주요 특징: 저장소 규모의 코딩
Qwen3-Coder-30B-A3B-Instruct는 코딩 에이전트를 위한 지시 수행 중심 텍스트 모델입니다. Qwen은 전용 함수 호출 형식 및 Qwen Code와 같은 작업 흐름을 통한 통합과 함께 코딩, 브라우저 에이전트 활용, 저장소 규모의 이해를 문서화하고 있습니다. 입력과 출력은 텍스트입니다. 학습의 중점과 생성 지침이 다른 범용 Qwen3-30B-A3B-Instruct-2507 또는 Qwen3-Coder-Next로 대체하지 말고, 이 정확한 Coder 체크포인트를 유지하세요.
기본 컨텍스트는 262,144토큰이며, 제작사는 YaRN을 이용한 약 백만 토큰까지의 확장을 설명합니다. 큰 컨텍스트는 더 많은 저장소 근거를 한데 모을 수 있지만, 명확한 작업을 위해서는 여전히 관련 모듈, 인터페이스, 요구 사항이 필요합니다. 코드 변경을 요청하기 전에 기대하는 산출물과 관찰 가능한 동작을 제공하세요.
모델 개요
이 전문가 혼합 모델의 전체 매개변수 수는 30.5B이며, 3.3B를 활성화합니다. 계층 48개, 전문가 128개를 갖추고 토큰마다 전문가 여덟 개를 선택합니다. 전체 매개변수와 활성 매개변수는 의미가 다르며, 활성 수치가 전체 체크포인트 크기는 아닙니다. 인과 언어 모델 설정을 갖춘 텍스트 모델이며, 시각이나 음성 인터페이스가 아닙니다.
Coder-30B-A3B-Instruct는 비사고 모드만 지원하며 명시적인 사고 블록을 생성하지 않습니다. 제작사의 예제에서는 enable_thinking=False를 설정할 필요가 없습니다. 일반 텍스트로 알고리즘을 설명하거나 패치의 타당성을 설명하는 것은 여전히 가능합니다. 추론 단계를 요청하는 것을 다른 Qwen 에디션의 별도 Thinking 동작을 활성화하는 것과 혼동해서는 안 됩니다.
개발 요청 준비
관련 코드, 현재 동작을 보여 주는 입력, 관찰된 결과, 의도한 변경을 제공하세요. 알고리즘에서는 접근 방식을 묻기 전에 입력 제약 조건과 필요한 출력을 명시하세요. 저장소 수정에서는 영향을 받는 기능과 구현이 유지해야 하는 인터페이스를 명시하세요. 편집 가능한 패치나 완전한 함수를 부연 설명과 별도로 요청하세요.
유용한 응답은 진단, 제안된 변경, 검토에 필요한 검사를 체계적으로 구성할 수 있습니다. 시각적 참고 자료나 기록된 동작에 기반한 작업에서는 적절한 텍스트 표현을 제공하고, 결과를 원본과 대조할 수 있는 식별자를 유지하세요. 제안된 패치를 제공된 코드, 예상 동작, 연결된 검사가 반환한 결과와 비교하세요.
에이전트 코딩과 브라우저 작업 흐름
제작사는 도구 호출과 특별히 설계된 함수 호출 형식을 강조합니다. 연결된 에이전트 작업 흐름은 도구 설명, 입력 스키마, 관찰 결과를 제공하고 실제 작업을 수행합니다. 허용된 동작과 완료 조건을 정의한 다음, 실제 검사나 실행 결과를 모델에 돌려주어 제안한 작업을 갱신할 수 있게 하세요.
브라우저 에이전트 기능은 연결된 브라우저 도구가 있는 작업 흐름에 참여한다는 뜻이며, 사용자의 브라우저나 현재 페이지에 자동으로 접근한다는 뜻이 아닙니다. 저장소 검사와 코드 실행에도 같은 구분이 적용됩니다. 최종 보고서에서 제안된 명령, 도구 요청, 완료된 작업을 구분해야 합니다. 다른 모델의 템플릿을 서로 바꿔 쓸 수 있다고 가정하지 말고, 해당 모델 고유의 도구 형식과 파싱 레시피를 유지하세요.
긴 컨텍스트와 설정
제작사는 저장소 규모의 작업을 위해 기본 262,144토큰 컨텍스트를 YaRN으로 약 백만 토큰까지 확장하는 방식을 설명합니다. 도구 관찰 결과와 산출물을 위한 공간을 확보하면서 저장소 자료에 적합한 컨텍스트 설정을 사용하세요. 빠른 시작 문서에서는 메모리 부담으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 제안합니다.
긴 입력에서는 코드 경로, 함수 이름, 관련 정의를 유지하세요. 무관한 생성 파일이나 반복 자료를 제거하고 답변을 위한 공간을 확보하세요. 원본 텍스트, 기록, 도구 관찰 결과, 생성된 코드는 설정된 시퀀스 예산을 공유합니다. 가능한 최대 입력을 모든 의존성을 완벽하게 회상한다는 의미로 받아들여서는 안 됩니다.
생성 지침
Best Practices는 temperature 0.7, top_p 0.8, top_k 20, 반복 페널티 1.05를 권장합니다. 이 정확한 반복 페널티 권장값은 여러 다른 Qwen 모델과 다르며, 이 Coder 에디션 레시피의 일부로 유지됩니다. Qwen은 대부분의 질문에 생성 예산 65,536토큰을 권장합니다. 이는 권고 사항이며, 독립적으로 확인된 엄격한 최댓값은 아닙니다.
패치, 완전한 함수, 설명 등 출력 언어와 형식을 명시하고, 실제 개발 작업 흐름에서 산출물의 구문과 인터페이스를 확인하세요. 제작사의 함수 예제는 도구 메커니즘을 보여 줍니다. 도구를 사용하는 애플리케이션의 도구 규약에는 여전히 내부적으로 일관된 인수 이름과 반환값의 의미가 필요합니다.
실질적인 제한과 유용한 결과
이 체크포인트에 문서화된 입력은 텍스트입니다. 이미지, 오디오, 동영상 이해가 직접적으로 입증되는 것은 아닙니다. 관련 검사나 관찰 결과가 연결된 환경에서 실제로 반환되기 전까지, 생성된 코드와 자신감 있는 설명은 초안 산출물입니다. 유용한 결과는 제공된 저장소 조건에 연결되고, 정확한 Coder 모델의 정체성, 비사고 모드, 제작사의 생성 지침이 유지되는, 검사 가능한 구현 제안입니다.
", "aboutText": "주요 특징: 저장소 규모의 코딩\n\nQwen3-Coder-30B-A3B-Instruct는 코딩 에이전트를 위한 지시 수행 중심 텍스트 모델입니다. Qwen은 전용 함수 호출 형식 및 Qwen Code와 같은 작업 흐름을 통한 통합과 함께 코딩, 브라우저 에이전트 활용, 저장소 규모의 이해를 문서화하고 있습니다. 입력과 출력은 텍스트입니다. 학습의 중점과 생성 지침이 다른 범용 Qwen3-30B-A3B-Instruct-2507 또는 Qwen3-Coder-Next로 대체하지 말고, 이 정확한 Coder 체크포인트를 유지하세요.\n\n기본 컨텍스트는 262,144토큰이며, 제작사는 YaRN을 이용한 약 백만 토큰까지의 확장을 설명합니다. 큰 컨텍스트는 더 많은 저장소 근거를 한데 모을 수 있지만, 명확한 작업을 위해서는 여전히 관련 모듈, 인터페이스, 요구 사항이 필요합니다. 코드 변경을 요청하기 전에 기대하는 산출물과 관찰 가능한 동작을 제공하세요.\n\n모델 개요\n\n이 전문가 혼합 모델의 전체 매개변수 수는 30.5B이며, 3.3B를 활성화합니다. 계층 48개, 전문가 128개를 갖추고 토큰마다 전문가 여덟 개를 선택합니다. 전체 매개변수와 활성 매개변수는 의미가 다르며, 활성 수치가 전체 체크포인트 크기는 아닙니다. 인과 언어 모델 설정을 갖춘 텍스트 모델이며, 시각이나 음성 인터페이스가 아닙니다.\n\nCoder-30B-A3B-Instruct는 비사고 모드만 지원하며 명시적인 사고 블록을 생성하지 않습니다. 제작사의 예제에서는 enable_thinking=False를 설정할 필요가 없습니다. 일반 텍스트로 알고리즘을 설명하거나 패치의 타당성을 설명하는 것은 여전히 가능합니다. 추론 단계를 요청하는 것을 다른 Qwen 에디션의 별도 Thinking 동작을 활성화하는 것과 혼동해서는 안 됩니다.\n\n개발 요청 준비\n\n관련 코드, 현재 동작을 보여 주는 입력, 관찰된 결과, 의도한 변경을 제공하세요. 알고리즘에서는 접근 방식을 묻기 전에 입력 제약 조건과 필요한 출력을 명시하세요. 저장소 수정에서는 영향을 받는 기능과 구현이 유지해야 하는 인터페이스를 명시하세요. 편집 가능한 패치나 완전한 함수를 부연 설명과 별도로 요청하세요.\n\n유용한 응답은 진단, 제안된 변경, 검토에 필요한 검사를 체계적으로 구성할 수 있습니다. 시각적 참고 자료나 기록된 동작에 기반한 작업에서는 적절한 텍스트 표현을 제공하고, 결과를 원본과 대조할 수 있는 식별자를 유지하세요. 제안된 패치를 제공된 코드, 예상 동작, 연결된 검사가 반환한 결과와 비교하세요.\n\n에이전트 코딩과 브라우저 작업 흐름\n\n제작사는 도구 호출과 특별히 설계된 함수 호출 형식을 강조합니다. 연결된 에이전트 작업 흐름은 도구 설명, 입력 스키마, 관찰 결과를 제공하고 실제 작업을 수행합니다. 허용된 동작과 완료 조건을 정의한 다음, 실제 검사나 실행 결과를 모델에 돌려주어 제안한 작업을 갱신할 수 있게 하세요.\n\n브라우저 에이전트 기능은 연결된 브라우저 도구가 있는 작업 흐름에 참여한다는 뜻이며, 사용자의 브라우저나 현재 페이지에 자동으로 접근한다는 뜻이 아닙니다. 저장소 검사와 코드 실행에도 같은 구분이 적용됩니다. 최종 보고서에서 제안된 명령, 도구 요청, 완료된 작업을 구분해야 합니다. 다른 모델의 템플릿을 서로 바꿔 쓸 수 있다고 가정하지 말고, 해당 모델 고유의 도구 형식과 파싱 레시피를 유지하세요.\n\n긴 컨텍스트와 설정\n\n제작사는 저장소 규모의 작업을 위해 기본 262,144토큰 컨텍스트를 YaRN으로 약 백만 토큰까지 확장하는 방식을 설명합니다. 도구 관찰 결과와 산출물을 위한 공간을 확보하면서 저장소 자료에 적합한 컨텍스트 설정을 사용하세요. 빠른 시작 문서에서는 메모리 부담으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 제안합니다.\n\n긴 입력에서는 코드 경로, 함수 이름, 관련 정의를 유지하세요. 무관한 생성 파일이나 반복 자료를 제거하고 답변을 위한 공간을 확보하세요. 원본 텍스트, 기록, 도구 관찰 결과, 생성된 코드는 설정된 시퀀스 예산을 공유합니다. 가능한 최대 입력을 모든 의존성을 완벽하게 회상한다는 의미로 받아들여서는 안 됩니다.\n\n생성 지침\n\nBest Practices는 temperature 0.7, top_p 0.8, top_k 20, 반복 페널티 1.05를 권장합니다. 이 정확한 반복 페널티 권장값은 여러 다른 Qwen 모델과 다르며, 이 Coder 에디션 레시피의 일부로 유지됩니다. Qwen은 대부분의 질문에 생성 예산 65,536토큰을 권장합니다. 이는 권고 사항이며, 독립적으로 확인된 엄격한 최댓값은 아닙니다.\n\n패치, 완전한 함수, 설명 등 출력 언어와 형식을 명시하고, 실제 개발 작업 흐름에서 산출물의 구문과 인터페이스를 확인하세요. 제작사의 함수 예제는 도구 메커니즘을 보여 줍니다. 도구를 사용하는 애플리케이션의 도구 규약에는 여전히 내부적으로 일관된 인수 이름과 반환값의 의미가 필요합니다.\n\n실질적인 제한과 유용한 결과\n\n이 체크포인트에 문서화된 입력은 텍스트입니다. 이미지, 오디오, 동영상 이해가 직접적으로 입증되는 것은 아닙니다. 관련 검사나 관찰 결과가 연결된 환경에서 실제로 반환되기 전까지, 생성된 코드와 자신감 있는 설명은 초안 산출물입니다. 유용한 결과는 제공된 저장소 조건에 연결되고, 정확한 Coder 모델의 정체성, 비사고 모드, 제작사의 생성 지침이 유지되는, 검사 가능한 구현 제안입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct는 전체 매개변수 30.5B와 활성 매개변수 3.3B를 갖춘 Qwen의 비사고 텍스트 코딩 모델입니다. 저장소 규모의 개발, 코딩, 브라우저 에이전트 작업 흐름을 대상으로 하며, 기본 262,144토큰 컨텍스트와 전용 함수 호출 형식을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
주요 특징: 저장소 규모의 코딩
Qwen3-Coder-30B-A3B-Instruct는 코딩 에이전트를 위한 지시 수행 중심 텍스트 모델입니다. Qwen은 전용 함수 호출 형식 및 Qwen Code와 같은 작업 흐름을 통한 통합과 함께 코딩, 브라우저 에이전트 활용, 저장소 규모의 이해를 문서화하고 있습니다. 입력과 출력은 텍스트입니다. 학습의 중점과 생성 지침이 다른 범용 Qwen3-30B-A3B-Instruct-2507 또는 Qwen3-Coder-Next로 대체하지 말고, 이 정확한 Coder 체크포인트를 유지하세요.
기본 컨텍스트는 262,144토큰이며, 제작사는 YaRN을 이용한 약 백만 토큰까지의 확장을 설명합니다. 큰 컨텍스트는 더 많은 저장소 근거를 한데 모을 수 있지만, 명확한 작업을 위해서는 여전히 관련 모듈, 인터페이스, 요구 사항이 필요합니다. 코드 변경을 요청하기 전에 기대하는 산출물과 관찰 가능한 동작을 제공하세요.
모델 개요
이 전문가 혼합 모델의 전체 매개변수 수는 30.5B이며, 3.3B를 활성화합니다. 계층 48개, 전문가 128개를 갖추고 토큰마다 전문가 여덟 개를 선택합니다. 전체 매개변수와 활성 매개변수는 의미가 다르며, 활성 수치가 전체 체크포인트 크기는 아닙니다. 인과 언어 모델 설정을 갖춘 텍스트 모델이며, 시각이나 음성 인터페이스가 아닙니다.
Coder-30B-A3B-Instruct는 비사고 모드만 지원하며 명시적인 사고 블록을 생성하지 않습니다. 제작사의 예제에서는 enable_thinking=False를 설정할 필요가 없습니다. 일반 텍스트로 알고리즘을 설명하거나 패치의 타당성을 설명하는 것은 여전히 가능합니다. 추론 단계를 요청하는 것을 다른 Qwen 에디션의 별도 Thinking 동작을 활성화하는 것과 혼동해서는 안 됩니다.
개발 요청 준비
관련 코드, 현재 동작을 보여 주는 입력, 관찰된 결과, 의도한 변경을 제공하세요. 알고리즘에서는 접근 방식을 묻기 전에 입력 제약 조건과 필요한 출력을 명시하세요. 저장소 수정에서는 영향을 받는 기능과 구현이 유지해야 하는 인터페이스를 명시하세요. 편집 가능한 패치나 완전한 함수를 부연 설명과 별도로 요청하세요.
유용한 응답은 진단, 제안된 변경, 검토에 필요한 검사를 체계적으로 구성할 수 있습니다. 시각적 참고 자료나 기록된 동작에 기반한 작업에서는 적절한 텍스트 표현을 제공하고, 결과를 원본과 대조할 수 있는 식별자를 유지하세요. 제안된 패치를 제공된 코드, 예상 동작, 연결된 검사가 반환한 결과와 비교하세요.
에이전트 코딩과 브라우저 작업 흐름
제작사는 도구 호출과 특별히 설계된 함수 호출 형식을 강조합니다. 연결된 에이전트 작업 흐름은 도구 설명, 입력 스키마, 관찰 결과를 제공하고 실제 작업을 수행합니다. 허용된 동작과 완료 조건을 정의한 다음, 실제 검사나 실행 결과를 모델에 돌려주어 제안한 작업을 갱신할 수 있게 하세요.
브라우저 에이전트 기능은 연결된 브라우저 도구가 있는 작업 흐름에 참여한다는 뜻이며, 사용자의 브라우저나 현재 페이지에 자동으로 접근한다는 뜻이 아닙니다. 저장소 검사와 코드 실행에도 같은 구분이 적용됩니다. 최종 보고서에서 제안된 명령, 도구 요청, 완료된 작업을 구분해야 합니다. 다른 모델의 템플릿을 서로 바꿔 쓸 수 있다고 가정하지 말고, 해당 모델 고유의 도구 형식과 파싱 레시피를 유지하세요.
긴 컨텍스트와 설정
제작사는 저장소 규모의 작업을 위해 기본 262,144토큰 컨텍스트를 YaRN으로 약 백만 토큰까지 확장하는 방식을 설명합니다. 도구 관찰 결과와 산출물을 위한 공간을 확보하면서 저장소 자료에 적합한 컨텍스트 설정을 사용하세요. 빠른 시작 문서에서는 메모리 부담으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 제안합니다.
긴 입력에서는 코드 경로, 함수 이름, 관련 정의를 유지하세요. 무관한 생성 파일이나 반복 자료를 제거하고 답변을 위한 공간을 확보하세요. 원본 텍스트, 기록, 도구 관찰 결과, 생성된 코드는 설정된 시퀀스 예산을 공유합니다. 가능한 최대 입력을 모든 의존성을 완벽하게 회상한다는 의미로 받아들여서는 안 됩니다.
생성 지침
Best Practices는 temperature 0.7, top_p 0.8, top_k 20, 반복 페널티 1.05를 권장합니다. 이 정확한 반복 페널티 권장값은 여러 다른 Qwen 모델과 다르며, 이 Coder 에디션 레시피의 일부로 유지됩니다. Qwen은 대부분의 질문에 생성 예산 65,536토큰을 권장합니다. 이는 권고 사항이며, 독립적으로 확인된 엄격한 최댓값은 아닙니다.
패치, 완전한 함수, 설명 등 출력 언어와 형식을 명시하고, 실제 개발 작업 흐름에서 산출물의 구문과 인터페이스를 확인하세요. 제작사의 함수 예제는 도구 메커니즘을 보여 줍니다. 도구를 사용하는 애플리케이션의 도구 규약에는 여전히 내부적으로 일관된 인수 이름과 반환값의 의미가 필요합니다.
실질적인 제한과 유용한 결과
이 체크포인트에 문서화된 입력은 텍스트입니다. 이미지, 오디오, 동영상 이해가 직접적으로 입증되는 것은 아닙니다. 관련 검사나 관찰 결과가 연결된 환경에서 실제로 반환되기 전까지, 생성된 코드와 자신감 있는 설명은 초안 산출물입니다. 유용한 결과는 제공된 저장소 조건에 연결되고, 정확한 Coder 모델의 정체성, 비사고 모드, 제작사의 생성 지침이 유지되는, 검사 가능한 구현 제안입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-coder-30b-a3b-instruct | 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-coder-30b-a3b-instruct", "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-coder-30b-a3b-instruct',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-coder-30b-a3b-instruct',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-coder-30b-a3b-instruct
위에 표시된 메서드 경로를 사용하세요.
qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct는 전체 매개변수 30.5B와 활성 매개변수 3.3B를 갖춘 Qwen의 비사고 텍스트 코딩 모델입니다. 저장소 규모의 개발, 코딩, 브라우저 에이전트 작업 흐름을 대상으로 하며, 기본 262,144토큰 컨텍스트와 전용 함수 호출 형식을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
주요 특징: 저장소 규모의 코딩
Qwen3-Coder-30B-A3B-Instruct는 코딩 에이전트를 위한 지시 수행 중심 텍스트 모델입니다. Qwen은 전용 함수 호출 형식 및 Qwen Code와 같은 작업 흐름을 통한 통합과 함께 코딩, 브라우저 에이전트 활용, 저장소 규모의 이해를 문서화하고 있습니다. 입력과 출력은 텍스트입니다. 학습의 중점과 생성 지침이 다른 범용 Qwen3-30B-A3B-Instruct-2507 또는 Qwen3-Coder-Next로 대체하지 말고, 이 정확한 Coder 체크포인트를 유지하세요.
기본 컨텍스트는 262,144토큰이며, 제작사는 YaRN을 이용한 약 백만 토큰까지의 확장을 설명합니다. 큰 컨텍스트는 더 많은 저장소 근거를 한데 모을 수 있지만, 명확한 작업을 위해서는 여전히 관련 모듈, 인터페이스, 요구 사항이 필요합니다. 코드 변경을 요청하기 전에 기대하는 산출물과 관찰 가능한 동작을 제공하세요.
모델 개요
이 전문가 혼합 모델의 전체 매개변수 수는 30.5B이며, 3.3B를 활성화합니다. 계층 48개, 전문가 128개를 갖추고 토큰마다 전문가 여덟 개를 선택합니다. 전체 매개변수와 활성 매개변수는 의미가 다르며, 활성 수치가 전체 체크포인트 크기는 아닙니다. 인과 언어 모델 설정을 갖춘 텍스트 모델이며, 시각이나 음성 인터페이스가 아닙니다.
Coder-30B-A3B-Instruct는 비사고 모드만 지원하며 명시적인 사고 블록을 생성하지 않습니다. 제작사의 예제에서는 enable_thinking=False를 설정할 필요가 없습니다. 일반 텍스트로 알고리즘을 설명하거나 패치의 타당성을 설명하는 것은 여전히 가능합니다. 추론 단계를 요청하는 것을 다른 Qwen 에디션의 별도 Thinking 동작을 활성화하는 것과 혼동해서는 안 됩니다.
개발 요청 준비
관련 코드, 현재 동작을 보여 주는 입력, 관찰된 결과, 의도한 변경을 제공하세요. 알고리즘에서는 접근 방식을 묻기 전에 입력 제약 조건과 필요한 출력을 명시하세요. 저장소 수정에서는 영향을 받는 기능과 구현이 유지해야 하는 인터페이스를 명시하세요. 편집 가능한 패치나 완전한 함수를 부연 설명과 별도로 요청하세요.
유용한 응답은 진단, 제안된 변경, 검토에 필요한 검사를 체계적으로 구성할 수 있습니다. 시각적 참고 자료나 기록된 동작에 기반한 작업에서는 적절한 텍스트 표현을 제공하고, 결과를 원본과 대조할 수 있는 식별자를 유지하세요. 제안된 패치를 제공된 코드, 예상 동작, 연결된 검사가 반환한 결과와 비교하세요.
에이전트 코딩과 브라우저 작업 흐름
제작사는 도구 호출과 특별히 설계된 함수 호출 형식을 강조합니다. 연결된 에이전트 작업 흐름은 도구 설명, 입력 스키마, 관찰 결과를 제공하고 실제 작업을 수행합니다. 허용된 동작과 완료 조건을 정의한 다음, 실제 검사나 실행 결과를 모델에 돌려주어 제안한 작업을 갱신할 수 있게 하세요.
브라우저 에이전트 기능은 연결된 브라우저 도구가 있는 작업 흐름에 참여한다는 뜻이며, 사용자의 브라우저나 현재 페이지에 자동으로 접근한다는 뜻이 아닙니다. 저장소 검사와 코드 실행에도 같은 구분이 적용됩니다. 최종 보고서에서 제안된 명령, 도구 요청, 완료된 작업을 구분해야 합니다. 다른 모델의 템플릿을 서로 바꿔 쓸 수 있다고 가정하지 말고, 해당 모델 고유의 도구 형식과 파싱 레시피를 유지하세요.
긴 컨텍스트와 설정
제작사는 저장소 규모의 작업을 위해 기본 262,144토큰 컨텍스트를 YaRN으로 약 백만 토큰까지 확장하는 방식을 설명합니다. 도구 관찰 결과와 산출물을 위한 공간을 확보하면서 저장소 자료에 적합한 컨텍스트 설정을 사용하세요. 빠른 시작 문서에서는 메모리 부담으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 제안합니다.
긴 입력에서는 코드 경로, 함수 이름, 관련 정의를 유지하세요. 무관한 생성 파일이나 반복 자료를 제거하고 답변을 위한 공간을 확보하세요. 원본 텍스트, 기록, 도구 관찰 결과, 생성된 코드는 설정된 시퀀스 예산을 공유합니다. 가능한 최대 입력을 모든 의존성을 완벽하게 회상한다는 의미로 받아들여서는 안 됩니다.
생성 지침
Best Practices는 temperature 0.7, top_p 0.8, top_k 20, 반복 페널티 1.05를 권장합니다. 이 정확한 반복 페널티 권장값은 여러 다른 Qwen 모델과 다르며, 이 Coder 에디션 레시피의 일부로 유지됩니다. Qwen은 대부분의 질문에 생성 예산 65,536토큰을 권장합니다. 이는 권고 사항이며, 독립적으로 확인된 엄격한 최댓값은 아닙니다.
패치, 완전한 함수, 설명 등 출력 언어와 형식을 명시하고, 실제 개발 작업 흐름에서 산출물의 구문과 인터페이스를 확인하세요. 제작사의 함수 예제는 도구 메커니즘을 보여 줍니다. 도구를 사용하는 애플리케이션의 도구 규약에는 여전히 내부적으로 일관된 인수 이름과 반환값의 의미가 필요합니다.
실질적인 제한과 유용한 결과
이 체크포인트에 문서화된 입력은 텍스트입니다. 이미지, 오디오, 동영상 이해가 직접적으로 입증되는 것은 아닙니다. 관련 검사나 관찰 결과가 연결된 환경에서 실제로 반환되기 전까지, 생성된 코드와 자신감 있는 설명은 초안 산출물입니다. 유용한 결과는 제공된 저장소 조건에 연결되고, 정확한 Coder 모델의 정체성, 비사고 모드, 제작사의 생성 지침이 유지되는, 검사 가능한 구현 제안입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-coder-30b-a3b-instruct | 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 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-coder-30b-a3b-instruct', '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-coder-30b-a3b-instruct', '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-coder-30b-a3b-instruct
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.