Негізгі ерекшеліктер: бекітілген Thinking-2507 шығарылымы
Qwen3-30B-A3B-Thinking-2507 — күрделі пайымдауға бағытталған мәтін жасау моделі. Qwen логика, математика, ғылым, бағдарламалау, нұсқауларды орындау, құрал қолдану және мәтін жасаудың жақсарғанын, ойлау тізбектерінің ұзарғанын әрі ұзақ контексті түсінудің күшейгенін сипаттайды. Бәсекелес түсіндірмелерді зерттеу, көп сатылы математикалық есепті шешу немесе күрделі код өзгерісін пысықтау сияқты тұрақты пайымдау пайдалы болатын тапсырмаға дәл осы 2507 басылымын таңдаңыз.
Модельге шолу және режим
Сарапшылар қоспасы моделінде жалпы 30.5 миллиард және белсендірілетін 3.3 миллиард параметр бар; 48 қабатта 128 сарапшының әр токенге сегізі таңдалады. Төл контексті — 262,144 токен. Мәтін қабылдап, мәтін қайтарады; құрал нәтижелері жалғанған қолданбаның жұмыс үдерісі арқылы беріледі. Бұл бақылау нүктесі тек ойлау режимін қолдайды. Ол бұрынғы гибридті Qwen3-30B-A3B моделінен, оның FP8 басылымынан және Qwen3-30B-A3B-Instruct-2507 моделінен бөлек. Гибридті модельдің ойлаусыз режим ауыстырғышы мұнда да қолданылады деп есептеуге болмайды.
Әдепкі чат үлгісі пайымдау тізбегін ойлаудың ашылу белгісімен бастап қояды, сондықтан enable_thinking=True параметрін бөлек беру қажет емес. Қайтарылған тізбекте ашылу белгісі қайталанбай, тек жабылу белгісі болуы мүмкін. Өндіруші мысалы пайымдау мен соңғы жауапты бөледі. Нақты нәтиже сұрағанда осы айырманы сақтаңыз: дәлелдің қорытындысын, түзетуді немесе шешім кестесін ұзақ түсіндірмеден кейін оңай табу керек.
Күрделі тапсырманы дайындау
Модельге есептің толық шартын, шектеулерді және тиісті дәлелдерді беріңіз. Код өзгерісі үшін қолданыстағы функцияны, қате туғызатын кірісті және күтілетін әрекетті қосып, шеткі жағдайлар түсіндірілген түзету ұсынуды сұраңыз. Ғылыми сұрақта бақылауларды жорамалдардан бөліп, әрқайсысынан қандай қорытынды шығатынын сұраңыз. Ұзақ ереже не спецификацияда бөлім идентификаторларын сақтап, тиісті тармақтарға сүйенген қысқа шешім сұраңыз. Бұлар — құжатталған пайымдау салаларын іс жүзінде қолдану мысалдары; модель түзетуді іске қосты не тәжірибені растады деген мәлімдеме емес.
Бұл нұсқа ұзақ пайымдай алатындықтан, пайымдауға да, соңғы артефактіге де орын қалдырыңыз. Контексті азайту жад жүктемесін жеңілдетсе де, Qwen модельді баптағанда мүмкіндігінше 131,072 токеннен жоғары контексті сақтауға кеңес береді. Төл контекст көлеміне тізбек бюджеті де кіреді; бұл бүкіл көлемді құжатқа жұмсап, жауапқа шексіз орын қалады деген уәде емес.
Агент ретінде қолдану
Өндіруші құрал шақыруды құжаттап, құрал үлгілері мен талдағыштары үшін, соның ішінде бапталған құралдармен және код интерпретаторымен біріктіруде Qwen-Agent ұсынады. Құралдар мен көзделген нәтижені нақты анықтаңыз. Мысалы, қолданба модельге алынған дәлелдерді зерттеуге, рұқсат етілген есептегішті қолдануға, содан соң есептеуді түсіндіретін есеп жасауға мүмкіндік бере алады. Іздеу мен орындауды жалғанған құралдар атқарады; модельдің құрал шақыру қабілеті өздігінен интернетке, код ортасына не бизнес жүйелеріне қолжетімділік бермейді.
Аса ұзақ мәтінді өңдеу
Qwen Dual Chunk Attention мен MInference сиретілген назар механизмін біріктіріп, шамамен бір миллион токенге жететін қосымша үдерісті құжаттайды. Бірінші тәсіл ұзақ тізбекті бөліктерге бөліп, олардың арасындағы әрекеттесуді сақтайды; екіншісі есептеуді таңдалған назар байланыстарына шоғырландырады. Бұл — төл 262,144 токендік контекстен тыс қосымша баптау жолы. Өндірушінің тәсілі арнайы ұзақ контекст баптауын талап етеді және салмақтарды, назардың кэштелген күйін және белсендірулердің ең жоғары көлемін сақтау үшін жалпы шамамен 240 GB GPU жады қажет деп есептейді.
Бұл тәсілдің нақты ресурс шектеулері бар: кэштелген тізбек күйі, белсендіру жады және жалпы кіріс ұзындығының әрқайсысы бапталған сыйымдылықты тауыса алады. Сондықтан миллион токендік үдеріс баптауға, жадқа және назар механизмінің қолдау көрсетілетін іске асырылуына тәуелді. Құжатты іс жүзінде талдағанда тиісті материалдан бастаңыз, құжат шекараларын белгілеңіз және ең үлкен кірісті анық сұрақтың орнына қолданбай, ізі тексерілетін дәлелдер сұраңыз.
Жасау ұсынымдары мен шектеулері
Qwen temperature 0.6, top_p 0.95, top_k 20 және min_p 0 ұсынады. Көп сұрау үшін 32,768 токендік шығыс бюджетін, аса күрделі математикалық не бағдарламалау есептері үшін 81,920 ұсынады. Бұл бөлек жарияланған қатаң шығыс шегі емес, жасау бюджетінің ұсынымдары. Нөлден екіге дейінгі presence penalty қайталауды азайта алады, бірақ жоғары мәндер тілдерді араластыруы не сапаны сәл төмендетуі мүмкін.
Промптта соңғы жауап пішімін, мысалы шекарасы белгіленген математикалық нәтижені не жауап нұсқалары бар сұрақтың жауап өрісін көрсетіңіз. Өндіруші ұсынғандай, диалог тарихында тек соңғы жауап бөлігін сақтаңыз. Ұзақ пайымдау тексерілетін нәтиже бергенде пайдалы; нәтижеге сүйенбей тұрып жорамалдарды, есептеулерді және ұсынылған кодты тексеріңіз.
", "aboutText": "Негізгі ерекшеліктер: бекітілген Thinking-2507 шығарылымы\n\nQwen3-30B-A3B-Thinking-2507 — күрделі пайымдауға бағытталған мәтін жасау моделі. Qwen логика, математика, ғылым, бағдарламалау, нұсқауларды орындау, құрал қолдану және мәтін жасаудың жақсарғанын, ойлау тізбектерінің ұзарғанын әрі ұзақ контексті түсінудің күшейгенін сипаттайды. Бәсекелес түсіндірмелерді зерттеу, көп сатылы математикалық есепті шешу немесе күрделі код өзгерісін пысықтау сияқты тұрақты пайымдау пайдалы болатын тапсырмаға дәл осы 2507 басылымын таңдаңыз.\n\nМодельге шолу және режим\n\nСарапшылар қоспасы моделінде жалпы 30.5 миллиард және белсендірілетін 3.3 миллиард параметр бар; 48 қабатта 128 сарапшының әр токенге сегізі таңдалады. Төл контексті — 262,144 токен. Мәтін қабылдап, мәтін қайтарады; құрал нәтижелері жалғанған қолданбаның жұмыс үдерісі арқылы беріледі. Бұл бақылау нүктесі тек ойлау режимін қолдайды. Ол бұрынғы гибридті Qwen3-30B-A3B моделінен, оның FP8 басылымынан және Qwen3-30B-A3B-Instruct-2507 моделінен бөлек. Гибридті модельдің ойлаусыз режим ауыстырғышы мұнда да қолданылады деп есептеуге болмайды.\n\nӘдепкі чат үлгісі пайымдау тізбегін ойлаудың ашылу белгісімен бастап қояды, сондықтан enable_thinking=True параметрін бөлек беру қажет емес. Қайтарылған тізбекте ашылу белгісі қайталанбай, тек жабылу белгісі болуы мүмкін. Өндіруші мысалы пайымдау мен соңғы жауапты бөледі. Нақты нәтиже сұрағанда осы айырманы сақтаңыз: дәлелдің қорытындысын, түзетуді немесе шешім кестесін ұзақ түсіндірмеден кейін оңай табу керек.\n\nКүрделі тапсырманы дайындау\n\nМодельге есептің толық шартын, шектеулерді және тиісті дәлелдерді беріңіз. Код өзгерісі үшін қолданыстағы функцияны, қате туғызатын кірісті және күтілетін әрекетті қосып, шеткі жағдайлар түсіндірілген түзету ұсынуды сұраңыз. Ғылыми сұрақта бақылауларды жорамалдардан бөліп, әрқайсысынан қандай қорытынды шығатынын сұраңыз. Ұзақ ереже не спецификацияда бөлім идентификаторларын сақтап, тиісті тармақтарға сүйенген қысқа шешім сұраңыз. Бұлар — құжатталған пайымдау салаларын іс жүзінде қолдану мысалдары; модель түзетуді іске қосты не тәжірибені растады деген мәлімдеме емес.\n\nБұл нұсқа ұзақ пайымдай алатындықтан, пайымдауға да, соңғы артефактіге де орын қалдырыңыз. Контексті азайту жад жүктемесін жеңілдетсе де, Qwen модельді баптағанда мүмкіндігінше 131,072 токеннен жоғары контексті сақтауға кеңес береді. Төл контекст көлеміне тізбек бюджеті де кіреді; бұл бүкіл көлемді құжатқа жұмсап, жауапқа шексіз орын қалады деген уәде емес.\n\nАгент ретінде қолдану\n\nӨндіруші құрал шақыруды құжаттап, құрал үлгілері мен талдағыштары үшін, соның ішінде бапталған құралдармен және код интерпретаторымен біріктіруде Qwen-Agent ұсынады. Құралдар мен көзделген нәтижені нақты анықтаңыз. Мысалы, қолданба модельге алынған дәлелдерді зерттеуге, рұқсат етілген есептегішті қолдануға, содан соң есептеуді түсіндіретін есеп жасауға мүмкіндік бере алады. Іздеу мен орындауды жалғанған құралдар атқарады; модельдің құрал шақыру қабілеті өздігінен интернетке, код ортасына не бизнес жүйелеріне қолжетімділік бермейді.\n\nАса ұзақ мәтінді өңдеу\n\nQwen Dual Chunk Attention мен MInference сиретілген назар механизмін біріктіріп, шамамен бір миллион токенге жететін қосымша үдерісті құжаттайды. Бірінші тәсіл ұзақ тізбекті бөліктерге бөліп, олардың арасындағы әрекеттесуді сақтайды; екіншісі есептеуді таңдалған назар байланыстарына шоғырландырады. Бұл — төл 262,144 токендік контекстен тыс қосымша баптау жолы. Өндірушінің тәсілі арнайы ұзақ контекст баптауын талап етеді және салмақтарды, назардың кэштелген күйін және белсендірулердің ең жоғары көлемін сақтау үшін жалпы шамамен 240 GB GPU жады қажет деп есептейді.\n\nБұл тәсілдің нақты ресурс шектеулері бар: кэштелген тізбек күйі, белсендіру жады және жалпы кіріс ұзындығының әрқайсысы бапталған сыйымдылықты тауыса алады. Сондықтан миллион токендік үдеріс баптауға, жадқа және назар механизмінің қолдау көрсетілетін іске асырылуына тәуелді. Құжатты іс жүзінде талдағанда тиісті материалдан бастаңыз, құжат шекараларын белгілеңіз және ең үлкен кірісті анық сұрақтың орнына қолданбай, ізі тексерілетін дәлелдер сұраңыз.\n\nЖасау ұсынымдары мен шектеулері\n\nQwen temperature 0.6, top_p 0.95, top_k 20 және min_p 0 ұсынады. Көп сұрау үшін 32,768 токендік шығыс бюджетін, аса күрделі математикалық не бағдарламалау есептері үшін 81,920 ұсынады. Бұл бөлек жарияланған қатаң шығыс шегі емес, жасау бюджетінің ұсынымдары. Нөлден екіге дейінгі presence penalty қайталауды азайта алады, бірақ жоғары мәндер тілдерді араластыруы не сапаны сәл төмендетуі мүмкін.\n\nПромптта соңғы жауап пішімін, мысалы шекарасы белгіленген математикалық нәтижені не жауап нұсқалары бар сұрақтың жауап өрісін көрсетіңіз. Өндіруші ұсынғандай, диалог тарихында тек соңғы жауап бөлігін сақтаңыз. Ұзақ пайымдау тексерілетін нәтиже бергенде пайдалы; нәтижеге сүйенбей тұрып жорамалдарды, есептеулерді және ұсынылған кодты тексеріңіз.", "editorialOverlay": { "copy_fields": { "practical_html": "Ағылшын тіліндегі техникалық мысал
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 — күрделі математика, ғылым, бағдарламалау және логикалық пайымдау үшін тек ойлау режимінде жұмыс істейтін Qwen мәтін моделі. Осы бекітілген 2507 басылымында төл 262,144 токендік контекст пен ұзағырақ пайымдау бюджеті бар; құрал шақыру және шарттарға тәуелді аса ұзақ контекст үдерістері құжатталған.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Негізгі ерекшеліктер: бекітілген Thinking-2507 шығарылымы
Qwen3-30B-A3B-Thinking-2507 — күрделі пайымдауға бағытталған мәтін жасау моделі. Qwen логика, математика, ғылым, бағдарламалау, нұсқауларды орындау, құрал қолдану және мәтін жасаудың жақсарғанын, ойлау тізбектерінің ұзарғанын әрі ұзақ контексті түсінудің күшейгенін сипаттайды. Бәсекелес түсіндірмелерді зерттеу, көп сатылы математикалық есепті шешу немесе күрделі код өзгерісін пысықтау сияқты тұрақты пайымдау пайдалы болатын тапсырмаға дәл осы 2507 басылымын таңдаңыз.
Модельге шолу және режим
Сарапшылар қоспасы моделінде жалпы 30.5 миллиард және белсендірілетін 3.3 миллиард параметр бар; 48 қабатта 128 сарапшының әр токенге сегізі таңдалады. Төл контексті — 262,144 токен. Мәтін қабылдап, мәтін қайтарады; құрал нәтижелері жалғанған қолданбаның жұмыс үдерісі арқылы беріледі. Бұл бақылау нүктесі тек ойлау режимін қолдайды. Ол бұрынғы гибридті Qwen3-30B-A3B моделінен, оның FP8 басылымынан және Qwen3-30B-A3B-Instruct-2507 моделінен бөлек. Гибридті модельдің ойлаусыз режим ауыстырғышы мұнда да қолданылады деп есептеуге болмайды.
Әдепкі чат үлгісі пайымдау тізбегін ойлаудың ашылу белгісімен бастап қояды, сондықтан enable_thinking=True параметрін бөлек беру қажет емес. Қайтарылған тізбекте ашылу белгісі қайталанбай, тек жабылу белгісі болуы мүмкін. Өндіруші мысалы пайымдау мен соңғы жауапты бөледі. Нақты нәтиже сұрағанда осы айырманы сақтаңыз: дәлелдің қорытындысын, түзетуді немесе шешім кестесін ұзақ түсіндірмеден кейін оңай табу керек.
Күрделі тапсырманы дайындау
Модельге есептің толық шартын, шектеулерді және тиісті дәлелдерді беріңіз. Код өзгерісі үшін қолданыстағы функцияны, қате туғызатын кірісті және күтілетін әрекетті қосып, шеткі жағдайлар түсіндірілген түзету ұсынуды сұраңыз. Ғылыми сұрақта бақылауларды жорамалдардан бөліп, әрқайсысынан қандай қорытынды шығатынын сұраңыз. Ұзақ ереже не спецификацияда бөлім идентификаторларын сақтап, тиісті тармақтарға сүйенген қысқа шешім сұраңыз. Бұлар — құжатталған пайымдау салаларын іс жүзінде қолдану мысалдары; модель түзетуді іске қосты не тәжірибені растады деген мәлімдеме емес.
Бұл нұсқа ұзақ пайымдай алатындықтан, пайымдауға да, соңғы артефактіге де орын қалдырыңыз. Контексті азайту жад жүктемесін жеңілдетсе де, Qwen модельді баптағанда мүмкіндігінше 131,072 токеннен жоғары контексті сақтауға кеңес береді. Төл контекст көлеміне тізбек бюджеті де кіреді; бұл бүкіл көлемді құжатқа жұмсап, жауапқа шексіз орын қалады деген уәде емес.
Агент ретінде қолдану
Өндіруші құрал шақыруды құжаттап, құрал үлгілері мен талдағыштары үшін, соның ішінде бапталған құралдармен және код интерпретаторымен біріктіруде Qwen-Agent ұсынады. Құралдар мен көзделген нәтижені нақты анықтаңыз. Мысалы, қолданба модельге алынған дәлелдерді зерттеуге, рұқсат етілген есептегішті қолдануға, содан соң есептеуді түсіндіретін есеп жасауға мүмкіндік бере алады. Іздеу мен орындауды жалғанған құралдар атқарады; модельдің құрал шақыру қабілеті өздігінен интернетке, код ортасына не бизнес жүйелеріне қолжетімділік бермейді.
Аса ұзақ мәтінді өңдеу
Qwen Dual Chunk Attention мен MInference сиретілген назар механизмін біріктіріп, шамамен бір миллион токенге жететін қосымша үдерісті құжаттайды. Бірінші тәсіл ұзақ тізбекті бөліктерге бөліп, олардың арасындағы әрекеттесуді сақтайды; екіншісі есептеуді таңдалған назар байланыстарына шоғырландырады. Бұл — төл 262,144 токендік контекстен тыс қосымша баптау жолы. Өндірушінің тәсілі арнайы ұзақ контекст баптауын талап етеді және салмақтарды, назардың кэштелген күйін және белсендірулердің ең жоғары көлемін сақтау үшін жалпы шамамен 240 GB GPU жады қажет деп есептейді.
Бұл тәсілдің нақты ресурс шектеулері бар: кэштелген тізбек күйі, белсендіру жады және жалпы кіріс ұзындығының әрқайсысы бапталған сыйымдылықты тауыса алады. Сондықтан миллион токендік үдеріс баптауға, жадқа және назар механизмінің қолдау көрсетілетін іске асырылуына тәуелді. Құжатты іс жүзінде талдағанда тиісті материалдан бастаңыз, құжат шекараларын белгілеңіз және ең үлкен кірісті анық сұрақтың орнына қолданбай, ізі тексерілетін дәлелдер сұраңыз.
Жасау ұсынымдары мен шектеулері
Qwen temperature 0.6, top_p 0.95, top_k 20 және min_p 0 ұсынады. Көп сұрау үшін 32,768 токендік шығыс бюджетін, аса күрделі математикалық не бағдарламалау есептері үшін 81,920 ұсынады. Бұл бөлек жарияланған қатаң шығыс шегі емес, жасау бюджетінің ұсынымдары. Нөлден екіге дейінгі presence penalty қайталауды азайта алады, бірақ жоғары мәндер тілдерді араластыруы не сапаны сәл төмендетуі мүмкін.
Промптта соңғы жауап пішімін, мысалы шекарасы белгіленген математикалық нәтижені не жауап нұсқалары бар сұрақтың жауап өрісін көрсетіңіз. Өндіруші ұсынғандай, диалог тарихында тек соңғы жауап бөлігін сақтаңыз. Ұзақ пайымдау тексерілетін нәтиже бергенде пайдалы; нәтижеге сүйенбей тұрып жорамалдарды, есептеулерді және ұсынылған кодты тексеріңіз.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Qwen/Qwen3-30B-A3B-Thinking-2507 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Мәтіндік әңгіме | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрmessages | Параметр талаптарыrole/content құрылымы бар хабарламалар жиымы |
Параметрfile_material | Параметр талаптарынақты UTF-8 құжаты сөзбе-сөз мәтін ретінде енгізіледі; файл ID-і болжанбайды |
Параметрoptional_controls | Параметр талаптарыstream |
Параметрcontrol_scope | Параметр талаптарыМәтіндік әңгіме; stream — логикалық мән, әдепкісі false. |
Параметрoutput_modalities | Параметр талаптарыtext |
Параметрhosted_operations | Параметр талаптарыfalse |
Параметрmultimodal_input_binding | Параметр талаптарыnull |
Әдістің балама атаулары: /chat/completions
Өмірлік цикл: synchronous_or_streamed
Модельдің дәл ID мәнін messages деректерімен бірге жіберіңіз.
Контекст ұзындығы шығыстың жоғарғы шегі емес.
Мәтіндік файл сөзбе-сөз мәтінді бере алады; кіріс суреттері, аудио және файл нысандары дәл байланыстыруды қажет етеді.
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
| Баптау | Мөлшерлемелер кестесі | Төлем |
|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Төлем Кіріс · Кіріс токендері $0.0002 / 1K токен Шығыс · Шығыс токендері $0.0008 / 1K токен Кіріс · Кэшті оқу $0 / 1K токен Кіріс · Кэшке жазу $0 / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
set -eu\n: "${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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
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 — күрделі математика, ғылым, бағдарламалау және логикалық пайымдау үшін тек ойлау режимінде жұмыс істейтін Qwen мәтін моделі. Осы бекітілген 2507 басылымында төл 262,144 токендік контекст пен ұзағырақ пайымдау бюджеті бар; құрал шақыру және шарттарға тәуелді аса ұзақ контекст үдерістері құжатталған.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Негізгі ерекшеліктер: бекітілген Thinking-2507 шығарылымы
Qwen3-30B-A3B-Thinking-2507 — күрделі пайымдауға бағытталған мәтін жасау моделі. Qwen логика, математика, ғылым, бағдарламалау, нұсқауларды орындау, құрал қолдану және мәтін жасаудың жақсарғанын, ойлау тізбектерінің ұзарғанын әрі ұзақ контексті түсінудің күшейгенін сипаттайды. Бәсекелес түсіндірмелерді зерттеу, көп сатылы математикалық есепті шешу немесе күрделі код өзгерісін пысықтау сияқты тұрақты пайымдау пайдалы болатын тапсырмаға дәл осы 2507 басылымын таңдаңыз.
Модельге шолу және режим
Сарапшылар қоспасы моделінде жалпы 30.5 миллиард және белсендірілетін 3.3 миллиард параметр бар; 48 қабатта 128 сарапшының әр токенге сегізі таңдалады. Төл контексті — 262,144 токен. Мәтін қабылдап, мәтін қайтарады; құрал нәтижелері жалғанған қолданбаның жұмыс үдерісі арқылы беріледі. Бұл бақылау нүктесі тек ойлау режимін қолдайды. Ол бұрынғы гибридті Qwen3-30B-A3B моделінен, оның FP8 басылымынан және Qwen3-30B-A3B-Instruct-2507 моделінен бөлек. Гибридті модельдің ойлаусыз режим ауыстырғышы мұнда да қолданылады деп есептеуге болмайды.
Әдепкі чат үлгісі пайымдау тізбегін ойлаудың ашылу белгісімен бастап қояды, сондықтан enable_thinking=True параметрін бөлек беру қажет емес. Қайтарылған тізбекте ашылу белгісі қайталанбай, тек жабылу белгісі болуы мүмкін. Өндіруші мысалы пайымдау мен соңғы жауапты бөледі. Нақты нәтиже сұрағанда осы айырманы сақтаңыз: дәлелдің қорытындысын, түзетуді немесе шешім кестесін ұзақ түсіндірмеден кейін оңай табу керек.
Күрделі тапсырманы дайындау
Модельге есептің толық шартын, шектеулерді және тиісті дәлелдерді беріңіз. Код өзгерісі үшін қолданыстағы функцияны, қате туғызатын кірісті және күтілетін әрекетті қосып, шеткі жағдайлар түсіндірілген түзету ұсынуды сұраңыз. Ғылыми сұрақта бақылауларды жорамалдардан бөліп, әрқайсысынан қандай қорытынды шығатынын сұраңыз. Ұзақ ереже не спецификацияда бөлім идентификаторларын сақтап, тиісті тармақтарға сүйенген қысқа шешім сұраңыз. Бұлар — құжатталған пайымдау салаларын іс жүзінде қолдану мысалдары; модель түзетуді іске қосты не тәжірибені растады деген мәлімдеме емес.
Бұл нұсқа ұзақ пайымдай алатындықтан, пайымдауға да, соңғы артефактіге де орын қалдырыңыз. Контексті азайту жад жүктемесін жеңілдетсе де, Qwen модельді баптағанда мүмкіндігінше 131,072 токеннен жоғары контексті сақтауға кеңес береді. Төл контекст көлеміне тізбек бюджеті де кіреді; бұл бүкіл көлемді құжатқа жұмсап, жауапқа шексіз орын қалады деген уәде емес.
Агент ретінде қолдану
Өндіруші құрал шақыруды құжаттап, құрал үлгілері мен талдағыштары үшін, соның ішінде бапталған құралдармен және код интерпретаторымен біріктіруде Qwen-Agent ұсынады. Құралдар мен көзделген нәтижені нақты анықтаңыз. Мысалы, қолданба модельге алынған дәлелдерді зерттеуге, рұқсат етілген есептегішті қолдануға, содан соң есептеуді түсіндіретін есеп жасауға мүмкіндік бере алады. Іздеу мен орындауды жалғанған құралдар атқарады; модельдің құрал шақыру қабілеті өздігінен интернетке, код ортасына не бизнес жүйелеріне қолжетімділік бермейді.
Аса ұзақ мәтінді өңдеу
Qwen Dual Chunk Attention мен MInference сиретілген назар механизмін біріктіріп, шамамен бір миллион токенге жететін қосымша үдерісті құжаттайды. Бірінші тәсіл ұзақ тізбекті бөліктерге бөліп, олардың арасындағы әрекеттесуді сақтайды; екіншісі есептеуді таңдалған назар байланыстарына шоғырландырады. Бұл — төл 262,144 токендік контекстен тыс қосымша баптау жолы. Өндірушінің тәсілі арнайы ұзақ контекст баптауын талап етеді және салмақтарды, назардың кэштелген күйін және белсендірулердің ең жоғары көлемін сақтау үшін жалпы шамамен 240 GB GPU жады қажет деп есептейді.
Бұл тәсілдің нақты ресурс шектеулері бар: кэштелген тізбек күйі, белсендіру жады және жалпы кіріс ұзындығының әрқайсысы бапталған сыйымдылықты тауыса алады. Сондықтан миллион токендік үдеріс баптауға, жадқа және назар механизмінің қолдау көрсетілетін іске асырылуына тәуелді. Құжатты іс жүзінде талдағанда тиісті материалдан бастаңыз, құжат шекараларын белгілеңіз және ең үлкен кірісті анық сұрақтың орнына қолданбай, ізі тексерілетін дәлелдер сұраңыз.
Жасау ұсынымдары мен шектеулері
Qwen temperature 0.6, top_p 0.95, top_k 20 және min_p 0 ұсынады. Көп сұрау үшін 32,768 токендік шығыс бюджетін, аса күрделі математикалық не бағдарламалау есептері үшін 81,920 ұсынады. Бұл бөлек жарияланған қатаң шығыс шегі емес, жасау бюджетінің ұсынымдары. Нөлден екіге дейінгі presence penalty қайталауды азайта алады, бірақ жоғары мәндер тілдерді араластыруы не сапаны сәл төмендетуі мүмкін.
Промптта соңғы жауап пішімін, мысалы шекарасы белгіленген математикалық нәтижені не жауап нұсқалары бар сұрақтың жауап өрісін көрсетіңіз. Өндіруші ұсынғандай, диалог тарихында тек соңғы жауап бөлігін сақтаңыз. Ұзақ пайымдау тексерілетін нәтиже бергенде пайдалы; нәтижеге сүйенбей тұрып жорамалдарды, есептеулерді және ұсынылған кодты тексеріңіз.
POST /v1/messagestextjson, sse| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Qwen/Qwen3-30B-A3B-Thinking-2507 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Мәтін · UTF-8 мәтіні
messages[].content жолы
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыstream |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрtext_file_material | Параметр талаптарыНақты UTF-8 құжатын оқып, оның мәтінін көрсетілген кіріс жолына немесе хабарлама мазмұнының жолына қойыңыз. |
Өмірлік цикл: synchronous_or_streamed
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
| Баптау | Мөлшерлемелер кестесі | Төлем |
|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Төлем Кіріс · Кіріс токендері $0.0002 / 1K токен Шығыс · Шығыс токендері $0.0008 / 1K токен Кіріс · Кэшті оқу $0 / 1K токен Кіріс · Кэшке жазу $0 / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
{\n "model": "Qwen/Qwen3-30B-A3B-Thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
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 — күрделі математика, ғылым, бағдарламалау және логикалық пайымдау үшін тек ойлау режимінде жұмыс істейтін Qwen мәтін моделі. Осы бекітілген 2507 басылымында төл 262,144 токендік контекст пен ұзағырақ пайымдау бюджеті бар; құрал шақыру және шарттарға тәуелді аса ұзақ контекст үдерістері құжатталған.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Негізгі ерекшеліктер: бекітілген Thinking-2507 шығарылымы
Qwen3-30B-A3B-Thinking-2507 — күрделі пайымдауға бағытталған мәтін жасау моделі. Qwen логика, математика, ғылым, бағдарламалау, нұсқауларды орындау, құрал қолдану және мәтін жасаудың жақсарғанын, ойлау тізбектерінің ұзарғанын әрі ұзақ контексті түсінудің күшейгенін сипаттайды. Бәсекелес түсіндірмелерді зерттеу, көп сатылы математикалық есепті шешу немесе күрделі код өзгерісін пысықтау сияқты тұрақты пайымдау пайдалы болатын тапсырмаға дәл осы 2507 басылымын таңдаңыз.
Модельге шолу және режим
Сарапшылар қоспасы моделінде жалпы 30.5 миллиард және белсендірілетін 3.3 миллиард параметр бар; 48 қабатта 128 сарапшының әр токенге сегізі таңдалады. Төл контексті — 262,144 токен. Мәтін қабылдап, мәтін қайтарады; құрал нәтижелері жалғанған қолданбаның жұмыс үдерісі арқылы беріледі. Бұл бақылау нүктесі тек ойлау режимін қолдайды. Ол бұрынғы гибридті Qwen3-30B-A3B моделінен, оның FP8 басылымынан және Qwen3-30B-A3B-Instruct-2507 моделінен бөлек. Гибридті модельдің ойлаусыз режим ауыстырғышы мұнда да қолданылады деп есептеуге болмайды.
Әдепкі чат үлгісі пайымдау тізбегін ойлаудың ашылу белгісімен бастап қояды, сондықтан enable_thinking=True параметрін бөлек беру қажет емес. Қайтарылған тізбекте ашылу белгісі қайталанбай, тек жабылу белгісі болуы мүмкін. Өндіруші мысалы пайымдау мен соңғы жауапты бөледі. Нақты нәтиже сұрағанда осы айырманы сақтаңыз: дәлелдің қорытындысын, түзетуді немесе шешім кестесін ұзақ түсіндірмеден кейін оңай табу керек.
Күрделі тапсырманы дайындау
Модельге есептің толық шартын, шектеулерді және тиісті дәлелдерді беріңіз. Код өзгерісі үшін қолданыстағы функцияны, қате туғызатын кірісті және күтілетін әрекетті қосып, шеткі жағдайлар түсіндірілген түзету ұсынуды сұраңыз. Ғылыми сұрақта бақылауларды жорамалдардан бөліп, әрқайсысынан қандай қорытынды шығатынын сұраңыз. Ұзақ ереже не спецификацияда бөлім идентификаторларын сақтап, тиісті тармақтарға сүйенген қысқа шешім сұраңыз. Бұлар — құжатталған пайымдау салаларын іс жүзінде қолдану мысалдары; модель түзетуді іске қосты не тәжірибені растады деген мәлімдеме емес.
Бұл нұсқа ұзақ пайымдай алатындықтан, пайымдауға да, соңғы артефактіге де орын қалдырыңыз. Контексті азайту жад жүктемесін жеңілдетсе де, Qwen модельді баптағанда мүмкіндігінше 131,072 токеннен жоғары контексті сақтауға кеңес береді. Төл контекст көлеміне тізбек бюджеті де кіреді; бұл бүкіл көлемді құжатқа жұмсап, жауапқа шексіз орын қалады деген уәде емес.
Агент ретінде қолдану
Өндіруші құрал шақыруды құжаттап, құрал үлгілері мен талдағыштары үшін, соның ішінде бапталған құралдармен және код интерпретаторымен біріктіруде Qwen-Agent ұсынады. Құралдар мен көзделген нәтижені нақты анықтаңыз. Мысалы, қолданба модельге алынған дәлелдерді зерттеуге, рұқсат етілген есептегішті қолдануға, содан соң есептеуді түсіндіретін есеп жасауға мүмкіндік бере алады. Іздеу мен орындауды жалғанған құралдар атқарады; модельдің құрал шақыру қабілеті өздігінен интернетке, код ортасына не бизнес жүйелеріне қолжетімділік бермейді.
Аса ұзақ мәтінді өңдеу
Qwen Dual Chunk Attention мен MInference сиретілген назар механизмін біріктіріп, шамамен бір миллион токенге жететін қосымша үдерісті құжаттайды. Бірінші тәсіл ұзақ тізбекті бөліктерге бөліп, олардың арасындағы әрекеттесуді сақтайды; екіншісі есептеуді таңдалған назар байланыстарына шоғырландырады. Бұл — төл 262,144 токендік контекстен тыс қосымша баптау жолы. Өндірушінің тәсілі арнайы ұзақ контекст баптауын талап етеді және салмақтарды, назардың кэштелген күйін және белсендірулердің ең жоғары көлемін сақтау үшін жалпы шамамен 240 GB GPU жады қажет деп есептейді.
Бұл тәсілдің нақты ресурс шектеулері бар: кэштелген тізбек күйі, белсендіру жады және жалпы кіріс ұзындығының әрқайсысы бапталған сыйымдылықты тауыса алады. Сондықтан миллион токендік үдеріс баптауға, жадқа және назар механизмінің қолдау көрсетілетін іске асырылуына тәуелді. Құжатты іс жүзінде талдағанда тиісті материалдан бастаңыз, құжат шекараларын белгілеңіз және ең үлкен кірісті анық сұрақтың орнына қолданбай, ізі тексерілетін дәлелдер сұраңыз.
Жасау ұсынымдары мен шектеулері
Qwen temperature 0.6, top_p 0.95, top_k 20 және min_p 0 ұсынады. Көп сұрау үшін 32,768 токендік шығыс бюджетін, аса күрделі математикалық не бағдарламалау есептері үшін 81,920 ұсынады. Бұл бөлек жарияланған қатаң шығыс шегі емес, жасау бюджетінің ұсынымдары. Нөлден екіге дейінгі presence penalty қайталауды азайта алады, бірақ жоғары мәндер тілдерді араластыруы не сапаны сәл төмендетуі мүмкін.
Промптта соңғы жауап пішімін, мысалы шекарасы белгіленген математикалық нәтижені не жауап нұсқалары бар сұрақтың жауап өрісін көрсетіңіз. Өндіруші ұсынғандай, диалог тарихында тек соңғы жауап бөлігін сақтаңыз. Ұзақ пайымдау тексерілетін нәтиже бергенде пайдалы; нәтижеге сүйенбей тұрып жорамалдарды, есептеулерді және ұсынылған кодты тексеріңіз.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер qwen3-30b-a3b-thinking-2507 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер function Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmodalities | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер text | Әдепкі— |
Өрісprovider | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Осы Ultra мәтіндік бағытында provider.options қабылданбайды | Әдепкі— |
Өрісcache_control.ttl | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Сұрау кэшінің нақты орындарында 1h қабылданбайды | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрmessages | Параметр талаптарыrole/content құрылымы бар хабарламалар жиымы |
Параметрfile_material | Параметр талаптарынақты UTF-8 құжаты сөзбе-сөз мәтін ретінде енгізіледі; файл ID-і болжанбайды |
Параметрoptional_controls | Параметр талаптарыstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Параметр талаптарымодельге байланысты; пайдаланушының функция құралдары қызмет жағында орындалатын құралдардан өзгеше |
Параметрoutput_modalities | Параметр талаптарыtext |
Параметрhosted_operations | Параметр талаптарыfalse |
Параметрmultimodal_input_binding | Параметр талаптарыnull |
Өмірлік цикл: synchronous_or_streamed
Модельдің дәл ID мәнін messages деректерімен бірге жіберіңіз.
Контекст ұзындығы шығыстың жоғарғы шегі емес.
Мәтіндік файл сөзбе-сөз мәтінді бере алады; кіріс суреттері, аудио және файл нысандары дәл байланыстыруды қажет етеді.
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
| Баптау | Мөлшерлемелер кестесі | Төлем |
|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Төлем Кіріс · Кіріс токендері $0.0002 / 1K токен Шығыс · Шығыс токендері $0.0008 / 1K токен Кіріс · Кэшті оқу $0 / 1K токен Кіріс · Кэшке жазу $0 / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
set -eu\n: "${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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
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 — күрделі математика, ғылым, бағдарламалау және логикалық пайымдау үшін тек ойлау режимінде жұмыс істейтін Qwen мәтін моделі. Осы бекітілген 2507 басылымында төл 262,144 токендік контекст пен ұзағырақ пайымдау бюджеті бар; құрал шақыру және шарттарға тәуелді аса ұзақ контекст үдерістері құжатталған.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Негізгі ерекшеліктер: бекітілген Thinking-2507 шығарылымы
Qwen3-30B-A3B-Thinking-2507 — күрделі пайымдауға бағытталған мәтін жасау моделі. Qwen логика, математика, ғылым, бағдарламалау, нұсқауларды орындау, құрал қолдану және мәтін жасаудың жақсарғанын, ойлау тізбектерінің ұзарғанын әрі ұзақ контексті түсінудің күшейгенін сипаттайды. Бәсекелес түсіндірмелерді зерттеу, көп сатылы математикалық есепті шешу немесе күрделі код өзгерісін пысықтау сияқты тұрақты пайымдау пайдалы болатын тапсырмаға дәл осы 2507 басылымын таңдаңыз.
Модельге шолу және режим
Сарапшылар қоспасы моделінде жалпы 30.5 миллиард және белсендірілетін 3.3 миллиард параметр бар; 48 қабатта 128 сарапшының әр токенге сегізі таңдалады. Төл контексті — 262,144 токен. Мәтін қабылдап, мәтін қайтарады; құрал нәтижелері жалғанған қолданбаның жұмыс үдерісі арқылы беріледі. Бұл бақылау нүктесі тек ойлау режимін қолдайды. Ол бұрынғы гибридті Qwen3-30B-A3B моделінен, оның FP8 басылымынан және Qwen3-30B-A3B-Instruct-2507 моделінен бөлек. Гибридті модельдің ойлаусыз режим ауыстырғышы мұнда да қолданылады деп есептеуге болмайды.
Әдепкі чат үлгісі пайымдау тізбегін ойлаудың ашылу белгісімен бастап қояды, сондықтан enable_thinking=True параметрін бөлек беру қажет емес. Қайтарылған тізбекте ашылу белгісі қайталанбай, тек жабылу белгісі болуы мүмкін. Өндіруші мысалы пайымдау мен соңғы жауапты бөледі. Нақты нәтиже сұрағанда осы айырманы сақтаңыз: дәлелдің қорытындысын, түзетуді немесе шешім кестесін ұзақ түсіндірмеден кейін оңай табу керек.
Күрделі тапсырманы дайындау
Модельге есептің толық шартын, шектеулерді және тиісті дәлелдерді беріңіз. Код өзгерісі үшін қолданыстағы функцияны, қате туғызатын кірісті және күтілетін әрекетті қосып, шеткі жағдайлар түсіндірілген түзету ұсынуды сұраңыз. Ғылыми сұрақта бақылауларды жорамалдардан бөліп, әрқайсысынан қандай қорытынды шығатынын сұраңыз. Ұзақ ереже не спецификацияда бөлім идентификаторларын сақтап, тиісті тармақтарға сүйенген қысқа шешім сұраңыз. Бұлар — құжатталған пайымдау салаларын іс жүзінде қолдану мысалдары; модель түзетуді іске қосты не тәжірибені растады деген мәлімдеме емес.
Бұл нұсқа ұзақ пайымдай алатындықтан, пайымдауға да, соңғы артефактіге де орын қалдырыңыз. Контексті азайту жад жүктемесін жеңілдетсе де, Qwen модельді баптағанда мүмкіндігінше 131,072 токеннен жоғары контексті сақтауға кеңес береді. Төл контекст көлеміне тізбек бюджеті де кіреді; бұл бүкіл көлемді құжатқа жұмсап, жауапқа шексіз орын қалады деген уәде емес.
Агент ретінде қолдану
Өндіруші құрал шақыруды құжаттап, құрал үлгілері мен талдағыштары үшін, соның ішінде бапталған құралдармен және код интерпретаторымен біріктіруде Qwen-Agent ұсынады. Құралдар мен көзделген нәтижені нақты анықтаңыз. Мысалы, қолданба модельге алынған дәлелдерді зерттеуге, рұқсат етілген есептегішті қолдануға, содан соң есептеуді түсіндіретін есеп жасауға мүмкіндік бере алады. Іздеу мен орындауды жалғанған құралдар атқарады; модельдің құрал шақыру қабілеті өздігінен интернетке, код ортасына не бизнес жүйелеріне қолжетімділік бермейді.
Аса ұзақ мәтінді өңдеу
Qwen Dual Chunk Attention мен MInference сиретілген назар механизмін біріктіріп, шамамен бір миллион токенге жететін қосымша үдерісті құжаттайды. Бірінші тәсіл ұзақ тізбекті бөліктерге бөліп, олардың арасындағы әрекеттесуді сақтайды; екіншісі есептеуді таңдалған назар байланыстарына шоғырландырады. Бұл — төл 262,144 токендік контекстен тыс қосымша баптау жолы. Өндірушінің тәсілі арнайы ұзақ контекст баптауын талап етеді және салмақтарды, назардың кэштелген күйін және белсендірулердің ең жоғары көлемін сақтау үшін жалпы шамамен 240 GB GPU жады қажет деп есептейді.
Бұл тәсілдің нақты ресурс шектеулері бар: кэштелген тізбек күйі, белсендіру жады және жалпы кіріс ұзындығының әрқайсысы бапталған сыйымдылықты тауыса алады. Сондықтан миллион токендік үдеріс баптауға, жадқа және назар механизмінің қолдау көрсетілетін іске асырылуына тәуелді. Құжатты іс жүзінде талдағанда тиісті материалдан бастаңыз, құжат шекараларын белгілеңіз және ең үлкен кірісті анық сұрақтың орнына қолданбай, ізі тексерілетін дәлелдер сұраңыз.
Жасау ұсынымдары мен шектеулері
Qwen temperature 0.6, top_p 0.95, top_k 20 және min_p 0 ұсынады. Көп сұрау үшін 32,768 токендік шығыс бюджетін, аса күрделі математикалық не бағдарламалау есептері үшін 81,920 ұсынады. Бұл бөлек жарияланған қатаң шығыс шегі емес, жасау бюджетінің ұсынымдары. Нөлден екіге дейінгі presence penalty қайталауды азайта алады, бірақ жоғары мәндер тілдерді араластыруы не сапаны сәл төмендетуі мүмкін.
Промптта соңғы жауап пішімін, мысалы шекарасы белгіленген математикалық нәтижені не жауап нұсқалары бар сұрақтың жауап өрісін көрсетіңіз. Өндіруші ұсынғандай, диалог тарихында тек соңғы жауап бөлігін сақтаңыз. Ұзақ пайымдау тексерілетін нәтиже бергенде пайдалы; нәтижеге сүйенбей тұрып жорамалдарды, есептеулерді және ұсынылған кодты тексеріңіз.
POST /v1/messagestextjson, sse| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер qwen3-30b-a3b-thinking-2507 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Мәтін · UTF-8 мәтіні
messages[].content жолы
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыstream |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрtext_file_material | Параметр талаптарыНақты UTF-8 құжатын оқып, оның мәтінін көрсетілген кіріс жолына немесе хабарлама мазмұнының жолына қойыңыз. |
Өмірлік цикл: synchronous_or_streamed
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
| Баптау | Мөлшерлемелер кестесі | Төлем |
|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Төлем Кіріс · Кіріс токендері $0.0002 / 1K токен Шығыс · Шығыс токендері $0.0008 / 1K токен Кіріс · Кэшті оқу $0 / 1K токен Кіріс · Кэшке жазу $0 / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
{\n "model": "qwen3-30b-a3b-thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
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
Ағылшын тіліндегі техникалық мысал
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.