주요 특징: 코딩 에이전트를 위해 만든 모델
Qwen3-Coder-Next는 코딩 에이전트와 개발 작업 흐름을 위해 특별히 설계된 개방형 텍스트 모델입니다. Qwen은 장기적인 문제 해결, 복잡한 도구 사용, 실행 실패로부터의 복구와 함께 다양한 개발 스캐폴드에 대한 적응성을 설명합니다. 텍스트를 입력받고 코드, 설명, 도구 요청을 포함한 텍스트를 생성합니다. 이 정확한 Coder-Next 체크포인트에는 고유한 비사고 규약이 있으며, 더 넓은 Next 제품군의 Thinking 에디션으로 대체해서는 안 됩니다.
개발 작업에서는 관련 파일이나 발췌본, 의도한 동작, 문제를 재현하는 입력을 제공하세요. 편집 가능한 변경 사항과 해당 조건에 연결된 설명을 요청하세요. 여러 단계에 걸친 작업에서는 목표, 허용된 도구, 완료를 보여 줄 관찰 결과를 정의하세요. 제안된 코드 변경과 설명을 제공된 파일, 실패를 일으킨 입력, 완료 기준과 대조하여 검토하세요.
모델 개요
모델의 전체 매개변수 수는 80B이며, 삼십억 개를 활성화합니다. 48개 계층으로 이루어진 하이브리드 구성은 Gated DeltaNet 전문가 계층 세 개 뒤에 게이트 어텐션 전문가 계층 하나가 이어지는 패턴을 반복합니다. 제작사는 전문가 512개, 활성 전문가 열 개, 공유 전문가 한 개를 명시합니다. 적은 활성 개수는 희소 모델의 연산 특성이며, 전체 체크포인트의 크기가 아닙니다.
기본 컨텍스트는 262,144토큰입니다. 제작사의 예제는 메모리 제약으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 허용합니다. 소스 코드, 기록, 도구 관찰 결과, 생성된 텍스트는 설정된 시퀀스 예산 안에 들어가야 합니다. 카드에서는 이 체크포인트에 기본 백만 토큰 확장이 제공된다고 확정하지 않습니다.
비사고 텍스트 인터페이스 사용
Coder-Next는 비사고 모드만 지원하며 명시적인 사고 블록을 생성하지 않습니다. 제작사의 예제에서는 enable_thinking=False를 설정할 필요가 없습니다. 패치를 설명하거나, 알고리즘을 논의하거나, 일반 텍스트로 추론하는 것은 여전히 가능합니다. 비사고는 설명을 금지한다는 뜻이 아니라 출력 모드를 나타냅니다.
빠른 시작 예제는 정렬 알고리즘을 요청하고 생성 예산 65,536토큰을 사용합니다. 이 값은 예제 예산이며, 별도로 공개된 엄격한 최대 출력 길이는 아닙니다. 언어, 관련 인터페이스, 필요한 동작, 답변에 패치와 완전한 함수 또는 설명 중 무엇을 포함할지 등 산출물의 형식과 제약 조건을 명시하세요. 쉽게 검토할 수 있도록 편집 가능한 결과를 부연 설명과 분리하세요.
개발 스캐폴드와 컨텍스트
제작사는 Qwen Code를 포함한 CLI 및 IDE 형태의 에이전트 스캐폴드와의 호환성을 강조합니다. 스캐폴드는 프로젝트 상태, 도구 정의, 관찰 결과, 대화 형식을 제공합니다. 여러 단계의 작업 중에는 이러한 입력을 일관되게 유지하세요. 도구가 검사 실패를 보고하면 단순히 다시 시도하라고 지시하기보다 실제 오류와 관련 변경 코드를 제공하세요.
장기 작업에는 무엇이 관찰되었는지, 어떤 변경이 제안되었는지, 어떤 조건이 미해결 상태인지 드러나는 작업 상태가 도움이 됩니다. 도구의 관찰 결과는 생성된 텍스트 속 주장과 다릅니다. 모델의 실패 복구 능력을 명령 실행에 대한 자동 허가나 모든 복구의 성공 보장으로 받아들여서는 안 됩니다.
에이전트 코딩과 도구 호출
Qwen은 이름, 설명, 입력 스키마, 필수 필드를 갖춘 함수 형태의 도구 정의를 문서화하고 있습니다. 정확한 정의와 반환값의 예상 의미를 제공하세요. 애플리케이션이 선택된 도구를 실행하고 결과를 반환하면, 모델은 다음 단계에서 그 결과를 사용합니다. 도구 호출 자체가 파일 시스템, 최신 자료, 실행 환경에 대한 접근 권한을 부여하는 것은 아닙니다.
저장소를 편집하는 에이전트에는 허용된 파일과 요청하는 산출물의 범위를 제한하세요. 유용한 최종 보고서는 영향을 받는 모듈을 명시하고, 변경을 설명하며, 연결된 검사가 실제로 반환한 결과를 나열할 수 있습니다. 제안된 명령, 생성된 코드, 완료된 작업을 구분하세요. 이는 문서화된 개발 및 도구 범위에 기반한 실용적인 작업 흐름 예제입니다.
생성 권장 사항
제작사는 temperature 1.0, top_p 0.95, top_k 40을 권장합니다. 이 정확한 설정은 여러 대화형 Qwen 모델과 다르므로, Coder-Next 고유 레시피의 일부로 유지해야 합니다. 공개된 설정은 Qwen3-Next 인과 언어 모델 아키텍처를 사용합니다. 코딩 작업 흐름 전반에서 이 체크포인트에 문서화된 모델 이름과 채팅 템플릿을 일관되게 사용하세요.
실질적인 제한
문서화된 입력은 텍스트이므로, 스크린샷, 오디오, 동영상에는 이 코딩 작업 흐름에 앞서 적절한 별도 표현이 필요합니다. 기본 컨텍스트와 예제 생성 예산은 유한합니다. 무관한 코드를 줄이고 요청한 산출물을 위한 공간을 확보하세요. 실제 개발 작업 흐름에서 생성된 구문, 인터페이스, 경계 사례, 제안된 변경을 확인하세요. 유용한 출력은 실제 작업 근거로 뒷받침되고, 이 체크포인트의 텍스트 전용 및 비사고 정체성이 유지되는, 검사 가능한 코드나 설명 산출물입니다.
", "aboutText": "주요 특징: 코딩 에이전트를 위해 만든 모델\n\nQwen3-Coder-Next는 코딩 에이전트와 개발 작업 흐름을 위해 특별히 설계된 개방형 텍스트 모델입니다. Qwen은 장기적인 문제 해결, 복잡한 도구 사용, 실행 실패로부터의 복구와 함께 다양한 개발 스캐폴드에 대한 적응성을 설명합니다. 텍스트를 입력받고 코드, 설명, 도구 요청을 포함한 텍스트를 생성합니다. 이 정확한 Coder-Next 체크포인트에는 고유한 비사고 규약이 있으며, 더 넓은 Next 제품군의 Thinking 에디션으로 대체해서는 안 됩니다.\n\n개발 작업에서는 관련 파일이나 발췌본, 의도한 동작, 문제를 재현하는 입력을 제공하세요. 편집 가능한 변경 사항과 해당 조건에 연결된 설명을 요청하세요. 여러 단계에 걸친 작업에서는 목표, 허용된 도구, 완료를 보여 줄 관찰 결과를 정의하세요. 제안된 코드 변경과 설명을 제공된 파일, 실패를 일으킨 입력, 완료 기준과 대조하여 검토하세요.\n\n모델 개요\n\n모델의 전체 매개변수 수는 80B이며, 삼십억 개를 활성화합니다. 48개 계층으로 이루어진 하이브리드 구성은 Gated DeltaNet 전문가 계층 세 개 뒤에 게이트 어텐션 전문가 계층 하나가 이어지는 패턴을 반복합니다. 제작사는 전문가 512개, 활성 전문가 열 개, 공유 전문가 한 개를 명시합니다. 적은 활성 개수는 희소 모델의 연산 특성이며, 전체 체크포인트의 크기가 아닙니다.\n\n기본 컨텍스트는 262,144토큰입니다. 제작사의 예제는 메모리 제약으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 허용합니다. 소스 코드, 기록, 도구 관찰 결과, 생성된 텍스트는 설정된 시퀀스 예산 안에 들어가야 합니다. 카드에서는 이 체크포인트에 기본 백만 토큰 확장이 제공된다고 확정하지 않습니다.\n\n비사고 텍스트 인터페이스 사용\n\nCoder-Next는 비사고 모드만 지원하며 명시적인 사고 블록을 생성하지 않습니다. 제작사의 예제에서는 enable_thinking=False를 설정할 필요가 없습니다. 패치를 설명하거나, 알고리즘을 논의하거나, 일반 텍스트로 추론하는 것은 여전히 가능합니다. 비사고는 설명을 금지한다는 뜻이 아니라 출력 모드를 나타냅니다.\n\n빠른 시작 예제는 정렬 알고리즘을 요청하고 생성 예산 65,536토큰을 사용합니다. 이 값은 예제 예산이며, 별도로 공개된 엄격한 최대 출력 길이는 아닙니다. 언어, 관련 인터페이스, 필요한 동작, 답변에 패치와 완전한 함수 또는 설명 중 무엇을 포함할지 등 산출물의 형식과 제약 조건을 명시하세요. 쉽게 검토할 수 있도록 편집 가능한 결과를 부연 설명과 분리하세요.\n\n개발 스캐폴드와 컨텍스트\n\n제작사는 Qwen Code를 포함한 CLI 및 IDE 형태의 에이전트 스캐폴드와의 호환성을 강조합니다. 스캐폴드는 프로젝트 상태, 도구 정의, 관찰 결과, 대화 형식을 제공합니다. 여러 단계의 작업 중에는 이러한 입력을 일관되게 유지하세요. 도구가 검사 실패를 보고하면 단순히 다시 시도하라고 지시하기보다 실제 오류와 관련 변경 코드를 제공하세요.\n\n장기 작업에는 무엇이 관찰되었는지, 어떤 변경이 제안되었는지, 어떤 조건이 미해결 상태인지 드러나는 작업 상태가 도움이 됩니다. 도구의 관찰 결과는 생성된 텍스트 속 주장과 다릅니다. 모델의 실패 복구 능력을 명령 실행에 대한 자동 허가나 모든 복구의 성공 보장으로 받아들여서는 안 됩니다.\n\n에이전트 코딩과 도구 호출\n\nQwen은 이름, 설명, 입력 스키마, 필수 필드를 갖춘 함수 형태의 도구 정의를 문서화하고 있습니다. 정확한 정의와 반환값의 예상 의미를 제공하세요. 애플리케이션이 선택된 도구를 실행하고 결과를 반환하면, 모델은 다음 단계에서 그 결과를 사용합니다. 도구 호출 자체가 파일 시스템, 최신 자료, 실행 환경에 대한 접근 권한을 부여하는 것은 아닙니다.\n\n저장소를 편집하는 에이전트에는 허용된 파일과 요청하는 산출물의 범위를 제한하세요. 유용한 최종 보고서는 영향을 받는 모듈을 명시하고, 변경을 설명하며, 연결된 검사가 실제로 반환한 결과를 나열할 수 있습니다. 제안된 명령, 생성된 코드, 완료된 작업을 구분하세요. 이는 문서화된 개발 및 도구 범위에 기반한 실용적인 작업 흐름 예제입니다.\n\n생성 권장 사항\n\n제작사는 temperature 1.0, top_p 0.95, top_k 40을 권장합니다. 이 정확한 설정은 여러 대화형 Qwen 모델과 다르므로, Coder-Next 고유 레시피의 일부로 유지해야 합니다. 공개된 설정은 Qwen3-Next 인과 언어 모델 아키텍처를 사용합니다. 코딩 작업 흐름 전반에서 이 체크포인트에 문서화된 모델 이름과 채팅 템플릿을 일관되게 사용하세요.\n\n실질적인 제한\n\n문서화된 입력은 텍스트이므로, 스크린샷, 오디오, 동영상에는 이 코딩 작업 흐름에 앞서 적절한 별도 표현이 필요합니다. 기본 컨텍스트와 예제 생성 예산은 유한합니다. 무관한 코드를 줄이고 요청한 산출물을 위한 공간을 확보하세요. 실제 개발 작업 흐름에서 생성된 구문, 인터페이스, 경계 사례, 제안된 변경을 확인하세요. 유용한 출력은 실제 작업 근거로 뒷받침되고, 이 체크포인트의 텍스트 전용 및 비사고 정체성이 유지되는, 검사 가능한 코드나 설명 산출물입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Implement a stable partition helper\n\nWrite a Python function partition_even(values) returning two new lists: even integers first and odd integers second. Preserve order within each list and do not mutate values. Provide tests for negative integers, repeated values and empty input. Return the complete function separately from the explanation, with no claim that tests have been executed.A complete function, tests for the named cases and a brief order-preservation explanation.Check that each input occurrence appears exactly once in the appropriate result list and that source order is retained.qwen/qwen3-coder-nextQwen3-Coder-Next는 전체 매개변수 80B와 활성 매개변수 3B를 갖춘 Qwen의 텍스트 전용 코딩 에이전트 모델입니다. 비사고 출력, 기본 262,144토큰 컨텍스트, 도구 호출을 사용해 여러 단계의 작업과 실행 피드백을 통한 복구를 포함한 개발 작업 흐름을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
주요 특징: 코딩 에이전트를 위해 만든 모델
Qwen3-Coder-Next는 코딩 에이전트와 개발 작업 흐름을 위해 특별히 설계된 개방형 텍스트 모델입니다. Qwen은 장기적인 문제 해결, 복잡한 도구 사용, 실행 실패로부터의 복구와 함께 다양한 개발 스캐폴드에 대한 적응성을 설명합니다. 텍스트를 입력받고 코드, 설명, 도구 요청을 포함한 텍스트를 생성합니다. 이 정확한 Coder-Next 체크포인트에는 고유한 비사고 규약이 있으며, 더 넓은 Next 제품군의 Thinking 에디션으로 대체해서는 안 됩니다.
개발 작업에서는 관련 파일이나 발췌본, 의도한 동작, 문제를 재현하는 입력을 제공하세요. 편집 가능한 변경 사항과 해당 조건에 연결된 설명을 요청하세요. 여러 단계에 걸친 작업에서는 목표, 허용된 도구, 완료를 보여 줄 관찰 결과를 정의하세요. 제안된 코드 변경과 설명을 제공된 파일, 실패를 일으킨 입력, 완료 기준과 대조하여 검토하세요.
모델 개요
모델의 전체 매개변수 수는 80B이며, 삼십억 개를 활성화합니다. 48개 계층으로 이루어진 하이브리드 구성은 Gated DeltaNet 전문가 계층 세 개 뒤에 게이트 어텐션 전문가 계층 하나가 이어지는 패턴을 반복합니다. 제작사는 전문가 512개, 활성 전문가 열 개, 공유 전문가 한 개를 명시합니다. 적은 활성 개수는 희소 모델의 연산 특성이며, 전체 체크포인트의 크기가 아닙니다.
기본 컨텍스트는 262,144토큰입니다. 제작사의 예제는 메모리 제약으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 허용합니다. 소스 코드, 기록, 도구 관찰 결과, 생성된 텍스트는 설정된 시퀀스 예산 안에 들어가야 합니다. 카드에서는 이 체크포인트에 기본 백만 토큰 확장이 제공된다고 확정하지 않습니다.
비사고 텍스트 인터페이스 사용
Coder-Next는 비사고 모드만 지원하며 명시적인 사고 블록을 생성하지 않습니다. 제작사의 예제에서는 enable_thinking=False를 설정할 필요가 없습니다. 패치를 설명하거나, 알고리즘을 논의하거나, 일반 텍스트로 추론하는 것은 여전히 가능합니다. 비사고는 설명을 금지한다는 뜻이 아니라 출력 모드를 나타냅니다.
빠른 시작 예제는 정렬 알고리즘을 요청하고 생성 예산 65,536토큰을 사용합니다. 이 값은 예제 예산이며, 별도로 공개된 엄격한 최대 출력 길이는 아닙니다. 언어, 관련 인터페이스, 필요한 동작, 답변에 패치와 완전한 함수 또는 설명 중 무엇을 포함할지 등 산출물의 형식과 제약 조건을 명시하세요. 쉽게 검토할 수 있도록 편집 가능한 결과를 부연 설명과 분리하세요.
개발 스캐폴드와 컨텍스트
제작사는 Qwen Code를 포함한 CLI 및 IDE 형태의 에이전트 스캐폴드와의 호환성을 강조합니다. 스캐폴드는 프로젝트 상태, 도구 정의, 관찰 결과, 대화 형식을 제공합니다. 여러 단계의 작업 중에는 이러한 입력을 일관되게 유지하세요. 도구가 검사 실패를 보고하면 단순히 다시 시도하라고 지시하기보다 실제 오류와 관련 변경 코드를 제공하세요.
장기 작업에는 무엇이 관찰되었는지, 어떤 변경이 제안되었는지, 어떤 조건이 미해결 상태인지 드러나는 작업 상태가 도움이 됩니다. 도구의 관찰 결과는 생성된 텍스트 속 주장과 다릅니다. 모델의 실패 복구 능력을 명령 실행에 대한 자동 허가나 모든 복구의 성공 보장으로 받아들여서는 안 됩니다.
에이전트 코딩과 도구 호출
Qwen은 이름, 설명, 입력 스키마, 필수 필드를 갖춘 함수 형태의 도구 정의를 문서화하고 있습니다. 정확한 정의와 반환값의 예상 의미를 제공하세요. 애플리케이션이 선택된 도구를 실행하고 결과를 반환하면, 모델은 다음 단계에서 그 결과를 사용합니다. 도구 호출 자체가 파일 시스템, 최신 자료, 실행 환경에 대한 접근 권한을 부여하는 것은 아닙니다.
저장소를 편집하는 에이전트에는 허용된 파일과 요청하는 산출물의 범위를 제한하세요. 유용한 최종 보고서는 영향을 받는 모듈을 명시하고, 변경을 설명하며, 연결된 검사가 실제로 반환한 결과를 나열할 수 있습니다. 제안된 명령, 생성된 코드, 완료된 작업을 구분하세요. 이는 문서화된 개발 및 도구 범위에 기반한 실용적인 작업 흐름 예제입니다.
생성 권장 사항
제작사는 temperature 1.0, top_p 0.95, top_k 40을 권장합니다. 이 정확한 설정은 여러 대화형 Qwen 모델과 다르므로, Coder-Next 고유 레시피의 일부로 유지해야 합니다. 공개된 설정은 Qwen3-Next 인과 언어 모델 아키텍처를 사용합니다. 코딩 작업 흐름 전반에서 이 체크포인트에 문서화된 모델 이름과 채팅 템플릿을 일관되게 사용하세요.
실질적인 제한
문서화된 입력은 텍스트이므로, 스크린샷, 오디오, 동영상에는 이 코딩 작업 흐름에 앞서 적절한 별도 표현이 필요합니다. 기본 컨텍스트와 예제 생성 예산은 유한합니다. 무관한 코드를 줄이고 요청한 산출물을 위한 공간을 확보하세요. 실제 개발 작업 흐름에서 생성된 구문, 인터페이스, 경계 사례, 제안된 변경을 확인하세요. 유용한 출력은 실제 작업 근거로 뒷받침되고, 이 체크포인트의 텍스트 전용 및 비사고 정체성이 유지되는, 검사 가능한 코드나 설명 산출물입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-coder-next | 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 $0.0016 / 1K 토큰 입력 · 캐시 읽기 $0.00014 / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.0016 / 1K 토큰 입력 · 캐시 읽기 $0.00014 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-next", "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-next',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-next',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-next
위에 표시된 메서드 경로를 사용하세요.
qwen/qwen3-coder-nextQwen3-Coder-Next는 전체 매개변수 80B와 활성 매개변수 3B를 갖춘 Qwen의 텍스트 전용 코딩 에이전트 모델입니다. 비사고 출력, 기본 262,144토큰 컨텍스트, 도구 호출을 사용해 여러 단계의 작업과 실행 피드백을 통한 복구를 포함한 개발 작업 흐름을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
주요 특징: 코딩 에이전트를 위해 만든 모델
Qwen3-Coder-Next는 코딩 에이전트와 개발 작업 흐름을 위해 특별히 설계된 개방형 텍스트 모델입니다. Qwen은 장기적인 문제 해결, 복잡한 도구 사용, 실행 실패로부터의 복구와 함께 다양한 개발 스캐폴드에 대한 적응성을 설명합니다. 텍스트를 입력받고 코드, 설명, 도구 요청을 포함한 텍스트를 생성합니다. 이 정확한 Coder-Next 체크포인트에는 고유한 비사고 규약이 있으며, 더 넓은 Next 제품군의 Thinking 에디션으로 대체해서는 안 됩니다.
개발 작업에서는 관련 파일이나 발췌본, 의도한 동작, 문제를 재현하는 입력을 제공하세요. 편집 가능한 변경 사항과 해당 조건에 연결된 설명을 요청하세요. 여러 단계에 걸친 작업에서는 목표, 허용된 도구, 완료를 보여 줄 관찰 결과를 정의하세요. 제안된 코드 변경과 설명을 제공된 파일, 실패를 일으킨 입력, 완료 기준과 대조하여 검토하세요.
모델 개요
모델의 전체 매개변수 수는 80B이며, 삼십억 개를 활성화합니다. 48개 계층으로 이루어진 하이브리드 구성은 Gated DeltaNet 전문가 계층 세 개 뒤에 게이트 어텐션 전문가 계층 하나가 이어지는 패턴을 반복합니다. 제작사는 전문가 512개, 활성 전문가 열 개, 공유 전문가 한 개를 명시합니다. 적은 활성 개수는 희소 모델의 연산 특성이며, 전체 체크포인트의 크기가 아닙니다.
기본 컨텍스트는 262,144토큰입니다. 제작사의 예제는 메모리 제약으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 허용합니다. 소스 코드, 기록, 도구 관찰 결과, 생성된 텍스트는 설정된 시퀀스 예산 안에 들어가야 합니다. 카드에서는 이 체크포인트에 기본 백만 토큰 확장이 제공된다고 확정하지 않습니다.
비사고 텍스트 인터페이스 사용
Coder-Next는 비사고 모드만 지원하며 명시적인 사고 블록을 생성하지 않습니다. 제작사의 예제에서는 enable_thinking=False를 설정할 필요가 없습니다. 패치를 설명하거나, 알고리즘을 논의하거나, 일반 텍스트로 추론하는 것은 여전히 가능합니다. 비사고는 설명을 금지한다는 뜻이 아니라 출력 모드를 나타냅니다.
빠른 시작 예제는 정렬 알고리즘을 요청하고 생성 예산 65,536토큰을 사용합니다. 이 값은 예제 예산이며, 별도로 공개된 엄격한 최대 출력 길이는 아닙니다. 언어, 관련 인터페이스, 필요한 동작, 답변에 패치와 완전한 함수 또는 설명 중 무엇을 포함할지 등 산출물의 형식과 제약 조건을 명시하세요. 쉽게 검토할 수 있도록 편집 가능한 결과를 부연 설명과 분리하세요.
개발 스캐폴드와 컨텍스트
제작사는 Qwen Code를 포함한 CLI 및 IDE 형태의 에이전트 스캐폴드와의 호환성을 강조합니다. 스캐폴드는 프로젝트 상태, 도구 정의, 관찰 결과, 대화 형식을 제공합니다. 여러 단계의 작업 중에는 이러한 입력을 일관되게 유지하세요. 도구가 검사 실패를 보고하면 단순히 다시 시도하라고 지시하기보다 실제 오류와 관련 변경 코드를 제공하세요.
장기 작업에는 무엇이 관찰되었는지, 어떤 변경이 제안되었는지, 어떤 조건이 미해결 상태인지 드러나는 작업 상태가 도움이 됩니다. 도구의 관찰 결과는 생성된 텍스트 속 주장과 다릅니다. 모델의 실패 복구 능력을 명령 실행에 대한 자동 허가나 모든 복구의 성공 보장으로 받아들여서는 안 됩니다.
에이전트 코딩과 도구 호출
Qwen은 이름, 설명, 입력 스키마, 필수 필드를 갖춘 함수 형태의 도구 정의를 문서화하고 있습니다. 정확한 정의와 반환값의 예상 의미를 제공하세요. 애플리케이션이 선택된 도구를 실행하고 결과를 반환하면, 모델은 다음 단계에서 그 결과를 사용합니다. 도구 호출 자체가 파일 시스템, 최신 자료, 실행 환경에 대한 접근 권한을 부여하는 것은 아닙니다.
저장소를 편집하는 에이전트에는 허용된 파일과 요청하는 산출물의 범위를 제한하세요. 유용한 최종 보고서는 영향을 받는 모듈을 명시하고, 변경을 설명하며, 연결된 검사가 실제로 반환한 결과를 나열할 수 있습니다. 제안된 명령, 생성된 코드, 완료된 작업을 구분하세요. 이는 문서화된 개발 및 도구 범위에 기반한 실용적인 작업 흐름 예제입니다.
생성 권장 사항
제작사는 temperature 1.0, top_p 0.95, top_k 40을 권장합니다. 이 정확한 설정은 여러 대화형 Qwen 모델과 다르므로, Coder-Next 고유 레시피의 일부로 유지해야 합니다. 공개된 설정은 Qwen3-Next 인과 언어 모델 아키텍처를 사용합니다. 코딩 작업 흐름 전반에서 이 체크포인트에 문서화된 모델 이름과 채팅 템플릿을 일관되게 사용하세요.
실질적인 제한
문서화된 입력은 텍스트이므로, 스크린샷, 오디오, 동영상에는 이 코딩 작업 흐름에 앞서 적절한 별도 표현이 필요합니다. 기본 컨텍스트와 예제 생성 예산은 유한합니다. 무관한 코드를 줄이고 요청한 산출물을 위한 공간을 확보하세요. 실제 개발 작업 흐름에서 생성된 구문, 인터페이스, 경계 사례, 제안된 변경을 확인하세요. 유용한 출력은 실제 작업 근거로 뒷받침되고, 이 체크포인트의 텍스트 전용 및 비사고 정체성이 유지되는, 검사 가능한 코드나 설명 산출물입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-coder-next | 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 $0.0016 / 1K 토큰 입력 · 캐시 읽기 $0.00014 / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.0016 / 1K 토큰 입력 · 캐시 읽기 $0.00014 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen/qwen3-coder-next",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-next', '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-next', '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-next
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Implement a stable partition helper\n\nWrite a Python function partition_even(values) returning two new lists: even integers first and odd integers second. Preserve order within each list and do not mutate values. Provide tests for negative integers, repeated values and empty input. Return the complete function separately from the explanation, with no claim that tests have been executed.A complete function, tests for the named cases and a brief order-preservation explanation.Check that each input occurrence appears exactly once in the appropriate result list and that source order is retained.