統を発展させたモデルです。Qwenは、指示に従う能力、ツール利用、テキスト生成、長いコンテキストの理解も、この版で改善された分野として挙げています。テキストによる対話を受け取り、テキストを生成します。実用的な依頼では、完全な問題、関連する証拠、制約、最終成果物の正確な形を渡します。証明、実装計画、修正したプログラム、提示文書に裏付けられた判断などを求められます。
モデルは、総パラメータ2,350億、各トークンで有効になる220億を持つ、混合エキスパートアーキテクチャを使います。ネイティブなコンテキストは262,144トークンです。この容量は、複数の関連仕様、ソースファイル、研究の抜粋を一つの対話にまとめながら、モデルの推論と最終回答の余地を残すのに役立ちます。文書とコードブロックにラベルを付け、どの出典を優先するかを示し、重要な節を指定してください。例えばソフトウェア分析の依頼では、失敗する動作、期待する動作、関連関数、制約を提示し、仮定を別に列挙した修正案を求められます。
これは思考専用版です。初期Qwen3モデルの非思考モードには切り替わりません。公式チャットテンプレートは推論部分を自動的に開始するため、生成されたテキストには開始マーカーなしで終了マーカー</think>が含まれる場合があります。開発元の例は、その推論部分と最終回答を分けます。数学の課題では、Qwenは段階的な推論と、\\boxed{}内の最終回答を求めることを推奨しています。多肢選択の課題では、選択した文字だけを含む回答フィールドを提案しています。こうした指示は、推論が終わった後の結果を読み取り・処理しやすくします。
Qwenの生成指針は、temperature 0.6、top-p 0.95、top-k 20、min-p 0を推奨しています。大半の質問では32,768トークンの出力容量を推奨し、特に難度の高い数学やプログラミングの問題では81,920トークンを説明しています。これらは開発元による生成の推奨であり、別の保証された回答上限ではありません。長い推論は最終回答前に余地を必要とし、容量が小さすぎると要求した結論の前に応答が終わる場合があります。後の対話ターンでは、公式の指針は最終回答を履歴に保持し、以前の思考内容を省きます。
エージェント型の作業では、Qwenはツール呼び出しテンプレートと解析を提供するQwen-Agentを推奨しています。例は、情報検索やコードインタープリターなどの定義されたツールを、モデルの対話と組み合わせます。ツール利用の計画を求める前に、利用可能なツールの説明、課題の停止条件、必要な結果を用意してください。実用的な調査依頼では、指定した証拠を集め、競合する説明を比較し、出典ごとに整理された証拠を伴う結論を返すよう求められます。ツール呼び出しはアプリケーションが実行する作業を記述し、モデルのテキストだけが外部の行動やその結果になるわけではありません。
公式カードは、別の設定、Dual Chunk Attention、疎な注意機構を使う、約100万トークンへの任意のコンテキスト拡張も説明しています。これはネイティブな262,144トークンのウィンドウとは異なり、所定の実装と大きなメモリ資源に依存します。開発元は、コンテキストやメモリの制約によってシーケンスを短くする必要が生じることがあると注意を促しています。通常の長文書の処理では、実際の質問に沿って入力を整理し、文書の境界を保持して、未解決の証拠を明示した簡潔な最終まとめを求めてください。有用な結果を、長くなり得る推論過程と分けて保持できます。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen/qwen3-235b-a22b-thinking-2507 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0009 / 1K トークン 出力 · 出力トークン $0.007 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0009 / 1K トークン 出力 · 出力トークン $0.007 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-235b-a22b-thinking-2507", "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/qwen3-235b-a22b-thinking-2507',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/qwen3-235b-a22b-thinking-2507',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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra qwen/qwen3-235b-a22b-thinking-2507
上記に表示されたメソッドパスを使用してください。
qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507は、難度の高い数学、科学、コーディング、長文書の分析向けの、Qwenの推論専用テキストモデルです。ネイティブな262,144トークンのコンテキストと長い推論により、つながった複数の手順が必要な問題に適します。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Qwen3-235B-A22B-Thinking-2507は、複雑な論理、数学、科学、プログラミングの課題に向けて、Qwen3の推論系統を発展させたモデルです。Qwenは、指示に従う能力、ツール利用、テキスト生成、長いコンテキストの理解も、この版で改善された分野として挙げています。テキストによる対話を受け取り、テキストを生成します。実用的な依頼では、完全な問題、関連する証拠、制約、最終成果物の正確な形を渡します。証明、実装計画、修正したプログラム、提示文書に裏付けられた判断などを求められます。
モデルは、総パラメータ2,350億、各トークンで有効になる220億を持つ、混合エキスパートアーキテクチャを使います。ネイティブなコンテキストは262,144トークンです。この容量は、複数の関連仕様、ソースファイル、研究の抜粋を一つの対話にまとめながら、モデルの推論と最終回答の余地を残すのに役立ちます。文書とコードブロックにラベルを付け、どの出典を優先するかを示し、重要な節を指定してください。例えばソフトウェア分析の依頼では、失敗する動作、期待する動作、関連関数、制約を提示し、仮定を別に列挙した修正案を求められます。
これは思考専用版です。初期Qwen3モデルの非思考モードには切り替わりません。公式チャットテンプレートは推論部分を自動的に開始するため、生成されたテキストには開始マーカーなしで終了マーカー</think>が含まれる場合があります。開発元の例は、その推論部分と最終回答を分けます。数学の課題では、Qwenは段階的な推論と、\\boxed{}内の最終回答を求めることを推奨しています。多肢選択の課題では、選択した文字だけを含む回答フィールドを提案しています。こうした指示は、推論が終わった後の結果を読み取り・処理しやすくします。
Qwenの生成指針は、temperature 0.6、top-p 0.95、top-k 20、min-p 0を推奨しています。大半の質問では32,768トークンの出力容量を推奨し、特に難度の高い数学やプログラミングの問題では81,920トークンを説明しています。これらは開発元による生成の推奨であり、別の保証された回答上限ではありません。長い推論は最終回答前に余地を必要とし、容量が小さすぎると要求した結論の前に応答が終わる場合があります。後の対話ターンでは、公式の指針は最終回答を履歴に保持し、以前の思考内容を省きます。
エージェント型の作業では、Qwenはツール呼び出しテンプレートと解析を提供するQwen-Agentを推奨しています。例は、情報検索やコードインタープリターなどの定義されたツールを、モデルの対話と組み合わせます。ツール利用の計画を求める前に、利用可能なツールの説明、課題の停止条件、必要な結果を用意してください。実用的な調査依頼では、指定した証拠を集め、競合する説明を比較し、出典ごとに整理された証拠を伴う結論を返すよう求められます。ツール呼び出しはアプリケーションが実行する作業を記述し、モデルのテキストだけが外部の行動やその結果になるわけではありません。
公式カードは、別の設定、Dual Chunk Attention、疎な注意機構を使う、約100万トークンへの任意のコンテキスト拡張も説明しています。これはネイティブな262,144トークンのウィンドウとは異なり、所定の実装と大きなメモリ資源に依存します。開発元は、コンテキストやメモリの制約によってシーケンスを短くする必要が生じることがあると注意を促しています。通常の長文書の処理では、実際の質問に沿って入力を整理し、文書の境界を保持して、未解決の証拠を明示した簡潔な最終まとめを求めてください。有用な結果を、長くなり得る推論過程と分けて保持できます。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen/qwen3-235b-a22b-thinking-2507 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0009 / 1K トークン 出力 · 出力トークン $0.007 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0009 / 1K トークン 出力 · 出力トークン $0.007 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "qwen/qwen3-235b-a22b-thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-235b-a22b-thinking-2507', '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/qwen3-235b-a22b-thinking-2507', '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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra qwen/qwen3-235b-a22b-thinking-2507
上記に表示されたメソッドパスを使用してください。
英語の技術例
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.