주요 내용: 고정 Instruct-2507 업데이트
Qwen3-30B-A3B-Instruct-2507은 Qwen3-30B-A3B의 업데이트된 non-thinking 에디션입니다. 제작사는 지시 따르기, 논리적 추론, 텍스트 이해, 수학, 과학, 코딩, 도구 사용의 개선과 함께 여러 언어에서 더 폭넓은 롱테일 지식과 자유로운 작업에 대한 더 나은 정렬을 강조합니다. 텍스트를 입력받아 답변, 설명, 코드 제안, 요청한 글쓰기 결과물 등의 텍스트를 생성합니다.
고정된 2507 정체성을 원래 하이브리드 Qwen3-30B-A3B, FP8 빌드, Thinking-2507 에디션과 구분하세요. 모델의 다국어 지식 설명은 이 스냅샷에 별도의 언어 수 보장을 제공하지 않습니다. 번역이나 재작성 작업에서는 대상 언어, 독자, 바꾸지 말아야 할 용어를 지정하세요.
모델 개요
전문가 혼합 모델은 총 매개변수 305억 개 중 33억 개를 활성화합니다. 레이어 48개, 전문가 128개 중 토큰마다 8개를 선택합니다. 네이티브 컨텍스트는 262,144토큰입니다. 활성 매개변수 수는 전체 체크포인트 크기가 아니며, 아키텍처만으로 애플리케이션의 고정 응답 시간을 정할 수는 없습니다.
이 에디션은 non-thinking 모드만 지원하며 명시적인 thinking 블록을 생성하지 않습니다. 제작사의 사용 방법에서는 enable_thinking=False 설정이 필요하지 않습니다. 일반 텍스트로 계산을 보여 주거나 코드를 설명할 수 있으며, 근거가 되는 단계를 요청한다고 별도의 Thinking 체크포인트로 바뀌지 않습니다.
유용한 텍스트 요청 준비하기
코딩 작업에는 관련 함수나 모듈, 입력 제약, 관찰한 동작, 필요한 결과를 제공하세요. 영향을 받는 가정을 설명하는 패치나 완전한 함수를 요청하세요. 수학·과학 질문에는 완전한 진술, 단위, 정의를 제공하고, 주어진 조건에 근거해 명확하게 구분한 최종 답변을 요청하세요.
자유로운 글쓰기 작업에는 독자, 목적, 어조, 반드시 포함할 정보를 지정하세요. 유용한 응답은 요청한 섹션으로 정리된 편집 가능한 초안이 될 수 있고, 뒷받침되지 않은 가정은 별도로 표시할 수 있습니다. 반환된 초안, 계산, 코드 제안을 제공된 사실·정의·요구 사항과 비교하세요.
에이전트 활용
Qwen은 도구 호출을 문서화하고 설정된 도구나 MCP로 연결된 도구의 템플릿과 파싱을 위해 Qwen-Agent를 권장합니다. 허용 동작과 관찰 가능한 완료 조건을 지정하세요. 연결된 도구가 외부 작업을 수행하고 관찰 결과를 반환하며, 모델은 그 피드백을 이후 답변에 사용할 수 있습니다. 제안된 명령이나 원본을 조회했다는 주장은 작업 흐름에서 실제로 반환한 결과와 구분되어야 합니다.
명확한 최종 결과물은 코드 제안, 증거 표, 간결한 보고서가 될 수 있습니다. 도구 지원 자체가 모든 인터페이스에서 최신 원본, 파일, 실행 환경에 대한 접근을 만들지는 않습니다. 하이브리드 모델의 프롬프트 전환이나 Thinking 에디션의 출력 허용량을 가져오기보다 해당 모델의 non-thinking 응답 계약을 유지하세요.
매우 긴 텍스트 처리하기
제작사는 Dual Chunk Attention과 MInference 희소 어텐션을 통해 약 100만 토큰에 이르는 선택적 작업 흐름을 문서화합니다. 전자는 청크 간 상호작용을 유지하면서 긴 시퀀스를 다루기 쉬운 청크로 나누고, 후자는 선택한 어텐션 관계에 계산을 집중합니다. 이는 네이티브 컨텍스트 262,144를 넘는 추가 설정 경로로, 특별한 긴 컨텍스트 설정을 사용합니다.
사용 방법은 모델 가중치, 캐시된 시퀀스 상태, 최대 활성화에 필요한 총 GPU 메모리를 약 240 GB로 추정합니다. 시퀀스 캐시, 활성화 메모리, 설정된 길이를 넘는 입력에 따른 별도의 용량 실패도 설명합니다. 따라서 100만 토큰 작업 흐름은 설정과 자원에 따라 달라지며, 강조된 수치를 무조건적인 기본값으로 보아서는 안 됩니다.
문서 경계, 섹션 이름, 코드 식별자와 구체적인 질문으로 긴 입력을 준비하세요. 답변을 위한 여유를 남기고 각 결론을 뒷받침하는 증거를 요청하세요.
생성 권장 사항
권장 사항은 temperature 0.7, top_p 0.8, top_k 20, min_p 0을 제시합니다. 지원되는 경우 presence penalty 0부터 2까지는 텍스트 반복을 줄일 수 있지만, 더 높은 값은 언어를 섞거나 품질을 조금 낮출 수 있습니다. 제작사는 대부분의 질문에 출력 허용량 16,384토큰을 권장하며, Thinking-2507에 문서화된 더 긴 예산을 권장하는 것이 아닙니다. 이는 권고이며 독립적으로 확립된 고정 출력 상한이 아닙니다.
수학적 구분자나 답변 필드 같은 최종 형식을 명확히 지정하세요. 모델의 문서화된 입력은 텍스트이므로 시각·오디오 증거에는 이 작업 흐름 전에 적절한 별도 표현이 필요합니다. 계산, 인용, 생성 코드를 원본과 대조해 확인하세요. 유용한 결과는 고정 Instruct-2507 정체성, non-thinking 모드, 조건부 긴 컨텍스트 절차가 명확하게 유지되는 완전하고 검토 가능한 텍스트 결과물입니다.
", "aboutText": "주요 내용: 고정 Instruct-2507 업데이트\n\nQwen3-30B-A3B-Instruct-2507은 Qwen3-30B-A3B의 업데이트된 non-thinking 에디션입니다. 제작사는 지시 따르기, 논리적 추론, 텍스트 이해, 수학, 과학, 코딩, 도구 사용의 개선과 함께 여러 언어에서 더 폭넓은 롱테일 지식과 자유로운 작업에 대한 더 나은 정렬을 강조합니다. 텍스트를 입력받아 답변, 설명, 코드 제안, 요청한 글쓰기 결과물 등의 텍스트를 생성합니다.\n\n고정된 2507 정체성을 원래 하이브리드 Qwen3-30B-A3B, FP8 빌드, Thinking-2507 에디션과 구분하세요. 모델의 다국어 지식 설명은 이 스냅샷에 별도의 언어 수 보장을 제공하지 않습니다. 번역이나 재작성 작업에서는 대상 언어, 독자, 바꾸지 말아야 할 용어를 지정하세요.\n\n모델 개요\n\n전문가 혼합 모델은 총 매개변수 305억 개 중 33억 개를 활성화합니다. 레이어 48개, 전문가 128개 중 토큰마다 8개를 선택합니다. 네이티브 컨텍스트는 262,144토큰입니다. 활성 매개변수 수는 전체 체크포인트 크기가 아니며, 아키텍처만으로 애플리케이션의 고정 응답 시간을 정할 수는 없습니다.\n\n이 에디션은 non-thinking 모드만 지원하며 명시적인 thinking 블록을 생성하지 않습니다. 제작사의 사용 방법에서는 enable_thinking=False 설정이 필요하지 않습니다. 일반 텍스트로 계산을 보여 주거나 코드를 설명할 수 있으며, 근거가 되는 단계를 요청한다고 별도의 Thinking 체크포인트로 바뀌지 않습니다.\n\n유용한 텍스트 요청 준비하기\n\n코딩 작업에는 관련 함수나 모듈, 입력 제약, 관찰한 동작, 필요한 결과를 제공하세요. 영향을 받는 가정을 설명하는 패치나 완전한 함수를 요청하세요. 수학·과학 질문에는 완전한 진술, 단위, 정의를 제공하고, 주어진 조건에 근거해 명확하게 구분한 최종 답변을 요청하세요.\n\n자유로운 글쓰기 작업에는 독자, 목적, 어조, 반드시 포함할 정보를 지정하세요. 유용한 응답은 요청한 섹션으로 정리된 편집 가능한 초안이 될 수 있고, 뒷받침되지 않은 가정은 별도로 표시할 수 있습니다. 반환된 초안, 계산, 코드 제안을 제공된 사실·정의·요구 사항과 비교하세요.\n\n에이전트 활용\n\nQwen은 도구 호출을 문서화하고 설정된 도구나 MCP로 연결된 도구의 템플릿과 파싱을 위해 Qwen-Agent를 권장합니다. 허용 동작과 관찰 가능한 완료 조건을 지정하세요. 연결된 도구가 외부 작업을 수행하고 관찰 결과를 반환하며, 모델은 그 피드백을 이후 답변에 사용할 수 있습니다. 제안된 명령이나 원본을 조회했다는 주장은 작업 흐름에서 실제로 반환한 결과와 구분되어야 합니다.\n\n명확한 최종 결과물은 코드 제안, 증거 표, 간결한 보고서가 될 수 있습니다. 도구 지원 자체가 모든 인터페이스에서 최신 원본, 파일, 실행 환경에 대한 접근을 만들지는 않습니다. 하이브리드 모델의 프롬프트 전환이나 Thinking 에디션의 출력 허용량을 가져오기보다 해당 모델의 non-thinking 응답 계약을 유지하세요.\n\n매우 긴 텍스트 처리하기\n\n제작사는 Dual Chunk Attention과 MInference 희소 어텐션을 통해 약 100만 토큰에 이르는 선택적 작업 흐름을 문서화합니다. 전자는 청크 간 상호작용을 유지하면서 긴 시퀀스를 다루기 쉬운 청크로 나누고, 후자는 선택한 어텐션 관계에 계산을 집중합니다. 이는 네이티브 컨텍스트 262,144를 넘는 추가 설정 경로로, 특별한 긴 컨텍스트 설정을 사용합니다.\n\n사용 방법은 모델 가중치, 캐시된 시퀀스 상태, 최대 활성화에 필요한 총 GPU 메모리를 약 240 GB로 추정합니다. 시퀀스 캐시, 활성화 메모리, 설정된 길이를 넘는 입력에 따른 별도의 용량 실패도 설명합니다. 따라서 100만 토큰 작업 흐름은 설정과 자원에 따라 달라지며, 강조된 수치를 무조건적인 기본값으로 보아서는 안 됩니다.\n\n문서 경계, 섹션 이름, 코드 식별자와 구체적인 질문으로 긴 입력을 준비하세요. 답변을 위한 여유를 남기고 각 결론을 뒷받침하는 증거를 요청하세요.\n\n생성 권장 사항\n\n권장 사항은 temperature 0.7, top_p 0.8, top_k 20, min_p 0을 제시합니다. 지원되는 경우 presence penalty 0부터 2까지는 텍스트 반복을 줄일 수 있지만, 더 높은 값은 언어를 섞거나 품질을 조금 낮출 수 있습니다. 제작사는 대부분의 질문에 출력 허용량 16,384토큰을 권장하며, Thinking-2507에 문서화된 더 긴 예산을 권장하는 것이 아닙니다. 이는 권고이며 독립적으로 확립된 고정 출력 상한이 아닙니다.\n\n수학적 구분자나 답변 필드 같은 최종 형식을 명확히 지정하세요. 모델의 문서화된 입력은 텍스트이므로 시각·오디오 증거에는 이 작업 흐름 전에 적절한 별도 표현이 필요합니다. 계산, 인용, 생성 코드를 원본과 대조해 확인하세요. 유용한 결과는 고정 Instruct-2507 정체성, non-thinking 모드, 조건부 긴 컨텍스트 절차가 명확하게 유지되는 완전하고 검토 가능한 텍스트 결과물입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507은 총 매개변수 305억 개, 활성 매개변수 33억 개의 Qwen 고정 non-thinking 7월 2507 텍스트 에디션입니다. 지시 따르기, 코딩, 다국어 지식, 자유로운 글쓰기를 개선하며 네이티브 컨텍스트는 262,144토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
주요 내용: 고정 Instruct-2507 업데이트
Qwen3-30B-A3B-Instruct-2507은 Qwen3-30B-A3B의 업데이트된 non-thinking 에디션입니다. 제작사는 지시 따르기, 논리적 추론, 텍스트 이해, 수학, 과학, 코딩, 도구 사용의 개선과 함께 여러 언어에서 더 폭넓은 롱테일 지식과 자유로운 작업에 대한 더 나은 정렬을 강조합니다. 텍스트를 입력받아 답변, 설명, 코드 제안, 요청한 글쓰기 결과물 등의 텍스트를 생성합니다.
고정된 2507 정체성을 원래 하이브리드 Qwen3-30B-A3B, FP8 빌드, Thinking-2507 에디션과 구분하세요. 모델의 다국어 지식 설명은 이 스냅샷에 별도의 언어 수 보장을 제공하지 않습니다. 번역이나 재작성 작업에서는 대상 언어, 독자, 바꾸지 말아야 할 용어를 지정하세요.
모델 개요
전문가 혼합 모델은 총 매개변수 305억 개 중 33억 개를 활성화합니다. 레이어 48개, 전문가 128개 중 토큰마다 8개를 선택합니다. 네이티브 컨텍스트는 262,144토큰입니다. 활성 매개변수 수는 전체 체크포인트 크기가 아니며, 아키텍처만으로 애플리케이션의 고정 응답 시간을 정할 수는 없습니다.
이 에디션은 non-thinking 모드만 지원하며 명시적인 thinking 블록을 생성하지 않습니다. 제작사의 사용 방법에서는 enable_thinking=False 설정이 필요하지 않습니다. 일반 텍스트로 계산을 보여 주거나 코드를 설명할 수 있으며, 근거가 되는 단계를 요청한다고 별도의 Thinking 체크포인트로 바뀌지 않습니다.
유용한 텍스트 요청 준비하기
코딩 작업에는 관련 함수나 모듈, 입력 제약, 관찰한 동작, 필요한 결과를 제공하세요. 영향을 받는 가정을 설명하는 패치나 완전한 함수를 요청하세요. 수학·과학 질문에는 완전한 진술, 단위, 정의를 제공하고, 주어진 조건에 근거해 명확하게 구분한 최종 답변을 요청하세요.
자유로운 글쓰기 작업에는 독자, 목적, 어조, 반드시 포함할 정보를 지정하세요. 유용한 응답은 요청한 섹션으로 정리된 편집 가능한 초안이 될 수 있고, 뒷받침되지 않은 가정은 별도로 표시할 수 있습니다. 반환된 초안, 계산, 코드 제안을 제공된 사실·정의·요구 사항과 비교하세요.
에이전트 활용
Qwen은 도구 호출을 문서화하고 설정된 도구나 MCP로 연결된 도구의 템플릿과 파싱을 위해 Qwen-Agent를 권장합니다. 허용 동작과 관찰 가능한 완료 조건을 지정하세요. 연결된 도구가 외부 작업을 수행하고 관찰 결과를 반환하며, 모델은 그 피드백을 이후 답변에 사용할 수 있습니다. 제안된 명령이나 원본을 조회했다는 주장은 작업 흐름에서 실제로 반환한 결과와 구분되어야 합니다.
명확한 최종 결과물은 코드 제안, 증거 표, 간결한 보고서가 될 수 있습니다. 도구 지원 자체가 모든 인터페이스에서 최신 원본, 파일, 실행 환경에 대한 접근을 만들지는 않습니다. 하이브리드 모델의 프롬프트 전환이나 Thinking 에디션의 출력 허용량을 가져오기보다 해당 모델의 non-thinking 응답 계약을 유지하세요.
매우 긴 텍스트 처리하기
제작사는 Dual Chunk Attention과 MInference 희소 어텐션을 통해 약 100만 토큰에 이르는 선택적 작업 흐름을 문서화합니다. 전자는 청크 간 상호작용을 유지하면서 긴 시퀀스를 다루기 쉬운 청크로 나누고, 후자는 선택한 어텐션 관계에 계산을 집중합니다. 이는 네이티브 컨텍스트 262,144를 넘는 추가 설정 경로로, 특별한 긴 컨텍스트 설정을 사용합니다.
사용 방법은 모델 가중치, 캐시된 시퀀스 상태, 최대 활성화에 필요한 총 GPU 메모리를 약 240 GB로 추정합니다. 시퀀스 캐시, 활성화 메모리, 설정된 길이를 넘는 입력에 따른 별도의 용량 실패도 설명합니다. 따라서 100만 토큰 작업 흐름은 설정과 자원에 따라 달라지며, 강조된 수치를 무조건적인 기본값으로 보아서는 안 됩니다.
문서 경계, 섹션 이름, 코드 식별자와 구체적인 질문으로 긴 입력을 준비하세요. 답변을 위한 여유를 남기고 각 결론을 뒷받침하는 증거를 요청하세요.
생성 권장 사항
권장 사항은 temperature 0.7, top_p 0.8, top_k 20, min_p 0을 제시합니다. 지원되는 경우 presence penalty 0부터 2까지는 텍스트 반복을 줄일 수 있지만, 더 높은 값은 언어를 섞거나 품질을 조금 낮출 수 있습니다. 제작사는 대부분의 질문에 출력 허용량 16,384토큰을 권장하며, Thinking-2507에 문서화된 더 긴 예산을 권장하는 것이 아닙니다. 이는 권고이며 독립적으로 확립된 고정 출력 상한이 아닙니다.
수학적 구분자나 답변 필드 같은 최종 형식을 명확히 지정하세요. 모델의 문서화된 입력은 텍스트이므로 시각·오디오 증거에는 이 작업 흐름 전에 적절한 별도 표현이 필요합니다. 계산, 인용, 생성 코드를 원본과 대조해 확인하세요. 유용한 결과는 고정 Instruct-2507 정체성, non-thinking 모드, 조건부 긴 컨텍스트 절차가 명확하게 유지되는 완전하고 검토 가능한 텍스트 결과물입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-30b-a3b-instruct-2507 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-instruct-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-30b-a3b-instruct-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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
위에 표시된 메서드 경로를 사용하세요.
qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507은 총 매개변수 305억 개, 활성 매개변수 33억 개의 Qwen 고정 non-thinking 7월 2507 텍스트 에디션입니다. 지시 따르기, 코딩, 다국어 지식, 자유로운 글쓰기를 개선하며 네이티브 컨텍스트는 262,144토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
주요 내용: 고정 Instruct-2507 업데이트
Qwen3-30B-A3B-Instruct-2507은 Qwen3-30B-A3B의 업데이트된 non-thinking 에디션입니다. 제작사는 지시 따르기, 논리적 추론, 텍스트 이해, 수학, 과학, 코딩, 도구 사용의 개선과 함께 여러 언어에서 더 폭넓은 롱테일 지식과 자유로운 작업에 대한 더 나은 정렬을 강조합니다. 텍스트를 입력받아 답변, 설명, 코드 제안, 요청한 글쓰기 결과물 등의 텍스트를 생성합니다.
고정된 2507 정체성을 원래 하이브리드 Qwen3-30B-A3B, FP8 빌드, Thinking-2507 에디션과 구분하세요. 모델의 다국어 지식 설명은 이 스냅샷에 별도의 언어 수 보장을 제공하지 않습니다. 번역이나 재작성 작업에서는 대상 언어, 독자, 바꾸지 말아야 할 용어를 지정하세요.
모델 개요
전문가 혼합 모델은 총 매개변수 305억 개 중 33억 개를 활성화합니다. 레이어 48개, 전문가 128개 중 토큰마다 8개를 선택합니다. 네이티브 컨텍스트는 262,144토큰입니다. 활성 매개변수 수는 전체 체크포인트 크기가 아니며, 아키텍처만으로 애플리케이션의 고정 응답 시간을 정할 수는 없습니다.
이 에디션은 non-thinking 모드만 지원하며 명시적인 thinking 블록을 생성하지 않습니다. 제작사의 사용 방법에서는 enable_thinking=False 설정이 필요하지 않습니다. 일반 텍스트로 계산을 보여 주거나 코드를 설명할 수 있으며, 근거가 되는 단계를 요청한다고 별도의 Thinking 체크포인트로 바뀌지 않습니다.
유용한 텍스트 요청 준비하기
코딩 작업에는 관련 함수나 모듈, 입력 제약, 관찰한 동작, 필요한 결과를 제공하세요. 영향을 받는 가정을 설명하는 패치나 완전한 함수를 요청하세요. 수학·과학 질문에는 완전한 진술, 단위, 정의를 제공하고, 주어진 조건에 근거해 명확하게 구분한 최종 답변을 요청하세요.
자유로운 글쓰기 작업에는 독자, 목적, 어조, 반드시 포함할 정보를 지정하세요. 유용한 응답은 요청한 섹션으로 정리된 편집 가능한 초안이 될 수 있고, 뒷받침되지 않은 가정은 별도로 표시할 수 있습니다. 반환된 초안, 계산, 코드 제안을 제공된 사실·정의·요구 사항과 비교하세요.
에이전트 활용
Qwen은 도구 호출을 문서화하고 설정된 도구나 MCP로 연결된 도구의 템플릿과 파싱을 위해 Qwen-Agent를 권장합니다. 허용 동작과 관찰 가능한 완료 조건을 지정하세요. 연결된 도구가 외부 작업을 수행하고 관찰 결과를 반환하며, 모델은 그 피드백을 이후 답변에 사용할 수 있습니다. 제안된 명령이나 원본을 조회했다는 주장은 작업 흐름에서 실제로 반환한 결과와 구분되어야 합니다.
명확한 최종 결과물은 코드 제안, 증거 표, 간결한 보고서가 될 수 있습니다. 도구 지원 자체가 모든 인터페이스에서 최신 원본, 파일, 실행 환경에 대한 접근을 만들지는 않습니다. 하이브리드 모델의 프롬프트 전환이나 Thinking 에디션의 출력 허용량을 가져오기보다 해당 모델의 non-thinking 응답 계약을 유지하세요.
매우 긴 텍스트 처리하기
제작사는 Dual Chunk Attention과 MInference 희소 어텐션을 통해 약 100만 토큰에 이르는 선택적 작업 흐름을 문서화합니다. 전자는 청크 간 상호작용을 유지하면서 긴 시퀀스를 다루기 쉬운 청크로 나누고, 후자는 선택한 어텐션 관계에 계산을 집중합니다. 이는 네이티브 컨텍스트 262,144를 넘는 추가 설정 경로로, 특별한 긴 컨텍스트 설정을 사용합니다.
사용 방법은 모델 가중치, 캐시된 시퀀스 상태, 최대 활성화에 필요한 총 GPU 메모리를 약 240 GB로 추정합니다. 시퀀스 캐시, 활성화 메모리, 설정된 길이를 넘는 입력에 따른 별도의 용량 실패도 설명합니다. 따라서 100만 토큰 작업 흐름은 설정과 자원에 따라 달라지며, 강조된 수치를 무조건적인 기본값으로 보아서는 안 됩니다.
문서 경계, 섹션 이름, 코드 식별자와 구체적인 질문으로 긴 입력을 준비하세요. 답변을 위한 여유를 남기고 각 결론을 뒷받침하는 증거를 요청하세요.
생성 권장 사항
권장 사항은 temperature 0.7, top_p 0.8, top_k 20, min_p 0을 제시합니다. 지원되는 경우 presence penalty 0부터 2까지는 텍스트 반복을 줄일 수 있지만, 더 높은 값은 언어를 섞거나 품질을 조금 낮출 수 있습니다. 제작사는 대부분의 질문에 출력 허용량 16,384토큰을 권장하며, Thinking-2507에 문서화된 더 긴 예산을 권장하는 것이 아닙니다. 이는 권고이며 독립적으로 확립된 고정 출력 상한이 아닙니다.
수학적 구분자나 답변 필드 같은 최종 형식을 명확히 지정하세요. 모델의 문서화된 입력은 텍스트이므로 시각·오디오 증거에는 이 작업 흐름 전에 적절한 별도 표현이 필요합니다. 계산, 인용, 생성 코드를 원본과 대조해 확인하세요. 유용한 결과는 고정 Instruct-2507 정체성, non-thinking 모드, 조건부 긴 컨텍스트 절차가 명확하게 유지되는 완전하고 검토 가능한 텍스트 결과물입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-30b-a3b-instruct-2507 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen/qwen3-30b-a3b-instruct-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-instruct-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-instruct-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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.