Qwen3-30B-A3Bは、一つのテキストモデルに二つの回答スタイルを組み合わせます。複雑な論理、数学、プログラミングの問題には思考を、簡単な対話には非思考を使います。Qwenは、創作文、役割に基づく対話、指示に従う能力、外部ツールとの連携も重視しています。初期Qwen3系列は119の言語と方言に対応し、ターン間で要求言語が変わる多言語の質問、翻訳、対話に役立ちます。出力言語を示し、変えずに保持する用語を指定して、読者の必要とする内容を説明してください。
これは初期のQwen3-30B-A3B混合エキスパート版です。総パラメータ305億のうち、各トークンで33億を有効にし、モデルのエキスパート層では128個のうち8個のエキスパートを選択します。この疎なアーキテクチャは、Qwen3の密なモデルとの重要な違いです。このプロファイルは、ネイティブなコンテキストが32,768トークンの初期ハイブリッドモデルを扱い、後発の別の名前を持つInstruct-2507版やThinking-2507版ではありません。分析の依頼では、関連するコードや元の文章、解決する質問、有効な回答が満たすべき条件を提示してください。
公式チャットテンプレートでは、思考が既定で有効です。設定のenable_thinkingスイッチで完全に無効化できます。思考が有効のままなら、利用者またはシステム指示内の/thinkと/no_thinkはテキストのスイッチとして働き、最新の指示がターンをまたいで要求する動作を制御します。有効なテンプレートへの/no_thinkの要求でも、空の思考ブロックを生成する場合があります。設定のスイッチを無効にすると、どちらのマーカーも思考を有効にしません。この違いは、すぐに行う書き換えと、より込み入ったデバッグや推論の質問を交互に扱うフローで重要です。
Qwenの例は、<think>部分と最終回答を分けています。コードの問題では、最小限の関連するソースの抜粋、観察された失敗、望む結果を準備し、診断と修正案を求めてください。数学の問題では、開発元は、明示的な段階的指示と、\\boxed{}に入れた最終回答を推奨しています。多肢選択の依頼では、代わりに一つの回答フィールドを定義できます。後の対話ターンでは、Qwenは推論部分全体を繰り返し引き継ぐのではなく、最終回答を保持し、以前の思考内容を履歴から省くことを推奨しています。
ツール呼び出しは両モードで説明されています。Qwenは、モデルのツールテンプレートと解析を扱うためにQwen-Agentを推奨し、例には検索、時刻情報、コードインタープリターがあります。手順の計画を求める前に、利用可能なツールと引数を説明してください。実用的な依頼では、選択した資料の確認と、それに続く根拠を伴う実装案を求められます。モデルが実際の証拠から続けられるよう、各ツール結果を対話に返してください。文章によるツールの要求と、アプリケーションが実行した結果は、フローの別の部分です。
カードは、YaRNによる131,072トークンへのコンテキスト拡張を説明しています。ネイティブなウィンドウの設定に依存する拡張であり、Qwenは静的スケーリングが短い入力に影響し得ると注意しています。カードは、典型的なプロンプトと長い回答の余地を割り当てる、40,960位置の既定設定も説明します。これはネイティブなコンテキストの説明とは異なります。長い資料では文書の境界を明確にし、質問に関係する部分を優先して、回答と推論のための余地を残してください。
思考では、Qwenはtemperature 0.6、top-p 0.95、top-k 20、min-p 0を推奨し、結果の劣化や終わりのない繰り返しにつながり得るため、貪欲デコードを避けるよう助言しています。非思考では、temperatureを0.7、top-pを0.8に変えます。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38,912トークンを説明しています。これらは開発元の生成設定であり、別の固定された回答保証ではありません。必要な推論と有用な最終結果の両方の余地を持たせるため、モードと要求する成果物を合わせて選んでください。
", "aboutText": "Qwen3-30B-A3Bは、一つのテキストモデルに二つの回答スタイルを組み合わせます。複雑な論理、数学、プログラミングの問題には思考を、簡単な対話には非思考を使います。Qwenは、創作文、役割に基づく対話、指示に従う能力、外部ツールとの連携も重視しています。初期Qwen3系列は119の言語と方言に対応し、ターン間で要求言語が変わる多言語の質問、翻訳、対話に役立ちます。出力言語を示し、変えずに保持する用語を指定して、読者の必要とする内容を説明してください。\n\nこれは初期のQwen3-30B-A3B混合エキスパート版です。総パラメータ305億のうち、各トークンで33億を有効にし、モデルのエキスパート層では128個のうち8個のエキスパートを選択します。この疎なアーキテクチャは、Qwen3の密なモデルとの重要な違いです。このプロファイルは、ネイティブなコンテキストが32,768トークンの初期ハイブリッドモデルを扱い、後発の別の名前を持つInstruct-2507版やThinking-2507版ではありません。分析の依頼では、関連するコードや元の文章、解決する質問、有効な回答が満たすべき条件を提示してください。\n\n公式チャットテンプレートでは、思考が既定で有効です。設定のenable_thinkingスイッチで完全に無効化できます。思考が有効のままなら、利用者またはシステム指示内の/thinkと/no_thinkはテキストのスイッチとして働き、最新の指示がターンをまたいで要求する動作を制御します。有効なテンプレートへの/no_thinkの要求でも、空の思考ブロックを生成する場合があります。設定のスイッチを無効にすると、どちらのマーカーも思考を有効にしません。この違いは、すぐに行う書き換えと、より込み入ったデバッグや推論の質問を交互に扱うフローで重要です。\n\nQwenの例は、英語の技術例
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.qwen/qwen3-30b-a3bQwen3-30B-A3Bは、推論、コーディング、多言語の対話向けに、思考・非思考の両モードを持つQwenの混合エキスパート型テキストモデルです。総パラメータ305億、トークン当たり有効なパラメータ33億、ネイティブな32,768トークンのコンテキストを持ちます。
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。
Qwen3-30B-A3Bは、一つのテキストモデルに二つの回答スタイルを組み合わせます。複雑な論理、数学、プログラミングの問題には思考を、簡単な対話には非思考を使います。Qwenは、創作文、役割に基づく対話、指示に従う能力、外部ツールとの連携も重視しています。初期Qwen3系列は119の言語と方言に対応し、ターン間で要求言語が変わる多言語の質問、翻訳、対話に役立ちます。出力言語を示し、変えずに保持する用語を指定して、読者の必要とする内容を説明してください。
これは初期のQwen3-30B-A3B混合エキスパート版です。総パラメータ305億のうち、各トークンで33億を有効にし、モデルのエキスパート層では128個のうち8個のエキスパートを選択します。この疎なアーキテクチャは、Qwen3の密なモデルとの重要な違いです。このプロファイルは、ネイティブなコンテキストが32,768トークンの初期ハイブリッドモデルを扱い、後発の別の名前を持つInstruct-2507版やThinking-2507版ではありません。分析の依頼では、関連するコードや元の文章、解決する質問、有効な回答が満たすべき条件を提示してください。
公式チャットテンプレートでは、思考が既定で有効です。設定のenable_thinkingスイッチで完全に無効化できます。思考が有効のままなら、利用者またはシステム指示内の/thinkと/no_thinkはテキストのスイッチとして働き、最新の指示がターンをまたいで要求する動作を制御します。有効なテンプレートへの/no_thinkの要求でも、空の思考ブロックを生成する場合があります。設定のスイッチを無効にすると、どちらのマーカーも思考を有効にしません。この違いは、すぐに行う書き換えと、より込み入ったデバッグや推論の質問を交互に扱うフローで重要です。
Qwenの例は、<think>部分と最終回答を分けています。コードの問題では、最小限の関連するソースの抜粋、観察された失敗、望む結果を準備し、診断と修正案を求めてください。数学の問題では、開発元は、明示的な段階的指示と、\\boxed{}に入れた最終回答を推奨しています。多肢選択の依頼では、代わりに一つの回答フィールドを定義できます。後の対話ターンでは、Qwenは推論部分全体を繰り返し引き継ぐのではなく、最終回答を保持し、以前の思考内容を履歴から省くことを推奨しています。
ツール呼び出しは両モードで説明されています。Qwenは、モデルのツールテンプレートと解析を扱うためにQwen-Agentを推奨し、例には検索、時刻情報、コードインタープリターがあります。手順の計画を求める前に、利用可能なツールと引数を説明してください。実用的な依頼では、選択した資料の確認と、それに続く根拠を伴う実装案を求められます。モデルが実際の証拠から続けられるよう、各ツール結果を対話に返してください。文章によるツールの要求と、アプリケーションが実行した結果は、フローの別の部分です。
カードは、YaRNによる131,072トークンへのコンテキスト拡張を説明しています。ネイティブなウィンドウの設定に依存する拡張であり、Qwenは静的スケーリングが短い入力に影響し得ると注意しています。カードは、典型的なプロンプトと長い回答の余地を割り当てる、40,960位置の既定設定も説明します。これはネイティブなコンテキストの説明とは異なります。長い資料では文書の境界を明確にし、質問に関係する部分を優先して、回答と推論のための余地を残してください。
思考では、Qwenはtemperature 0.6、top-p 0.95、top-k 20、min-p 0を推奨し、結果の劣化や終わりのない繰り返しにつながり得るため、貪欲デコードを避けるよう助言しています。非思考では、temperatureを0.7、top-pを0.8に変えます。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38,912トークンを説明しています。これらは開発元の生成設定であり、別の固定された回答保証ではありません。必要な推論と有用な最終結果の両方の余地を持たせるため、モードと要求する成果物を合わせて選んでください。
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 | 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 $0.00024 / 1K トークン 出力 · 出力トークン $0.001 / 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 |
| 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 $0.00024 / 1K トークン 出力 · 出力トークン $0.001 / 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", "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/qwen3-30b-a3b',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/qwen3-30b-a3b',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
上記に表示されたメソッドパスを使用してください。
qwen/qwen3-30b-a3bQwen3-30B-A3Bは、推論、コーディング、多言語の対話向けに、思考・非思考の両モードを持つQwenの混合エキスパート型テキストモデルです。総パラメータ305億、トークン当たり有効なパラメータ33億、ネイティブな32,768トークンのコンテキストを持ちます。
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。
Qwen3-30B-A3Bは、一つのテキストモデルに二つの回答スタイルを組み合わせます。複雑な論理、数学、プログラミングの問題には思考を、簡単な対話には非思考を使います。Qwenは、創作文、役割に基づく対話、指示に従う能力、外部ツールとの連携も重視しています。初期Qwen3系列は119の言語と方言に対応し、ターン間で要求言語が変わる多言語の質問、翻訳、対話に役立ちます。出力言語を示し、変えずに保持する用語を指定して、読者の必要とする内容を説明してください。
これは初期のQwen3-30B-A3B混合エキスパート版です。総パラメータ305億のうち、各トークンで33億を有効にし、モデルのエキスパート層では128個のうち8個のエキスパートを選択します。この疎なアーキテクチャは、Qwen3の密なモデルとの重要な違いです。このプロファイルは、ネイティブなコンテキストが32,768トークンの初期ハイブリッドモデルを扱い、後発の別の名前を持つInstruct-2507版やThinking-2507版ではありません。分析の依頼では、関連するコードや元の文章、解決する質問、有効な回答が満たすべき条件を提示してください。
公式チャットテンプレートでは、思考が既定で有効です。設定のenable_thinkingスイッチで完全に無効化できます。思考が有効のままなら、利用者またはシステム指示内の/thinkと/no_thinkはテキストのスイッチとして働き、最新の指示がターンをまたいで要求する動作を制御します。有効なテンプレートへの/no_thinkの要求でも、空の思考ブロックを生成する場合があります。設定のスイッチを無効にすると、どちらのマーカーも思考を有効にしません。この違いは、すぐに行う書き換えと、より込み入ったデバッグや推論の質問を交互に扱うフローで重要です。
Qwenの例は、<think>部分と最終回答を分けています。コードの問題では、最小限の関連するソースの抜粋、観察された失敗、望む結果を準備し、診断と修正案を求めてください。数学の問題では、開発元は、明示的な段階的指示と、\\boxed{}に入れた最終回答を推奨しています。多肢選択の依頼では、代わりに一つの回答フィールドを定義できます。後の対話ターンでは、Qwenは推論部分全体を繰り返し引き継ぐのではなく、最終回答を保持し、以前の思考内容を履歴から省くことを推奨しています。
ツール呼び出しは両モードで説明されています。Qwenは、モデルのツールテンプレートと解析を扱うためにQwen-Agentを推奨し、例には検索、時刻情報、コードインタープリターがあります。手順の計画を求める前に、利用可能なツールと引数を説明してください。実用的な依頼では、選択した資料の確認と、それに続く根拠を伴う実装案を求められます。モデルが実際の証拠から続けられるよう、各ツール結果を対話に返してください。文章によるツールの要求と、アプリケーションが実行した結果は、フローの別の部分です。
カードは、YaRNによる131,072トークンへのコンテキスト拡張を説明しています。ネイティブなウィンドウの設定に依存する拡張であり、Qwenは静的スケーリングが短い入力に影響し得ると注意しています。カードは、典型的なプロンプトと長い回答の余地を割り当てる、40,960位置の既定設定も説明します。これはネイティブなコンテキストの説明とは異なります。長い資料では文書の境界を明確にし、質問に関係する部分を優先して、回答と推論のための余地を残してください。
思考では、Qwenはtemperature 0.6、top-p 0.95、top-k 20、min-p 0を推奨し、結果の劣化や終わりのない繰り返しにつながり得るため、貪欲デコードを避けるよう助言しています。非思考では、temperatureを0.7、top-pを0.8に変えます。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38,912トークンを説明しています。これらは開発元の生成設定であり、別の固定された回答保証ではありません。必要な推論と有用な最終結果の両方の余地を持たせるため、モードと要求する成果物を合わせて選んでください。
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 | 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 $0.00024 / 1K トークン 出力 · 出力トークン $0.001 / 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 |
| 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 $0.00024 / 1K トークン 出力 · 出力トークン $0.001 / 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 $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "qwen/qwen3-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
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
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.