Qwen3-30B-A3B는 하나의 텍스트 모델에서 두 가지 응답 스타일을 결합합니다. 복잡한 논리·수학·프로그래밍 문제에는 thinking을, 간단한 대화에는 non-thinking을 사용합니다. Qwen은 창작 글쓰기, 역할 기반 대화, 지시 따르기, 외부 도구와의 통합도 강조합니다. 원래 Qwen3 계열은 119개 언어와 방언을 지원하므로, 다국어 질문과 번역, 턴마다 요청 언어가 바뀌는 대화에 유용합니다. 출력 언어를 지정하고 바꾸지 말아야 할 용어를 유지하며 독자의 필요를 설명하세요.
이 모델은 원래 Qwen3-30B-A3B 전문가 혼합 에디션입니다. 총 매개변수 305억 개 중 토큰마다 33억 개를 활성화하고, 전문가 레이어에서 128개 전문가 중 8개를 선택합니다. 희소 아키텍처는 Qwen3의 밀집형 모델과 구분되는 중요한 특징입니다. 이 프로필은 네이티브 컨텍스트가 32,768토큰인 원래 하이브리드 모델을 다루며, 별도로 이름이 붙은 후속 Instruct-2507이나 Thinking-2507 에디션을 다루는 것이 아닙니다. 분석 요청에는 관련 코드나 원본 문단, 해결할 질문, 유효한 답변이 충족해야 할 조건을 제공하세요.
공식 채팅 템플릿은 thinking을 기본으로 활성화합니다. 강제 enable_thinking 전환은 이를 완전히 끌 수 있습니다. Thinking이 활성화된 상태에서는 사용자 또는 시스템 지시의 /think와 /no_think가 유연한 전환으로 동작하고, 가장 최근 지시가 여러 턴에 걸쳐 요청한 동작을 제어합니다. 활성화된 템플릿의 /no_think 요청에서도 비어 있는 thinking 블록이 나올 수 있습니다. 강제 전환을 껐을 때는 두 표시 모두 thinking을 활성화하지 못합니다. 작업 흐름에서 즉시 재작성과 더 복잡한 디버깅·추론 질문을 번갈아 사용할 때 이 차이가 중요합니다.
Qwen 예시는 <think> 섹션과 최종 응답을 구분합니다. 코딩 문제에는 가장 작은 관련 소스 발췌문, 관찰한 실패, 원하는 결과를 준비하고 진단과 수정안을 요청하세요. 수학 문제에는 제작사가 명확한 단계별 지시와 \\boxed{} 안의 최종 답변을 권장합니다. 객관식 요청은 대신 단일 답변 필드를 정의할 수 있습니다. 이후 대화 턴에서는 Qwen이 전체 추론 섹션을 반복해서 전달하기보다 최종 답변을 유지하고 이전 thinking 내용을 기록에서 빼도록 권장합니다.
도구 호출은 두 모드 모두에 설명되어 있습니다. Qwen은 모델의 도구 템플릿과 파싱을 처리하도록 Qwen-Agent를 권장하며, 정보 검색, 시간 정보, 코드 인터프리터 예시를 제공합니다. 순서 계획을 요청하기 전에 사용 가능한 도구와 인수를 설명하세요. 유용한 요청은 선택한 문서를 확인한 뒤 근거 있는 구현안을 제시하도록 할 수 있습니다. 실제 증거를 바탕으로 계속할 수 있도록 각 도구 결과를 대화에 반환하세요. 텍스트 도구 요청과 애플리케이션이 실행한 결과는 작업 흐름의 별도 부분입니다.
카드는 YaRN을 사용하는 131,072토큰 컨텍스트 확장을 설명합니다. 이는 설정에 따라 달라지는 네이티브 창의 확장이며, Qwen은 정적 스케일링이 짧은 입력에 영향을 줄 수 있다고 주의합니다. 카드는 일반적인 프롬프트와 긴 응답에 공간을 할당하는 기본 40,960개 위치 설정도 설명하며, 이는 네이티브 컨텍스트 설명과 별개입니다. 긴 자료를 명확한 문서 경계로 준비하고, 질문과 관련된 부분에 우선순위를 두며, 답변과 추론을 위한 여유를 남기세요.
Thinking에는 Qwen이 temperature 0.6, top-p 0.95, top-k 20, min-p 0을 권장하며, 결과가 저하되거나 무한히 반복될 수 있어 그리디 디코딩을 피하도록 안내합니다. Non-thinking에서는 temperature를 0.7, top-p를 0.8로 바꿉니다. 대부분의 질문에는 출력 허용량 32,768토큰을 권장하고, 특히 까다로운 수학·프로그래밍 문제에는 38,912토큰을 설명합니다. 이는 제작사의 생성 설정이며 별도의 고정 응답 보장이 아닙니다. 필요한 추론과 유용한 최종 결과 모두에 공간을 확보하도록 모드와 원하는 결과물을 함께 선택하세요.
", "aboutText": "Qwen3-30B-A3B는 하나의 텍스트 모델에서 두 가지 응답 스타일을 결합합니다. 복잡한 논리·수학·프로그래밍 문제에는 thinking을, 간단한 대화에는 non-thinking을 사용합니다. Qwen은 창작 글쓰기, 역할 기반 대화, 지시 따르기, 외부 도구와의 통합도 강조합니다. 원래 Qwen3 계열은 119개 언어와 방언을 지원하므로, 다국어 질문과 번역, 턴마다 요청 언어가 바뀌는 대화에 유용합니다. 출력 언어를 지정하고 바꾸지 말아야 할 용어를 유지하며 독자의 필요를 설명하세요.\n\n이 모델은 원래 Qwen3-30B-A3B 전문가 혼합 에디션입니다. 총 매개변수 305억 개 중 토큰마다 33억 개를 활성화하고, 전문가 레이어에서 128개 전문가 중 8개를 선택합니다. 희소 아키텍처는 Qwen3의 밀집형 모델과 구분되는 중요한 특징입니다. 이 프로필은 네이티브 컨텍스트가 32,768토큰인 원래 하이브리드 모델을 다루며, 별도로 이름이 붙은 후속 Instruct-2507이나 Thinking-2507 에디션을 다루는 것이 아닙니다. 분석 요청에는 관련 코드나 원본 문단, 해결할 질문, 유효한 답변이 충족해야 할 조건을 제공하세요.\n\n공식 채팅 템플릿은 thinking을 기본으로 활성화합니다. 강제 enable_thinking 전환은 이를 완전히 끌 수 있습니다. Thinking이 활성화된 상태에서는 사용자 또는 시스템 지시의 /think와 /no_think가 유연한 전환으로 동작하고, 가장 최근 지시가 여러 턴에 걸쳐 요청한 동작을 제어합니다. 활성화된 템플릿의 /no_think 요청에서도 비어 있는 thinking 블록이 나올 수 있습니다. 강제 전환을 껐을 때는 두 표시 모두 thinking을 활성화하지 못합니다. 작업 흐름에서 즉시 재작성과 더 복잡한 디버깅·추론 질문을 번갈아 사용할 때 이 차이가 중요합니다.\n\nQwen 예시는영어 기술 예제
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-A3B는 추론, 코딩, 다국어 대화를 위한 thinking 및 non-thinking 모드를 갖춘 Qwen의 전문가 혼합 텍스트 모델입니다. 총 매개변수는 305억 개, 토큰당 활성 매개변수는 33억 개이며 네이티브 컨텍스트는 32,768토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3-30B-A3B는 하나의 텍스트 모델에서 두 가지 응답 스타일을 결합합니다. 복잡한 논리·수학·프로그래밍 문제에는 thinking을, 간단한 대화에는 non-thinking을 사용합니다. Qwen은 창작 글쓰기, 역할 기반 대화, 지시 따르기, 외부 도구와의 통합도 강조합니다. 원래 Qwen3 계열은 119개 언어와 방언을 지원하므로, 다국어 질문과 번역, 턴마다 요청 언어가 바뀌는 대화에 유용합니다. 출력 언어를 지정하고 바꾸지 말아야 할 용어를 유지하며 독자의 필요를 설명하세요.
이 모델은 원래 Qwen3-30B-A3B 전문가 혼합 에디션입니다. 총 매개변수 305억 개 중 토큰마다 33억 개를 활성화하고, 전문가 레이어에서 128개 전문가 중 8개를 선택합니다. 희소 아키텍처는 Qwen3의 밀집형 모델과 구분되는 중요한 특징입니다. 이 프로필은 네이티브 컨텍스트가 32,768토큰인 원래 하이브리드 모델을 다루며, 별도로 이름이 붙은 후속 Instruct-2507이나 Thinking-2507 에디션을 다루는 것이 아닙니다. 분석 요청에는 관련 코드나 원본 문단, 해결할 질문, 유효한 답변이 충족해야 할 조건을 제공하세요.
공식 채팅 템플릿은 thinking을 기본으로 활성화합니다. 강제 enable_thinking 전환은 이를 완전히 끌 수 있습니다. Thinking이 활성화된 상태에서는 사용자 또는 시스템 지시의 /think와 /no_think가 유연한 전환으로 동작하고, 가장 최근 지시가 여러 턴에 걸쳐 요청한 동작을 제어합니다. 활성화된 템플릿의 /no_think 요청에서도 비어 있는 thinking 블록이 나올 수 있습니다. 강제 전환을 껐을 때는 두 표시 모두 thinking을 활성화하지 못합니다. 작업 흐름에서 즉시 재작성과 더 복잡한 디버깅·추론 질문을 번갈아 사용할 때 이 차이가 중요합니다.
Qwen 예시는 <think> 섹션과 최종 응답을 구분합니다. 코딩 문제에는 가장 작은 관련 소스 발췌문, 관찰한 실패, 원하는 결과를 준비하고 진단과 수정안을 요청하세요. 수학 문제에는 제작사가 명확한 단계별 지시와 \\boxed{} 안의 최종 답변을 권장합니다. 객관식 요청은 대신 단일 답변 필드를 정의할 수 있습니다. 이후 대화 턴에서는 Qwen이 전체 추론 섹션을 반복해서 전달하기보다 최종 답변을 유지하고 이전 thinking 내용을 기록에서 빼도록 권장합니다.
도구 호출은 두 모드 모두에 설명되어 있습니다. Qwen은 모델의 도구 템플릿과 파싱을 처리하도록 Qwen-Agent를 권장하며, 정보 검색, 시간 정보, 코드 인터프리터 예시를 제공합니다. 순서 계획을 요청하기 전에 사용 가능한 도구와 인수를 설명하세요. 유용한 요청은 선택한 문서를 확인한 뒤 근거 있는 구현안을 제시하도록 할 수 있습니다. 실제 증거를 바탕으로 계속할 수 있도록 각 도구 결과를 대화에 반환하세요. 텍스트 도구 요청과 애플리케이션이 실행한 결과는 작업 흐름의 별도 부분입니다.
카드는 YaRN을 사용하는 131,072토큰 컨텍스트 확장을 설명합니다. 이는 설정에 따라 달라지는 네이티브 창의 확장이며, Qwen은 정적 스케일링이 짧은 입력에 영향을 줄 수 있다고 주의합니다. 카드는 일반적인 프롬프트와 긴 응답에 공간을 할당하는 기본 40,960개 위치 설정도 설명하며, 이는 네이티브 컨텍스트 설명과 별개입니다. 긴 자료를 명확한 문서 경계로 준비하고, 질문과 관련된 부분에 우선순위를 두며, 답변과 추론을 위한 여유를 남기세요.
Thinking에는 Qwen이 temperature 0.6, top-p 0.95, top-k 20, min-p 0을 권장하며, 결과가 저하되거나 무한히 반복될 수 있어 그리디 디코딩을 피하도록 안내합니다. Non-thinking에서는 temperature를 0.7, top-p를 0.8로 바꿉니다. 대부분의 질문에는 출력 허용량 32,768토큰을 권장하고, 특히 까다로운 수학·프로그래밍 문제에는 38,912토큰을 설명합니다. 이는 제작사의 생성 설정이며 별도의 고정 응답 보장이 아닙니다. 필요한 추론과 유용한 최종 결과 모두에 공간을 확보하도록 모드와 원하는 결과물을 함께 선택하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-30b-a3b | 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 $0.00024 / 1K 토큰 출력 · 출력 토큰 $0.001 / 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 $0.00024 / 1K 토큰 출력 · 출력 토큰 $0.001 / 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", "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 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
위에 표시된 메서드 경로를 사용하세요.
qwen/qwen3-30b-a3bQwen3-30B-A3B는 추론, 코딩, 다국어 대화를 위한 thinking 및 non-thinking 모드를 갖춘 Qwen의 전문가 혼합 텍스트 모델입니다. 총 매개변수는 305억 개, 토큰당 활성 매개변수는 33억 개이며 네이티브 컨텍스트는 32,768토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3-30B-A3B는 하나의 텍스트 모델에서 두 가지 응답 스타일을 결합합니다. 복잡한 논리·수학·프로그래밍 문제에는 thinking을, 간단한 대화에는 non-thinking을 사용합니다. Qwen은 창작 글쓰기, 역할 기반 대화, 지시 따르기, 외부 도구와의 통합도 강조합니다. 원래 Qwen3 계열은 119개 언어와 방언을 지원하므로, 다국어 질문과 번역, 턴마다 요청 언어가 바뀌는 대화에 유용합니다. 출력 언어를 지정하고 바꾸지 말아야 할 용어를 유지하며 독자의 필요를 설명하세요.
이 모델은 원래 Qwen3-30B-A3B 전문가 혼합 에디션입니다. 총 매개변수 305억 개 중 토큰마다 33억 개를 활성화하고, 전문가 레이어에서 128개 전문가 중 8개를 선택합니다. 희소 아키텍처는 Qwen3의 밀집형 모델과 구분되는 중요한 특징입니다. 이 프로필은 네이티브 컨텍스트가 32,768토큰인 원래 하이브리드 모델을 다루며, 별도로 이름이 붙은 후속 Instruct-2507이나 Thinking-2507 에디션을 다루는 것이 아닙니다. 분석 요청에는 관련 코드나 원본 문단, 해결할 질문, 유효한 답변이 충족해야 할 조건을 제공하세요.
공식 채팅 템플릿은 thinking을 기본으로 활성화합니다. 강제 enable_thinking 전환은 이를 완전히 끌 수 있습니다. Thinking이 활성화된 상태에서는 사용자 또는 시스템 지시의 /think와 /no_think가 유연한 전환으로 동작하고, 가장 최근 지시가 여러 턴에 걸쳐 요청한 동작을 제어합니다. 활성화된 템플릿의 /no_think 요청에서도 비어 있는 thinking 블록이 나올 수 있습니다. 강제 전환을 껐을 때는 두 표시 모두 thinking을 활성화하지 못합니다. 작업 흐름에서 즉시 재작성과 더 복잡한 디버깅·추론 질문을 번갈아 사용할 때 이 차이가 중요합니다.
Qwen 예시는 <think> 섹션과 최종 응답을 구분합니다. 코딩 문제에는 가장 작은 관련 소스 발췌문, 관찰한 실패, 원하는 결과를 준비하고 진단과 수정안을 요청하세요. 수학 문제에는 제작사가 명확한 단계별 지시와 \\boxed{} 안의 최종 답변을 권장합니다. 객관식 요청은 대신 단일 답변 필드를 정의할 수 있습니다. 이후 대화 턴에서는 Qwen이 전체 추론 섹션을 반복해서 전달하기보다 최종 답변을 유지하고 이전 thinking 내용을 기록에서 빼도록 권장합니다.
도구 호출은 두 모드 모두에 설명되어 있습니다. Qwen은 모델의 도구 템플릿과 파싱을 처리하도록 Qwen-Agent를 권장하며, 정보 검색, 시간 정보, 코드 인터프리터 예시를 제공합니다. 순서 계획을 요청하기 전에 사용 가능한 도구와 인수를 설명하세요. 유용한 요청은 선택한 문서를 확인한 뒤 근거 있는 구현안을 제시하도록 할 수 있습니다. 실제 증거를 바탕으로 계속할 수 있도록 각 도구 결과를 대화에 반환하세요. 텍스트 도구 요청과 애플리케이션이 실행한 결과는 작업 흐름의 별도 부분입니다.
카드는 YaRN을 사용하는 131,072토큰 컨텍스트 확장을 설명합니다. 이는 설정에 따라 달라지는 네이티브 창의 확장이며, Qwen은 정적 스케일링이 짧은 입력에 영향을 줄 수 있다고 주의합니다. 카드는 일반적인 프롬프트와 긴 응답에 공간을 할당하는 기본 40,960개 위치 설정도 설명하며, 이는 네이티브 컨텍스트 설명과 별개입니다. 긴 자료를 명확한 문서 경계로 준비하고, 질문과 관련된 부분에 우선순위를 두며, 답변과 추론을 위한 여유를 남기세요.
Thinking에는 Qwen이 temperature 0.6, top-p 0.95, top-k 20, min-p 0을 권장하며, 결과가 저하되거나 무한히 반복될 수 있어 그리디 디코딩을 피하도록 안내합니다. Non-thinking에서는 temperature를 0.7, top-p를 0.8로 바꿉니다. 대부분의 질문에는 출력 허용량 32,768토큰을 권장하고, 특히 까다로운 수학·프로그래밍 문제에는 38,912토큰을 설명합니다. 이는 제작사의 생성 설정이며 별도의 고정 응답 보장이 아닙니다. 필요한 추론과 유용한 최종 결과 모두에 공간을 확보하도록 모드와 원하는 결과물을 함께 선택하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-30b-a3b | 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 $0.00024 / 1K 토큰 출력 · 출력 토큰 $0.001 / 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 $0.00024 / 1K 토큰 출력 · 출력 토큰 $0.001 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen/qwen3-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.