特長：固定版Thinking-2507リリース
Qwen3-30B-A3B-Thinking-2507は、難しい推論を重視したテキスト生成モデルです。Qwenは、論理、数学、科学、コーディング、指示追従、ツール利用、テキスト生成の改善に加え、より長い思考過程と長いコンテキストの理解向上を説明しています。複数の説明の比較、多段階の数学問題の解決、複雑なコード変更の検討など、継続的な推論が役立つタスクでは、この正確な2507エディションを選択してください。
モデルの概要とモード
このMixture-of-Expertsモデルは、総パラメータ数305億、活性化パラメータ数33億で、48層にわたり128のエキスパートから各トークンにつき8つを選びます。ネイティブのコンテキストは262,144トークンです。テキストを受け取り、テキストを返します。ツール結果は、接続されたアプリケーションのワークフローを通じて提供されます。このチェックポイントは思考のみをサポートします。以前のハイブリッド版Qwen3-30B-A3B、そのFP8版、Qwen3-30B-A3B-Instruct-2507とは別のモデルです。ハイブリッドモデルの思考を使わない切り替えが、ここでも適用されると考えるべきではありません。
既定のチャットテンプレートは、思考開始マーカーで推論列を開始するため、enable_thinking=Trueを明示する必要はありません。返される列には、開始マーカーを繰り返さず、終了マーカーだけが含まれる場合があります。開発元の例では、推論と最終回答を分けています。具体的な成果物を求める際も、この区別を維持してください。長い説明の後でも、証明の結論、パッチ、判断表を見つけやすくします。
難しいタスクの準備
問題文全体、制約、関連する証拠をモデルに与えてください。コード変更では、既存の関数、失敗する入力、期待する動作を含め、境界条件の説明を伴うパッチ案を求めます。科学的な問いでは観測と仮定を分け、それぞれからどの結論が導かれるか尋ねてください。長い方針文書や仕様では節の識別子を保持し、関連条項に裏付けられた簡潔な判断を求めます。これらは文書化された推論分野の実用例であり、モデルがパッチを実行した、あるいは実験を検証したという主張ではありません。
このバージョンは長く推論できるため、推論と最終成果物の両方の領域を確保してください。Qwenは、短いコンテキストならメモリ負荷を下げられる場合でも、モデル設定時には可能なら131,072トークンを超えるコンテキストを維持するよう助言しています。ネイティブのコンテキスト値には生成列の予算も含まれます。すべてを文書の入力に使いながら、回答の領域を無制限に確保できるという意味ではありません。
エージェントとしての利用
開発元はツール呼び出しを文書化し、ツールのテンプレートと解析にはQwen-Agentを推奨しています。設定されたツールとの連携やコードインタープリタのワークフローも含まれます。ツールと求める結果を明示してください。例えば、アプリケーションが取得済みの証拠を調べ、許可された計算機を使い、その計算を説明する報告書を作る手順をモデルに提供できます。検索と実行は接続されたツールが担います。モデルのツール呼び出し能力だけで、インターネット、コード実行環境、業務システムへアクセスできることにはなりません。
超長文の処理
Qwenは、Dual Chunk AttentionとMInferenceのスパースアテンションを組み合わせ、約100万トークンに達するオプションのワークフローを文書化しています。前者は長い列をチャンクに分割しながらチャンク間の相互作用を保持し、後者は選択した注意関係に計算を集中させます。これはネイティブの262,144トークンを超える追加の設定経路です。開発元の手順には専用の長文コンテキスト設定が必要で、重み、キャッシュされた注意状態、ピーク時の活性値を合わせ、GPUメモリ総量を約240 GBと見積もっています。
この手順には具体的な資源上限があります。キャッシュされた列の状態、活性値のメモリ、総入力長のいずれも、設定された容量を使い切る可能性があります。そのため100万トークンのワークフローは、設定、メモリ、対応するアテンション実装に依存します。実用的な文書レビューでは関連資料から始め、文書境界を明示し、追跡できる証拠を求めてください。最大限の入力を、明確な問いの代わりにするべきではありません。
生成の指針と制約
Qwenはtemperature 0.6、top_p 0.95、top_k 20、min_p 0を推奨しています。ほとんどの問いでは出力予算32,768トークン、特に難しい数学やプログラミングの問題では81,920を提案しています。これは生成予算の推奨値であり、別途公開された固定の出力上限ではありません。0から2のpresence penaltyは反復を減らせますが、値を高くすると言語が混在したり、品質がわずかに低下したりする場合があります。
区切り付きの数学的結果や、選択式問題の回答フィールドなど、最終回答の形式をプロンプトで指定してください。開発元が推奨するように、会話履歴には最終回答の部分だけを残します。長い推論は検証可能な結果につながる場合に役立ちます。結果を利用する前に、前提、計算、提案コードを調べてください。
", "aboutText": "特長：固定版Thinking-2507リリース\n\nQwen3-30B-A3B-Thinking-2507は、難しい推論を重視したテキスト生成モデルです。Qwenは、論理、数学、科学、コーディング、指示追従、ツール利用、テキスト生成の改善に加え、より長い思考過程と長いコンテキストの理解向上を説明しています。複数の説明の比較、多段階の数学問題の解決、複雑なコード変更の検討など、継続的な推論が役立つタスクでは、この正確な2507エディションを選択してください。\n\nモデルの概要とモード\n\nこのMixture-of-Expertsモデルは、総パラメータ数305億、活性化パラメータ数33億で、48層にわたり128のエキスパートから各トークンにつき8つを選びます。ネイティブのコンテキストは262,144トークンです。テキストを受け取り、テキストを返します。ツール結果は、接続されたアプリケーションのワークフローを通じて提供されます。このチェックポイントは思考のみをサポートします。以前のハイブリッド版Qwen3-30B-A3B、そのFP8版、Qwen3-30B-A3B-Instruct-2507とは別のモデルです。ハイブリッドモデルの思考を使わない切り替えが、ここでも適用されると考えるべきではありません。\n\n既定のチャットテンプレートは、思考開始マーカーで推論列を開始するため、enable_thinking=Trueを明示する必要はありません。返される列には、開始マーカーを繰り返さず、終了マーカーだけが含まれる場合があります。開発元の例では、推論と最終回答を分けています。具体的な成果物を求める際も、この区別を維持してください。長い説明の後でも、証明の結論、パッチ、判断表を見つけやすくします。\n\n難しいタスクの準備\n\n問題文全体、制約、関連する証拠をモデルに与えてください。コード変更では、既存の関数、失敗する入力、期待する動作を含め、境界条件の説明を伴うパッチ案を求めます。科学的な問いでは観測と仮定を分け、それぞれからどの結論が導かれるか尋ねてください。長い方針文書や仕様では節の識別子を保持し、関連条項に裏付けられた簡潔な判断を求めます。これらは文書化された推論分野の実用例であり、モデルがパッチを実行した、あるいは実験を検証したという主張ではありません。\n\nこのバージョンは長く推論できるため、推論と最終成果物の両方の領域を確保してください。Qwenは、短いコンテキストならメモリ負荷を下げられる場合でも、モデル設定時には可能なら131,072トークンを超えるコンテキストを維持するよう助言しています。ネイティブのコンテキスト値には生成列の予算も含まれます。すべてを文書の入力に使いながら、回答の領域を無制限に確保できるという意味ではありません。\n\nエージェントとしての利用\n\n開発元はツール呼び出しを文書化し、ツールのテンプレートと解析にはQwen-Agentを推奨しています。設定されたツールとの連携やコードインタープリタのワークフローも含まれます。ツールと求める結果を明示してください。例えば、アプリケーションが取得済みの証拠を調べ、許可された計算機を使い、その計算を説明する報告書を作る手順をモデルに提供できます。検索と実行は接続されたツールが担います。モデルのツール呼び出し能力だけで、インターネット、コード実行環境、業務システムへアクセスできることにはなりません。\n\n超長文の処理\n\nQwenは、Dual Chunk AttentionとMInferenceのスパースアテンションを組み合わせ、約100万トークンに達するオプションのワークフローを文書化しています。前者は長い列をチャンクに分割しながらチャンク間の相互作用を保持し、後者は選択した注意関係に計算を集中させます。これはネイティブの262,144トークンを超える追加の設定経路です。開発元の手順には専用の長文コンテキスト設定が必要で、重み、キャッシュされた注意状態、ピーク時の活性値を合わせ、GPUメモリ総量を約240 GBと見積もっています。\n\nこの手順には具体的な資源上限があります。キャッシュされた列の状態、活性値のメモリ、総入力長のいずれも、設定された容量を使い切る可能性があります。そのため100万トークンのワークフローは、設定、メモリ、対応するアテンション実装に依存します。実用的な文書レビューでは関連資料から始め、文書境界を明示し、追跡できる証拠を求めてください。最大限の入力を、明確な問いの代わりにするべきではありません。\n\n生成の指針と制約\n\nQwenはtemperature 0.6、top_p 0.95、top_k 20、min_p 0を推奨しています。ほとんどの問いでは出力予算32,768トークン、特に難しい数学やプログラミングの問題では81,920を提案しています。これは生成予算の推奨値であり、別途公開された固定の出力上限ではありません。0から2のpresence penaltyは反復を減らせますが、値を高くすると言語が混在したり、品質がわずかに低下したりする場合があります。\n\n区切り付きの数学的結果や、選択式問題の回答フィールドなど、最終回答の形式をプロンプトで指定してください。開発元が推奨するように、会話履歴には最終回答の部分だけを残します。長い推論は検証可能な結果につながる場合に役立ちます。結果を利用する前に、前提、計算、提案コードを調べてください。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Solve a constrained staffing assignment\n\nAssign three reviewers, Ada, Ben and Cy, to morning, afternoon and evening shifts, one each. Ada cannot work evening. Ben must work later than Ada. Cy cannot work morning. List every valid assignment and explain how each constraint eliminates alternatives. Finish with whether the assignment is unique; do not assume additional availability.An enumeration of all valid assignments, a constraint check and a separate uniqueness conclusion.Every assignment uses all three shifts once and satisfies Ben later than Ada without adding availability rules.Qwen/Qwen3-30B-A3B-Thinking-2507Qwen3-30B-A3B-Thinking-2507は、高度な数学、科学、コーディング、論理的推論向けの、思考専用のQwenテキストモデルです。この固定2507エディションは、ネイティブの262,144トークンのコンテキストと、より長い推論予算を備え、ツール呼び出しと条件付きの超長文コンテキスト処理が文書化されています。
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。
特長：固定版Thinking-2507リリース
Qwen3-30B-A3B-Thinking-2507は、難しい推論を重視したテキスト生成モデルです。Qwenは、論理、数学、科学、コーディング、指示追従、ツール利用、テキスト生成の改善に加え、より長い思考過程と長いコンテキストの理解向上を説明しています。複数の説明の比較、多段階の数学問題の解決、複雑なコード変更の検討など、継続的な推論が役立つタスクでは、この正確な2507エディションを選択してください。
モデルの概要とモード
このMixture-of-Expertsモデルは、総パラメータ数305億、活性化パラメータ数33億で、48層にわたり128のエキスパートから各トークンにつき8つを選びます。ネイティブのコンテキストは262,144トークンです。テキストを受け取り、テキストを返します。ツール結果は、接続されたアプリケーションのワークフローを通じて提供されます。このチェックポイントは思考のみをサポートします。以前のハイブリッド版Qwen3-30B-A3B、そのFP8版、Qwen3-30B-A3B-Instruct-2507とは別のモデルです。ハイブリッドモデルの思考を使わない切り替えが、ここでも適用されると考えるべきではありません。
既定のチャットテンプレートは、思考開始マーカーで推論列を開始するため、enable_thinking=Trueを明示する必要はありません。返される列には、開始マーカーを繰り返さず、終了マーカーだけが含まれる場合があります。開発元の例では、推論と最終回答を分けています。具体的な成果物を求める際も、この区別を維持してください。長い説明の後でも、証明の結論、パッチ、判断表を見つけやすくします。
難しいタスクの準備
問題文全体、制約、関連する証拠をモデルに与えてください。コード変更では、既存の関数、失敗する入力、期待する動作を含め、境界条件の説明を伴うパッチ案を求めます。科学的な問いでは観測と仮定を分け、それぞれからどの結論が導かれるか尋ねてください。長い方針文書や仕様では節の識別子を保持し、関連条項に裏付けられた簡潔な判断を求めます。これらは文書化された推論分野の実用例であり、モデルがパッチを実行した、あるいは実験を検証したという主張ではありません。
このバージョンは長く推論できるため、推論と最終成果物の両方の領域を確保してください。Qwenは、短いコンテキストならメモリ負荷を下げられる場合でも、モデル設定時には可能なら131,072トークンを超えるコンテキストを維持するよう助言しています。ネイティブのコンテキスト値には生成列の予算も含まれます。すべてを文書の入力に使いながら、回答の領域を無制限に確保できるという意味ではありません。
エージェントとしての利用
開発元はツール呼び出しを文書化し、ツールのテンプレートと解析にはQwen-Agentを推奨しています。設定されたツールとの連携やコードインタープリタのワークフローも含まれます。ツールと求める結果を明示してください。例えば、アプリケーションが取得済みの証拠を調べ、許可された計算機を使い、その計算を説明する報告書を作る手順をモデルに提供できます。検索と実行は接続されたツールが担います。モデルのツール呼び出し能力だけで、インターネット、コード実行環境、業務システムへアクセスできることにはなりません。
超長文の処理
Qwenは、Dual Chunk AttentionとMInferenceのスパースアテンションを組み合わせ、約100万トークンに達するオプションのワークフローを文書化しています。前者は長い列をチャンクに分割しながらチャンク間の相互作用を保持し、後者は選択した注意関係に計算を集中させます。これはネイティブの262,144トークンを超える追加の設定経路です。開発元の手順には専用の長文コンテキスト設定が必要で、重み、キャッシュされた注意状態、ピーク時の活性値を合わせ、GPUメモリ総量を約240 GBと見積もっています。
この手順には具体的な資源上限があります。キャッシュされた列の状態、活性値のメモリ、総入力長のいずれも、設定された容量を使い切る可能性があります。そのため100万トークンのワークフローは、設定、メモリ、対応するアテンション実装に依存します。実用的な文書レビューでは関連資料から始め、文書境界を明示し、追跡できる証拠を求めてください。最大限の入力を、明確な問いの代わりにするべきではありません。
生成の指針と制約
Qwenはtemperature 0.6、top_p 0.95、top_k 20、min_p 0を推奨しています。ほとんどの問いでは出力予算32,768トークン、特に難しい数学やプログラミングの問題では81,920を提案しています。これは生成予算の推奨値であり、別途公開された固定の出力上限ではありません。0から2のpresence penaltyは反復を減らせますが、値を高くすると言語が混在したり、品質がわずかに低下したりする場合があります。
区切り付きの数学的結果や、選択式問題の回答フィールドなど、最終回答の形式をプロンプトで指定してください。開発元が推奨するように、会話履歴には最終回答の部分だけを残します。長い推論は検証可能な結果につながる場合に役立ちます。結果を利用する前に、前提、計算、提案コードを調べてください。
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/Qwen3-30B-A3B-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 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string | 要件任意 | 値と制限 適用条件: テキストでの対話 | 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 · 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 |
パラメータcontrol_scope | 仕様テキストでの対話。streamは真偽値で、既定はfalseです。 |
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 |
メソッドのエイリアス: /chat/completions
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。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0002 / 1K トークン 出力 · 出力トークン $0.0008 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"Qwen/Qwen3-30B-A3B-Thinking-2507","messages":[{"role":"user","content":"hello"}],"stream":false}')\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/Qwen3-30B-A3B-Thinking-2507", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
/chat/completions
Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
Qwen/Qwen3-30B-A3B-Thinking-2507Qwen3-30B-A3B-Thinking-2507は、高度な数学、科学、コーディング、論理的推論向けの、思考専用のQwenテキストモデルです。この固定2507エディションは、ネイティブの262,144トークンのコンテキストと、より長い推論予算を備え、ツール呼び出しと条件付きの超長文コンテキスト処理が文書化されています。
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。
特長：固定版Thinking-2507リリース
Qwen3-30B-A3B-Thinking-2507は、難しい推論を重視したテキスト生成モデルです。Qwenは、論理、数学、科学、コーディング、指示追従、ツール利用、テキスト生成の改善に加え、より長い思考過程と長いコンテキストの理解向上を説明しています。複数の説明の比較、多段階の数学問題の解決、複雑なコード変更の検討など、継続的な推論が役立つタスクでは、この正確な2507エディションを選択してください。
モデルの概要とモード
このMixture-of-Expertsモデルは、総パラメータ数305億、活性化パラメータ数33億で、48層にわたり128のエキスパートから各トークンにつき8つを選びます。ネイティブのコンテキストは262,144トークンです。テキストを受け取り、テキストを返します。ツール結果は、接続されたアプリケーションのワークフローを通じて提供されます。このチェックポイントは思考のみをサポートします。以前のハイブリッド版Qwen3-30B-A3B、そのFP8版、Qwen3-30B-A3B-Instruct-2507とは別のモデルです。ハイブリッドモデルの思考を使わない切り替えが、ここでも適用されると考えるべきではありません。
既定のチャットテンプレートは、思考開始マーカーで推論列を開始するため、enable_thinking=Trueを明示する必要はありません。返される列には、開始マーカーを繰り返さず、終了マーカーだけが含まれる場合があります。開発元の例では、推論と最終回答を分けています。具体的な成果物を求める際も、この区別を維持してください。長い説明の後でも、証明の結論、パッチ、判断表を見つけやすくします。
難しいタスクの準備
問題文全体、制約、関連する証拠をモデルに与えてください。コード変更では、既存の関数、失敗する入力、期待する動作を含め、境界条件の説明を伴うパッチ案を求めます。科学的な問いでは観測と仮定を分け、それぞれからどの結論が導かれるか尋ねてください。長い方針文書や仕様では節の識別子を保持し、関連条項に裏付けられた簡潔な判断を求めます。これらは文書化された推論分野の実用例であり、モデルがパッチを実行した、あるいは実験を検証したという主張ではありません。
このバージョンは長く推論できるため、推論と最終成果物の両方の領域を確保してください。Qwenは、短いコンテキストならメモリ負荷を下げられる場合でも、モデル設定時には可能なら131,072トークンを超えるコンテキストを維持するよう助言しています。ネイティブのコンテキスト値には生成列の予算も含まれます。すべてを文書の入力に使いながら、回答の領域を無制限に確保できるという意味ではありません。
エージェントとしての利用
開発元はツール呼び出しを文書化し、ツールのテンプレートと解析にはQwen-Agentを推奨しています。設定されたツールとの連携やコードインタープリタのワークフローも含まれます。ツールと求める結果を明示してください。例えば、アプリケーションが取得済みの証拠を調べ、許可された計算機を使い、その計算を説明する報告書を作る手順をモデルに提供できます。検索と実行は接続されたツールが担います。モデルのツール呼び出し能力だけで、インターネット、コード実行環境、業務システムへアクセスできることにはなりません。
超長文の処理
Qwenは、Dual Chunk AttentionとMInferenceのスパースアテンションを組み合わせ、約100万トークンに達するオプションのワークフローを文書化しています。前者は長い列をチャンクに分割しながらチャンク間の相互作用を保持し、後者は選択した注意関係に計算を集中させます。これはネイティブの262,144トークンを超える追加の設定経路です。開発元の手順には専用の長文コンテキスト設定が必要で、重み、キャッシュされた注意状態、ピーク時の活性値を合わせ、GPUメモリ総量を約240 GBと見積もっています。
この手順には具体的な資源上限があります。キャッシュされた列の状態、活性値のメモリ、総入力長のいずれも、設定された容量を使い切る可能性があります。そのため100万トークンのワークフローは、設定、メモリ、対応するアテンション実装に依存します。実用的な文書レビューでは関連資料から始め、文書境界を明示し、追跡できる証拠を求めてください。最大限の入力を、明確な問いの代わりにするべきではありません。
生成の指針と制約
Qwenはtemperature 0.6、top_p 0.95、top_k 20、min_p 0を推奨しています。ほとんどの問いでは出力予算32,768トークン、特に難しい数学やプログラミングの問題では81,920を提案しています。これは生成予算の推奨値であり、別途公開された固定の出力上限ではありません。0から2のpresence penaltyは反復を減らせますが、値を高くすると言語が混在したり、品質がわずかに低下したりする場合があります。
区切り付きの数学的結果や、選択式問題の回答フィールドなど、最終回答の形式をプロンプトで指定してください。開発元が推奨するように、会話履歴には最終回答の部分だけを残します。長い推論は検証可能な結果につながる場合に役立ちます。結果を利用する前に、前提、計算、提案コードを調べてください。
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/Qwen3-30B-A3B-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。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0002 / 1K トークン 出力 · 出力トークン $0.0008 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "Qwen/Qwen3-30B-A3B-Thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/Qwen3-30B-A3B-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/Qwen3-30B-A3B-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/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
/chat/completions
Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
qwen3-30b-a3b-thinking-2507Qwen3-30B-A3B-Thinking-2507は、高度な数学、科学、コーディング、論理的推論向けの、思考専用のQwenテキストモデルです。この固定2507エディションは、ネイティブの262,144トークンのコンテキストと、より長い推論予算を備え、ツール呼び出しと条件付きの超長文コンテキスト処理が文書化されています。
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。
特長：固定版Thinking-2507リリース
Qwen3-30B-A3B-Thinking-2507は、難しい推論を重視したテキスト生成モデルです。Qwenは、論理、数学、科学、コーディング、指示追従、ツール利用、テキスト生成の改善に加え、より長い思考過程と長いコンテキストの理解向上を説明しています。複数の説明の比較、多段階の数学問題の解決、複雑なコード変更の検討など、継続的な推論が役立つタスクでは、この正確な2507エディションを選択してください。
モデルの概要とモード
このMixture-of-Expertsモデルは、総パラメータ数305億、活性化パラメータ数33億で、48層にわたり128のエキスパートから各トークンにつき8つを選びます。ネイティブのコンテキストは262,144トークンです。テキストを受け取り、テキストを返します。ツール結果は、接続されたアプリケーションのワークフローを通じて提供されます。このチェックポイントは思考のみをサポートします。以前のハイブリッド版Qwen3-30B-A3B、そのFP8版、Qwen3-30B-A3B-Instruct-2507とは別のモデルです。ハイブリッドモデルの思考を使わない切り替えが、ここでも適用されると考えるべきではありません。
既定のチャットテンプレートは、思考開始マーカーで推論列を開始するため、enable_thinking=Trueを明示する必要はありません。返される列には、開始マーカーを繰り返さず、終了マーカーだけが含まれる場合があります。開発元の例では、推論と最終回答を分けています。具体的な成果物を求める際も、この区別を維持してください。長い説明の後でも、証明の結論、パッチ、判断表を見つけやすくします。
難しいタスクの準備
問題文全体、制約、関連する証拠をモデルに与えてください。コード変更では、既存の関数、失敗する入力、期待する動作を含め、境界条件の説明を伴うパッチ案を求めます。科学的な問いでは観測と仮定を分け、それぞれからどの結論が導かれるか尋ねてください。長い方針文書や仕様では節の識別子を保持し、関連条項に裏付けられた簡潔な判断を求めます。これらは文書化された推論分野の実用例であり、モデルがパッチを実行した、あるいは実験を検証したという主張ではありません。
このバージョンは長く推論できるため、推論と最終成果物の両方の領域を確保してください。Qwenは、短いコンテキストならメモリ負荷を下げられる場合でも、モデル設定時には可能なら131,072トークンを超えるコンテキストを維持するよう助言しています。ネイティブのコンテキスト値には生成列の予算も含まれます。すべてを文書の入力に使いながら、回答の領域を無制限に確保できるという意味ではありません。
エージェントとしての利用
開発元はツール呼び出しを文書化し、ツールのテンプレートと解析にはQwen-Agentを推奨しています。設定されたツールとの連携やコードインタープリタのワークフローも含まれます。ツールと求める結果を明示してください。例えば、アプリケーションが取得済みの証拠を調べ、許可された計算機を使い、その計算を説明する報告書を作る手順をモデルに提供できます。検索と実行は接続されたツールが担います。モデルのツール呼び出し能力だけで、インターネット、コード実行環境、業務システムへアクセスできることにはなりません。
超長文の処理
Qwenは、Dual Chunk AttentionとMInferenceのスパースアテンションを組み合わせ、約100万トークンに達するオプションのワークフローを文書化しています。前者は長い列をチャンクに分割しながらチャンク間の相互作用を保持し、後者は選択した注意関係に計算を集中させます。これはネイティブの262,144トークンを超える追加の設定経路です。開発元の手順には専用の長文コンテキスト設定が必要で、重み、キャッシュされた注意状態、ピーク時の活性値を合わせ、GPUメモリ総量を約240 GBと見積もっています。
この手順には具体的な資源上限があります。キャッシュされた列の状態、活性値のメモリ、総入力長のいずれも、設定された容量を使い切る可能性があります。そのため100万トークンのワークフローは、設定、メモリ、対応するアテンション実装に依存します。実用的な文書レビューでは関連資料から始め、文書境界を明示し、追跡できる証拠を求めてください。最大限の入力を、明確な問いの代わりにするべきではありません。
生成の指針と制約
Qwenはtemperature 0.6、top_p 0.95、top_k 20、min_p 0を推奨しています。ほとんどの問いでは出力予算32,768トークン、特に難しい数学やプログラミングの問題では81,920を提案しています。これは生成予算の推奨値であり、別途公開された固定の出力上限ではありません。0から2のpresence penaltyは反復を減らせますが、値を高くすると言語が混在したり、品質がわずかに低下したりする場合があります。
区切り付きの数学的結果や、選択式問題の回答フィールドなど、最終回答の形式をプロンプトで指定してください。開発元が推奨するように、会話履歴には最終回答の部分だけを残します。長い推論は検証可能な結果につながる場合に役立ちます。結果を利用する前に、前提、計算、提案コードを調べてください。
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 qwen3-30b-a3b-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。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0002 / 1K トークン 出力 · 出力トークン $0.0008 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3-30b-a3b-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='qwen3-30b-a3b-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='qwen3-30b-a3b-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/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
/chat/completions
Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
qwen3-30b-a3b-thinking-2507Qwen3-30B-A3B-Thinking-2507は、高度な数学、科学、コーディング、論理的推論向けの、思考専用のQwenテキストモデルです。この固定2507エディションは、ネイティブの262,144トークンのコンテキストと、より長い推論予算を備え、ツール呼び出しと条件付きの超長文コンテキスト処理が文書化されています。
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。
特長：固定版Thinking-2507リリース
Qwen3-30B-A3B-Thinking-2507は、難しい推論を重視したテキスト生成モデルです。Qwenは、論理、数学、科学、コーディング、指示追従、ツール利用、テキスト生成の改善に加え、より長い思考過程と長いコンテキストの理解向上を説明しています。複数の説明の比較、多段階の数学問題の解決、複雑なコード変更の検討など、継続的な推論が役立つタスクでは、この正確な2507エディションを選択してください。
モデルの概要とモード
このMixture-of-Expertsモデルは、総パラメータ数305億、活性化パラメータ数33億で、48層にわたり128のエキスパートから各トークンにつき8つを選びます。ネイティブのコンテキストは262,144トークンです。テキストを受け取り、テキストを返します。ツール結果は、接続されたアプリケーションのワークフローを通じて提供されます。このチェックポイントは思考のみをサポートします。以前のハイブリッド版Qwen3-30B-A3B、そのFP8版、Qwen3-30B-A3B-Instruct-2507とは別のモデルです。ハイブリッドモデルの思考を使わない切り替えが、ここでも適用されると考えるべきではありません。
既定のチャットテンプレートは、思考開始マーカーで推論列を開始するため、enable_thinking=Trueを明示する必要はありません。返される列には、開始マーカーを繰り返さず、終了マーカーだけが含まれる場合があります。開発元の例では、推論と最終回答を分けています。具体的な成果物を求める際も、この区別を維持してください。長い説明の後でも、証明の結論、パッチ、判断表を見つけやすくします。
難しいタスクの準備
問題文全体、制約、関連する証拠をモデルに与えてください。コード変更では、既存の関数、失敗する入力、期待する動作を含め、境界条件の説明を伴うパッチ案を求めます。科学的な問いでは観測と仮定を分け、それぞれからどの結論が導かれるか尋ねてください。長い方針文書や仕様では節の識別子を保持し、関連条項に裏付けられた簡潔な判断を求めます。これらは文書化された推論分野の実用例であり、モデルがパッチを実行した、あるいは実験を検証したという主張ではありません。
このバージョンは長く推論できるため、推論と最終成果物の両方の領域を確保してください。Qwenは、短いコンテキストならメモリ負荷を下げられる場合でも、モデル設定時には可能なら131,072トークンを超えるコンテキストを維持するよう助言しています。ネイティブのコンテキスト値には生成列の予算も含まれます。すべてを文書の入力に使いながら、回答の領域を無制限に確保できるという意味ではありません。
エージェントとしての利用
開発元はツール呼び出しを文書化し、ツールのテンプレートと解析にはQwen-Agentを推奨しています。設定されたツールとの連携やコードインタープリタのワークフローも含まれます。ツールと求める結果を明示してください。例えば、アプリケーションが取得済みの証拠を調べ、許可された計算機を使い、その計算を説明する報告書を作る手順をモデルに提供できます。検索と実行は接続されたツールが担います。モデルのツール呼び出し能力だけで、インターネット、コード実行環境、業務システムへアクセスできることにはなりません。
超長文の処理
Qwenは、Dual Chunk AttentionとMInferenceのスパースアテンションを組み合わせ、約100万トークンに達するオプションのワークフローを文書化しています。前者は長い列をチャンクに分割しながらチャンク間の相互作用を保持し、後者は選択した注意関係に計算を集中させます。これはネイティブの262,144トークンを超える追加の設定経路です。開発元の手順には専用の長文コンテキスト設定が必要で、重み、キャッシュされた注意状態、ピーク時の活性値を合わせ、GPUメモリ総量を約240 GBと見積もっています。
この手順には具体的な資源上限があります。キャッシュされた列の状態、活性値のメモリ、総入力長のいずれも、設定された容量を使い切る可能性があります。そのため100万トークンのワークフローは、設定、メモリ、対応するアテンション実装に依存します。実用的な文書レビューでは関連資料から始め、文書境界を明示し、追跡できる証拠を求めてください。最大限の入力を、明確な問いの代わりにするべきではありません。
生成の指針と制約
Qwenはtemperature 0.6、top_p 0.95、top_k 20、min_p 0を推奨しています。ほとんどの問いでは出力予算32,768トークン、特に難しい数学やプログラミングの問題では81,920を提案しています。これは生成予算の推奨値であり、別途公開された固定の出力上限ではありません。0から2のpresence penaltyは反復を減らせますが、値を高くすると言語が混在したり、品質がわずかに低下したりする場合があります。
区切り付きの数学的結果や、選択式問題の回答フィールドなど、最終回答の形式をプロンプトで指定してください。開発元が推奨するように、会話履歴には最終回答の部分だけを残します。長い推論は検証可能な結果につながる場合に役立ちます。結果を利用する前に、前提、計算、提案コードを調べてください。
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 qwen3-30b-a3b-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。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0002 / 1K トークン 出力 · 出力トークン $0.0008 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "qwen3-30b-a3b-thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-30b-a3b-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': 'qwen3-30b-a3b-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/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
/chat/completions
Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
英語の技術例
Solve a constrained staffing assignment\n\nAssign three reviewers, Ada, Ben and Cy, to morning, afternoon and evening shifts, one each. Ada cannot work evening. Ben must work later than Ada. Cy cannot work morning. List every valid assignment and explain how each constraint eliminates alternatives. Finish with whether the assignment is unique; do not assume additional availability.An enumeration of all valid assignments, a constraint check and a separate uniqueness conclusion.Every assignment uses all three shifts once and satisfies Ben later than Ada without adding availability rules.