Qwen3.8의 주요 특징: 지속적인 텍스트 추론
Qwen3.8-2.4T-A95B는 텍스트 추론을 위한 공개 Qwen3.8 체크포인트입니다. Qwen은 계획과 환경 피드백 활용을 포함해 코딩, 전문 업무, 연구, 장기 에이전트 작업 전반의 개선을 설명합니다. 텍스트를 입력받고 텍스트를 반환합니다. 제작사는 이를 관리형 Qwen3.8-Max 서비스와 명시적으로 구분합니다. 시각 입력과 비사고 지원은 해당 서비스의 추가 기능이며 이 정확한 공개 체크포인트의 기능이 아닙니다.
코딩 작업에서는 관련 모듈, 요구사항, 현재 동작을 드러내는 입력을 제공하세요. 설명이 붙은 변경과 점검 가능한 최종 산출물을 요청하세요. 연구 또는 전문 보고서에는 증거, 필수 절, 평가 기준을 제공한 뒤 근거가 있는 결과와 가정을 구분하도록 요청하세요. 이는 문서화된 작업 범위의 실용적 활용이며 코드 실행이나 전문가가 인증한 결론을 약속하지 않습니다.
모델 개요
희소 전문가 혼합 모델은 총 파라미터 2.4조 개를 가지며 95B를 활성화합니다. 레이어 92개와 라우팅 전문가 512개가 있으며, 라우팅 전문가 10개와 공유 전문가 1개를 함께 선택합니다. 하이브리드 블록은 3대 1 패턴에 따라 Gated DeltaNet과 게이트 어텐션을 전문가 레이어와 결합합니다. 다중 토큰 예측이 학습에 포함됩니다. 활성화 파라미터 수는 전체 체크포인트 크기가 아니며, 큰 총 파라미터 수가 응답 시간 보장을 확립하지는 않습니다.
기본 컨텍스트는 262,144토큰이며 최대 1,010,000토큰 확장이 문서화되어 있습니다. 이는 관리형 Max 참조의 기본 100만 토큰 컨텍스트와 다릅니다. 모든 최대 수치가 동시에 적용된다고 가정하지 말고, 원본 텍스트, 대화 기록, 추론, 최종 응답에 실제 구성된 시퀀스 허용량을 사용하세요.
정확한 사고 체크포인트 사용하기
모든 상호작용에 사고가 필요하며 비활성화할 수 없습니다. 문서화된 출력은 최종 텍스트 전에 추론 블록으로 시작합니다. reasoning_effort는 xhigh, medium, low를 지원하며 기본값은 xhigh입니다. low는 의도한 깊이를 낮추지만 여전히 사고 모드입니다. 간결한 최종 답변을 요청하면 이 모델을 비사고 에디션으로 바꾸지 않고 원하는 산출물을 제어할 수 있습니다.
preserve_thinking은 기본적으로 활성화됩니다. 이전 턴의 추론을 유지하면 반복적으로 진행하는 작업에서 결정 맥락을 다음 단계로 이어 갈 수 있습니다. 수정 사항, 도구 결과, 최종 답변을 이를 생성한 턴과 연결하세요. 이 모델은 과거 메시지의 모든 추론 블록을 제거하라는 이전 권고를 물려받기보다 자체 기록 계약을 따라야 합니다. 강도 및 보존 제어가 실제로 어떻게 노출되는지는 체크포인트 레시피를 구현하는 인터페이스에 달려 있습니다.
하네스와 환경 피드백
Qwen은 개발 하네스 및 도구와의 호환성을 설명합니다. 지속적인 작업은 목표, 허용 작업, 완료 증거로 표현할 수 있으며 애플리케이션은 점검 또는 실행에서 얻은 관찰을 제공할 수 있습니다. 각각의 새 결과가 계획을 어떻게 바꾸는지 설명하고 미해결 사항을 보고하도록 요청하세요. 작업 계획과 실제 결과 수신은 워크플로의 서로 다른 부분입니다.
카드의 관리형 Max 예시에는 추가 내장 도구가 포함됩니다. 이를 공개 모델의 자동 웹 검색, 코드 실행, 시각 입력으로 바꾸면 안 됩니다. 이 모델의 유용한 역할은 연결된 워크플로의 텍스트 추론 구성요소이며, 도구와 외부 효과는 이를 제공하는 애플리케이션에 속합니다.
생성 권장사항
제작사는 temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0, repetition penalty 1.0을 권장합니다. 지원되는 경우 0에서 2 사이의 presence penalty는 반복 텍스트를 줄일 수 있지만, 값이 높으면 언어가 섞이거나 품질이 다소 낮아질 수 있습니다. 파라미터 지원은 구현에 따라 달라집니다.
추론과 최종 응답의 한도를 별도로 갖도록 구성된 100만 토큰 워크플로에서 Qwen은 추론 262,144토큰과 최종 답변 131,072토큰을 권장합니다. 이는 조건부 허용량이며 별도로 확립된 엄격한 상한도, 기본 262,144토큰 컨텍스트 안에 함께 들어가는 예산도 아닙니다. 완전한 산출물을 위한 충분한 공간을 할당하고 추론 뒤에서 쉽게 찾을 수 있는 최종 결과를 요청하세요.
실무 한계
이 체크포인트는 이미지, 오디오, 동영상을 받지 않습니다. 필요하다면 별도 워크플로로 관련 증거를 적절한 텍스트 표현으로 변환하고 답변을 확인할 수 있는 식별자를 유지하세요. 카드는 확장 컨텍스트를 명시하지만 텍스트 전용 모델에 대한 완전한 작업별 확장 레시피나 보편적인 미디어 한도를 제시하지 않습니다. 정확한 체크포인트 식별자와 구성을 보존하고, 계산과 코드 제안을 원본과 대조하며, 최종 산출물을 전체 외부 작업이 완료되었다는 증거가 아닌 검토할 결과로 취급하세요.
", "aboutText": "Qwen3.8의 주요 특징: 지속적인 텍스트 추론\n\nQwen3.8-2.4T-A95B는 텍스트 추론을 위한 공개 Qwen3.8 체크포인트입니다. Qwen은 계획과 환경 피드백 활용을 포함해 코딩, 전문 업무, 연구, 장기 에이전트 작업 전반의 개선을 설명합니다. 텍스트를 입력받고 텍스트를 반환합니다. 제작사는 이를 관리형 Qwen3.8-Max 서비스와 명시적으로 구분합니다. 시각 입력과 비사고 지원은 해당 서비스의 추가 기능이며 이 정확한 공개 체크포인트의 기능이 아닙니다.\n\n코딩 작업에서는 관련 모듈, 요구사항, 현재 동작을 드러내는 입력을 제공하세요. 설명이 붙은 변경과 점검 가능한 최종 산출물을 요청하세요. 연구 또는 전문 보고서에는 증거, 필수 절, 평가 기준을 제공한 뒤 근거가 있는 결과와 가정을 구분하도록 요청하세요. 이는 문서화된 작업 범위의 실용적 활용이며 코드 실행이나 전문가가 인증한 결론을 약속하지 않습니다.\n\n모델 개요\n\n희소 전문가 혼합 모델은 총 파라미터 2.4조 개를 가지며 95B를 활성화합니다. 레이어 92개와 라우팅 전문가 512개가 있으며, 라우팅 전문가 10개와 공유 전문가 1개를 함께 선택합니다. 하이브리드 블록은 3대 1 패턴에 따라 Gated DeltaNet과 게이트 어텐션을 전문가 레이어와 결합합니다. 다중 토큰 예측이 학습에 포함됩니다. 활성화 파라미터 수는 전체 체크포인트 크기가 아니며, 큰 총 파라미터 수가 응답 시간 보장을 확립하지는 않습니다.\n\n기본 컨텍스트는 262,144토큰이며 최대 1,010,000토큰 확장이 문서화되어 있습니다. 이는 관리형 Max 참조의 기본 100만 토큰 컨텍스트와 다릅니다. 모든 최대 수치가 동시에 적용된다고 가정하지 말고, 원본 텍스트, 대화 기록, 추론, 최종 응답에 실제 구성된 시퀀스 허용량을 사용하세요.\n\n정확한 사고 체크포인트 사용하기\n\n모든 상호작용에 사고가 필요하며 비활성화할 수 없습니다. 문서화된 출력은 최종 텍스트 전에 추론 블록으로 시작합니다. reasoning_effort는 xhigh, medium, low를 지원하며 기본값은 xhigh입니다. low는 의도한 깊이를 낮추지만 여전히 사고 모드입니다. 간결한 최종 답변을 요청하면 이 모델을 비사고 에디션으로 바꾸지 않고 원하는 산출물을 제어할 수 있습니다.\n\npreserve_thinking은 기본적으로 활성화됩니다. 이전 턴의 추론을 유지하면 반복적으로 진행하는 작업에서 결정 맥락을 다음 단계로 이어 갈 수 있습니다. 수정 사항, 도구 결과, 최종 답변을 이를 생성한 턴과 연결하세요. 이 모델은 과거 메시지의 모든 추론 블록을 제거하라는 이전 권고를 물려받기보다 자체 기록 계약을 따라야 합니다. 강도 및 보존 제어가 실제로 어떻게 노출되는지는 체크포인트 레시피를 구현하는 인터페이스에 달려 있습니다.\n\n하네스와 환경 피드백\n\nQwen은 개발 하네스 및 도구와의 호환성을 설명합니다. 지속적인 작업은 목표, 허용 작업, 완료 증거로 표현할 수 있으며 애플리케이션은 점검 또는 실행에서 얻은 관찰을 제공할 수 있습니다. 각각의 새 결과가 계획을 어떻게 바꾸는지 설명하고 미해결 사항을 보고하도록 요청하세요. 작업 계획과 실제 결과 수신은 워크플로의 서로 다른 부분입니다.\n\n카드의 관리형 Max 예시에는 추가 내장 도구가 포함됩니다. 이를 공개 모델의 자동 웹 검색, 코드 실행, 시각 입력으로 바꾸면 안 됩니다. 이 모델의 유용한 역할은 연결된 워크플로의 텍스트 추론 구성요소이며, 도구와 외부 효과는 이를 제공하는 애플리케이션에 속합니다.\n\n생성 권장사항\n\n제작사는 temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0, repetition penalty 1.0을 권장합니다. 지원되는 경우 0에서 2 사이의 presence penalty는 반복 텍스트를 줄일 수 있지만, 값이 높으면 언어가 섞이거나 품질이 다소 낮아질 수 있습니다. 파라미터 지원은 구현에 따라 달라집니다.\n\n추론과 최종 응답의 한도를 별도로 갖도록 구성된 100만 토큰 워크플로에서 Qwen은 추론 262,144토큰과 최종 답변 131,072토큰을 권장합니다. 이는 조건부 허용량이며 별도로 확립된 엄격한 상한도, 기본 262,144토큰 컨텍스트 안에 함께 들어가는 예산도 아닙니다. 완전한 산출물을 위한 충분한 공간을 할당하고 추론 뒤에서 쉽게 찾을 수 있는 최종 결과를 요청하세요.\n\n실무 한계\n\n이 체크포인트는 이미지, 오디오, 동영상을 받지 않습니다. 필요하다면 별도 워크플로로 관련 증거를 적절한 텍스트 표현으로 변환하고 답변을 확인할 수 있는 식별자를 유지하세요. 카드는 확장 컨텍스트를 명시하지만 텍스트 전용 모델에 대한 완전한 작업별 확장 레시피나 보편적인 미디어 한도를 제시하지 않습니다. 정확한 체크포인트 식별자와 구성을 보존하고, 계산과 코드 제안을 원본과 대조하며, 최종 산출물을 전체 외부 작업이 완료되었다는 증거가 아닌 검토할 결과로 취급하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Review a resumable migration plan\n\nReview this migration design against the requirement that every row is copied exactly once. Step 1 copies 100 rows after last_id. Step 2 saves last_id. A crash can occur between steps. Explain the duplicate risk after restart and propose a minimal idempotent write or atomic checkpoint design. Include a test that interrupts precisely between the two steps.A cause analysis, one concrete correction strategy and a crash-point regression scenario.Rerunning after the interruption cannot produce duplicate destination rows or skip uncopied source rows.qwen/qwen3.8-2.4t-a95bQwen3.8-2.4T-A95B는 총 파라미터 2.4조 개 중 95B를 활성화하는 Qwen의 희소 전문가 혼합 텍스트 추론 모델입니다. 이 공개 체크포인트는 항상 사고를 사용하고 조절 가능한 추론 강도를 지원하며, 지속적인 코딩 및 전문 업무를 위해 추론 컨텍스트를 유지합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3.8의 주요 특징: 지속적인 텍스트 추론
Qwen3.8-2.4T-A95B는 텍스트 추론을 위한 공개 Qwen3.8 체크포인트입니다. Qwen은 계획과 환경 피드백 활용을 포함해 코딩, 전문 업무, 연구, 장기 에이전트 작업 전반의 개선을 설명합니다. 텍스트를 입력받고 텍스트를 반환합니다. 제작사는 이를 관리형 Qwen3.8-Max 서비스와 명시적으로 구분합니다. 시각 입력과 비사고 지원은 해당 서비스의 추가 기능이며 이 정확한 공개 체크포인트의 기능이 아닙니다.
코딩 작업에서는 관련 모듈, 요구사항, 현재 동작을 드러내는 입력을 제공하세요. 설명이 붙은 변경과 점검 가능한 최종 산출물을 요청하세요. 연구 또는 전문 보고서에는 증거, 필수 절, 평가 기준을 제공한 뒤 근거가 있는 결과와 가정을 구분하도록 요청하세요. 이는 문서화된 작업 범위의 실용적 활용이며 코드 실행이나 전문가가 인증한 결론을 약속하지 않습니다.
모델 개요
희소 전문가 혼합 모델은 총 파라미터 2.4조 개를 가지며 95B를 활성화합니다. 레이어 92개와 라우팅 전문가 512개가 있으며, 라우팅 전문가 10개와 공유 전문가 1개를 함께 선택합니다. 하이브리드 블록은 3대 1 패턴에 따라 Gated DeltaNet과 게이트 어텐션을 전문가 레이어와 결합합니다. 다중 토큰 예측이 학습에 포함됩니다. 활성화 파라미터 수는 전체 체크포인트 크기가 아니며, 큰 총 파라미터 수가 응답 시간 보장을 확립하지는 않습니다.
기본 컨텍스트는 262,144토큰이며 최대 1,010,000토큰 확장이 문서화되어 있습니다. 이는 관리형 Max 참조의 기본 100만 토큰 컨텍스트와 다릅니다. 모든 최대 수치가 동시에 적용된다고 가정하지 말고, 원본 텍스트, 대화 기록, 추론, 최종 응답에 실제 구성된 시퀀스 허용량을 사용하세요.
정확한 사고 체크포인트 사용하기
모든 상호작용에 사고가 필요하며 비활성화할 수 없습니다. 문서화된 출력은 최종 텍스트 전에 추론 블록으로 시작합니다. reasoning_effort는 xhigh, medium, low를 지원하며 기본값은 xhigh입니다. low는 의도한 깊이를 낮추지만 여전히 사고 모드입니다. 간결한 최종 답변을 요청하면 이 모델을 비사고 에디션으로 바꾸지 않고 원하는 산출물을 제어할 수 있습니다.
preserve_thinking은 기본적으로 활성화됩니다. 이전 턴의 추론을 유지하면 반복적으로 진행하는 작업에서 결정 맥락을 다음 단계로 이어 갈 수 있습니다. 수정 사항, 도구 결과, 최종 답변을 이를 생성한 턴과 연결하세요. 이 모델은 과거 메시지의 모든 추론 블록을 제거하라는 이전 권고를 물려받기보다 자체 기록 계약을 따라야 합니다. 강도 및 보존 제어가 실제로 어떻게 노출되는지는 체크포인트 레시피를 구현하는 인터페이스에 달려 있습니다.
하네스와 환경 피드백
Qwen은 개발 하네스 및 도구와의 호환성을 설명합니다. 지속적인 작업은 목표, 허용 작업, 완료 증거로 표현할 수 있으며 애플리케이션은 점검 또는 실행에서 얻은 관찰을 제공할 수 있습니다. 각각의 새 결과가 계획을 어떻게 바꾸는지 설명하고 미해결 사항을 보고하도록 요청하세요. 작업 계획과 실제 결과 수신은 워크플로의 서로 다른 부분입니다.
카드의 관리형 Max 예시에는 추가 내장 도구가 포함됩니다. 이를 공개 모델의 자동 웹 검색, 코드 실행, 시각 입력으로 바꾸면 안 됩니다. 이 모델의 유용한 역할은 연결된 워크플로의 텍스트 추론 구성요소이며, 도구와 외부 효과는 이를 제공하는 애플리케이션에 속합니다.
생성 권장사항
제작사는 temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0, repetition penalty 1.0을 권장합니다. 지원되는 경우 0에서 2 사이의 presence penalty는 반복 텍스트를 줄일 수 있지만, 값이 높으면 언어가 섞이거나 품질이 다소 낮아질 수 있습니다. 파라미터 지원은 구현에 따라 달라집니다.
추론과 최종 응답의 한도를 별도로 갖도록 구성된 100만 토큰 워크플로에서 Qwen은 추론 262,144토큰과 최종 답변 131,072토큰을 권장합니다. 이는 조건부 허용량이며 별도로 확립된 엄격한 상한도, 기본 262,144토큰 컨텍스트 안에 함께 들어가는 예산도 아닙니다. 완전한 산출물을 위한 충분한 공간을 할당하고 추론 뒤에서 쉽게 찾을 수 있는 최종 결과를 요청하세요.
실무 한계
이 체크포인트는 이미지, 오디오, 동영상을 받지 않습니다. 필요하다면 별도 워크플로로 관련 증거를 적절한 텍스트 표현으로 변환하고 답변을 확인할 수 있는 식별자를 유지하세요. 카드는 확장 컨텍스트를 명시하지만 텍스트 전용 모델에 대한 완전한 작업별 확장 레시피나 보편적인 미디어 한도를 제시하지 않습니다. 정확한 체크포인트 식별자와 구성을 보존하고, 계산과 코드 제안을 원본과 대조하며, 최종 산출물을 전체 외부 작업이 완료되었다는 증거가 아닌 검토할 결과로 취급하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3.8-2.4t-a95b | 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 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.012 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.005 / 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 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.012 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.005 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-2.4t-a95b", "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/qwen3.8-2.4t-a95b',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/qwen3.8-2.4t-a95b',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/qwen3.8-2.4t-a95b
위에 표시된 메서드 경로를 사용하세요.
qwen/qwen3.8-2.4t-a95bQwen3.8-2.4T-A95B는 총 파라미터 2.4조 개 중 95B를 활성화하는 Qwen의 희소 전문가 혼합 텍스트 추론 모델입니다. 이 공개 체크포인트는 항상 사고를 사용하고 조절 가능한 추론 강도를 지원하며, 지속적인 코딩 및 전문 업무를 위해 추론 컨텍스트를 유지합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3.8의 주요 특징: 지속적인 텍스트 추론
Qwen3.8-2.4T-A95B는 텍스트 추론을 위한 공개 Qwen3.8 체크포인트입니다. Qwen은 계획과 환경 피드백 활용을 포함해 코딩, 전문 업무, 연구, 장기 에이전트 작업 전반의 개선을 설명합니다. 텍스트를 입력받고 텍스트를 반환합니다. 제작사는 이를 관리형 Qwen3.8-Max 서비스와 명시적으로 구분합니다. 시각 입력과 비사고 지원은 해당 서비스의 추가 기능이며 이 정확한 공개 체크포인트의 기능이 아닙니다.
코딩 작업에서는 관련 모듈, 요구사항, 현재 동작을 드러내는 입력을 제공하세요. 설명이 붙은 변경과 점검 가능한 최종 산출물을 요청하세요. 연구 또는 전문 보고서에는 증거, 필수 절, 평가 기준을 제공한 뒤 근거가 있는 결과와 가정을 구분하도록 요청하세요. 이는 문서화된 작업 범위의 실용적 활용이며 코드 실행이나 전문가가 인증한 결론을 약속하지 않습니다.
모델 개요
희소 전문가 혼합 모델은 총 파라미터 2.4조 개를 가지며 95B를 활성화합니다. 레이어 92개와 라우팅 전문가 512개가 있으며, 라우팅 전문가 10개와 공유 전문가 1개를 함께 선택합니다. 하이브리드 블록은 3대 1 패턴에 따라 Gated DeltaNet과 게이트 어텐션을 전문가 레이어와 결합합니다. 다중 토큰 예측이 학습에 포함됩니다. 활성화 파라미터 수는 전체 체크포인트 크기가 아니며, 큰 총 파라미터 수가 응답 시간 보장을 확립하지는 않습니다.
기본 컨텍스트는 262,144토큰이며 최대 1,010,000토큰 확장이 문서화되어 있습니다. 이는 관리형 Max 참조의 기본 100만 토큰 컨텍스트와 다릅니다. 모든 최대 수치가 동시에 적용된다고 가정하지 말고, 원본 텍스트, 대화 기록, 추론, 최종 응답에 실제 구성된 시퀀스 허용량을 사용하세요.
정확한 사고 체크포인트 사용하기
모든 상호작용에 사고가 필요하며 비활성화할 수 없습니다. 문서화된 출력은 최종 텍스트 전에 추론 블록으로 시작합니다. reasoning_effort는 xhigh, medium, low를 지원하며 기본값은 xhigh입니다. low는 의도한 깊이를 낮추지만 여전히 사고 모드입니다. 간결한 최종 답변을 요청하면 이 모델을 비사고 에디션으로 바꾸지 않고 원하는 산출물을 제어할 수 있습니다.
preserve_thinking은 기본적으로 활성화됩니다. 이전 턴의 추론을 유지하면 반복적으로 진행하는 작업에서 결정 맥락을 다음 단계로 이어 갈 수 있습니다. 수정 사항, 도구 결과, 최종 답변을 이를 생성한 턴과 연결하세요. 이 모델은 과거 메시지의 모든 추론 블록을 제거하라는 이전 권고를 물려받기보다 자체 기록 계약을 따라야 합니다. 강도 및 보존 제어가 실제로 어떻게 노출되는지는 체크포인트 레시피를 구현하는 인터페이스에 달려 있습니다.
하네스와 환경 피드백
Qwen은 개발 하네스 및 도구와의 호환성을 설명합니다. 지속적인 작업은 목표, 허용 작업, 완료 증거로 표현할 수 있으며 애플리케이션은 점검 또는 실행에서 얻은 관찰을 제공할 수 있습니다. 각각의 새 결과가 계획을 어떻게 바꾸는지 설명하고 미해결 사항을 보고하도록 요청하세요. 작업 계획과 실제 결과 수신은 워크플로의 서로 다른 부분입니다.
카드의 관리형 Max 예시에는 추가 내장 도구가 포함됩니다. 이를 공개 모델의 자동 웹 검색, 코드 실행, 시각 입력으로 바꾸면 안 됩니다. 이 모델의 유용한 역할은 연결된 워크플로의 텍스트 추론 구성요소이며, 도구와 외부 효과는 이를 제공하는 애플리케이션에 속합니다.
생성 권장사항
제작사는 temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0, repetition penalty 1.0을 권장합니다. 지원되는 경우 0에서 2 사이의 presence penalty는 반복 텍스트를 줄일 수 있지만, 값이 높으면 언어가 섞이거나 품질이 다소 낮아질 수 있습니다. 파라미터 지원은 구현에 따라 달라집니다.
추론과 최종 응답의 한도를 별도로 갖도록 구성된 100만 토큰 워크플로에서 Qwen은 추론 262,144토큰과 최종 답변 131,072토큰을 권장합니다. 이는 조건부 허용량이며 별도로 확립된 엄격한 상한도, 기본 262,144토큰 컨텍스트 안에 함께 들어가는 예산도 아닙니다. 완전한 산출물을 위한 충분한 공간을 할당하고 추론 뒤에서 쉽게 찾을 수 있는 최종 결과를 요청하세요.
실무 한계
이 체크포인트는 이미지, 오디오, 동영상을 받지 않습니다. 필요하다면 별도 워크플로로 관련 증거를 적절한 텍스트 표현으로 변환하고 답변을 확인할 수 있는 식별자를 유지하세요. 카드는 확장 컨텍스트를 명시하지만 텍스트 전용 모델에 대한 완전한 작업별 확장 레시피나 보편적인 미디어 한도를 제시하지 않습니다. 정확한 체크포인트 식별자와 구성을 보존하고, 계산과 코드 제안을 원본과 대조하며, 최종 산출물을 전체 외부 작업이 완료되었다는 증거가 아닌 검토할 결과로 취급하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3.8-2.4t-a95b | 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 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.012 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.005 / 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 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.012 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.005 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen/qwen3.8-2.4t-a95b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.8-2.4t-a95b', '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/qwen3.8-2.4t-a95b', '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/qwen3.8-2.4t-a95b
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Review a resumable migration plan\n\nReview this migration design against the requirement that every row is copied exactly once. Step 1 copies 100 rows after last_id. Step 2 saves last_id. A crash can occur between steps. Explain the duplicate risk after restart and propose a minimal idempotent write or atomic checkpoint design. Include a test that interrupts precisely between the two steps.A cause analysis, one concrete correction strategy and a crash-point regression scenario.Rerunning after the interruption cannot produce duplicate destination rows or skip uncopied source rows.