Qwen3-Next의 특징: 직접적인 텍스트 지시
Qwen3-Next-80B-A3B-Instruct는 Qwen3-Next의 지시 수행용 비사고 텍스트 에디션입니다. 텍스트를 입력받고, 설명, 코드 제안, 요청한 문서 산출물을 포함한 텍스트를 반환합니다. 명시적인 사고 블록은 생성하지 않습니다. Thinking 에디션 및 코딩 특화 Qwen3-Coder-Next와 구분하세요. 제품군 아키텍처를 공유한다고 해서 응답 규약을 서로 바꿔 적용할 수 있는 것은 아닙니다.
이 제품군은 Gated DeltaNet과 게이트 어텐션을 결합한 하이브리드 어텐션, 높은 희소성의 전문가, 영 중심 및 가중치 감쇠 계층 정규화를 포함한 안정화 최적화, 다중 토큰 예측을 도입합니다. 이러한 변경은 긴 시퀀스의 표현과 학습을 다룹니다. 추론 효율은 구현에 따라 달라지므로 아키텍처 수치를 고정된 지연 시간이나 처리량 보장으로 받아들여서는 안 됩니다.
모델 개요
체크포인트의 전체 매개변수 수는 80B이며, 삼십억 개를 활성화합니다. DeltaNet 세 개와 게이트 어텐션 하나로 이루어진 전문가 패턴을 반복하는 48개 계층을 갖습니다. 제작사는 전문가 512개, 활성 전문가 열 개, 공유 전문가 한 개를 명시하며, 15조 토큰으로 사전 학습한 뒤 사후 학습을 수행합니다. 활성 매개변수 수는 전체 체크포인트의 크기가 아닙니다.
기본 컨텍스트는 262,144토큰이며, 문서화된 확장 크기는 1,010,000입니다. 제작사의 배포 예제는 자원 제약으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 허용합니다. 텍스트, 대화 기록, 도구 관찰 결과, 생성된 콘텐츠는 설정된 시퀀스 예산을 공유합니다. 확장은 기본적으로 무제한 입력을 제공하는 것이 아니라 추가적인 설정 경로입니다.
지시 수행 인터페이스 사용
이 모델은 지시 수행용 비사고 모드만 지원합니다. 별도의 사고 블록을 생성하지 않고 일반 텍스트로 알고리즘을 설명하거나, 계산을 보여 주거나, 결론의 타당성을 설명할 수 있습니다. 완전한 함수, 간결한 보고서, 근거 표, 풀이 단계를 곁들인 답변 등 산출물의 형식과 범위를 요청하세요. 긴 설명을 요청해도 별도로 명명된 Thinking 체크포인트로 바뀌지는 않습니다.
문서 작업에서는 섹션 식별자를 유지하고 보고서가 답해야 할 질문을 정의하세요. 코드에서는 관련 함수나 모듈, 입력 제약 조건, 예상 출력을 제공하세요. 수학에서는 문제 전체를 제시하고 범위가 구분된 최종 결과를 요청하세요. 반환된 계산, 코드, 설명을 제공된 조건 및 실제 결과와 대조하세요.
구현과 도구
제작사는 도구 호출을 문서화하고 있으며, 설정된 도구나 MCP 연결 도구와 함께 템플릿 및 파싱에 Qwen-Agent를 사용하도록 권장합니다. 연결된 작업 흐름은 검색, 검사, 허용된 실행을 제공하고 실제 관찰 결과를 반환할 수 있습니다. 도구, 허용된 동작, 눈으로 확인할 수 있는 완료 조건을 명시한 다음, 최종 보고서에서 제안과 실제 반환 결과를 구분하도록 요청하세요.
다중 토큰 예측은 학습의 일부이지만, 추론에서의 사용 여부는 구현에 따라 달라지며 모든 경량 작업 흐름에서 일반적으로 제공되지는 않습니다. 템플릿이나 아키텍처 기능 자체가 최신 자료, 파일, 코드 환경에 대한 접근을 입증하지는 않습니다. 선택한 인터페이스에서 사용하는 정확한 모델과 대화 형식을 유지하세요.
초장문 텍스트
제작사는 YaRN으로 약 백만 토큰의 컨텍스트를 검증하고, 기본 위치 수 262,144를 바탕으로 네 배 확장 레시피를 제공합니다. 524,288토큰 작업에는 두 배를 권장합니다. 정적 스케일링은 짧은 텍스트의 성능을 낮출 수 있으므로, 설정은 더 긴 입력이 실제로 필요한지에 맞춰야 합니다.
긴 자료를 문서, 코드 경로, 섹션별로 정리하고 무관한 반복을 제거하세요. 답변에서 근거가 되는 구절이나 조건을 명시하도록 요청하세요. 가장 큰 컨텍스트 수치를 제공된 모든 세부 사항의 완전한 회상으로 받아들이기보다 응답을 위한 공간을 확보하세요. 공개된 확장 수치 1,010,000과 약 백만 토큰에 대한 검증은 제작사의 장문 컨텍스트 작업 흐름 범위에 해당합니다.
생성 지침
Best Practices는 temperature 0.7, top_p 0.8, top_k 20, min_p 0을 권장합니다. 지원되는 경우 영에서 이 사이의 존재 페널티는 반복 텍스트를 줄일 수 있지만, 값이 높으면 언어가 섞이거나 품질이 조금 낮아질 수 있습니다. 제작사는 대부분의 질문에 출력 예산 16,384토큰을 권장합니다. 이는 권장 생성 예산이며 독립적인 엄격한 최댓값이 아닙니다. Thinking 에디션의 더 긴 예산을 그대로 적용해서는 안 됩니다.
수학적 구분자나 답변 필드처럼 결과 형식을 명시적으로 지정하세요. 최종 산출물을 쉽게 검사할 수 있도록 구성하고, 계산, 인용문, 코드를 원본과 대조하여 검증하세요. 이 텍스트 전용 에디션은 이미지, 오디오, 동영상 자체를 입력으로 받지 않으므로, 해당 자료가 작업의 근거가 되려면 적절한 별도 표현이 필요합니다.
실질적인 결과
유용한 출력은 제공된 조건에 기반한 구체적인 텍스트 산출물입니다. 문서 설명, 코드 제안, 필요한 뒷받침 내용을 갖춘 직접적인 답변 등이 해당합니다. 긴 컨텍스트와 도구 호출은 작업 흐름에서 더 많은 근거를 전달하는 데 도움이 되며, 비사고 규약은 이 정확한 에디션의 출력 스타일을 명확히 유지합니다. 길이나 자신감 있는 표현에서 정확성을 추론하지 말고 실제 작업 환경에서 결과를 확인하세요.
", "aboutText": "Qwen3-Next의 특징: 직접적인 텍스트 지시\n\nQwen3-Next-80B-A3B-Instruct는 Qwen3-Next의 지시 수행용 비사고 텍스트 에디션입니다. 텍스트를 입력받고, 설명, 코드 제안, 요청한 문서 산출물을 포함한 텍스트를 반환합니다. 명시적인 사고 블록은 생성하지 않습니다. Thinking 에디션 및 코딩 특화 Qwen3-Coder-Next와 구분하세요. 제품군 아키텍처를 공유한다고 해서 응답 규약을 서로 바꿔 적용할 수 있는 것은 아닙니다.\n\n이 제품군은 Gated DeltaNet과 게이트 어텐션을 결합한 하이브리드 어텐션, 높은 희소성의 전문가, 영 중심 및 가중치 감쇠 계층 정규화를 포함한 안정화 최적화, 다중 토큰 예측을 도입합니다. 이러한 변경은 긴 시퀀스의 표현과 학습을 다룹니다. 추론 효율은 구현에 따라 달라지므로 아키텍처 수치를 고정된 지연 시간이나 처리량 보장으로 받아들여서는 안 됩니다.\n\n모델 개요\n\n체크포인트의 전체 매개변수 수는 80B이며, 삼십억 개를 활성화합니다. DeltaNet 세 개와 게이트 어텐션 하나로 이루어진 전문가 패턴을 반복하는 48개 계층을 갖습니다. 제작사는 전문가 512개, 활성 전문가 열 개, 공유 전문가 한 개를 명시하며, 15조 토큰으로 사전 학습한 뒤 사후 학습을 수행합니다. 활성 매개변수 수는 전체 체크포인트의 크기가 아닙니다.\n\n기본 컨텍스트는 262,144토큰이며, 문서화된 확장 크기는 1,010,000입니다. 제작사의 배포 예제는 자원 제약으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 허용합니다. 텍스트, 대화 기록, 도구 관찰 결과, 생성된 콘텐츠는 설정된 시퀀스 예산을 공유합니다. 확장은 기본적으로 무제한 입력을 제공하는 것이 아니라 추가적인 설정 경로입니다.\n\n지시 수행 인터페이스 사용\n\n이 모델은 지시 수행용 비사고 모드만 지원합니다. 별도의 사고 블록을 생성하지 않고 일반 텍스트로 알고리즘을 설명하거나, 계산을 보여 주거나, 결론의 타당성을 설명할 수 있습니다. 완전한 함수, 간결한 보고서, 근거 표, 풀이 단계를 곁들인 답변 등 산출물의 형식과 범위를 요청하세요. 긴 설명을 요청해도 별도로 명명된 Thinking 체크포인트로 바뀌지는 않습니다.\n\n문서 작업에서는 섹션 식별자를 유지하고 보고서가 답해야 할 질문을 정의하세요. 코드에서는 관련 함수나 모듈, 입력 제약 조건, 예상 출력을 제공하세요. 수학에서는 문제 전체를 제시하고 범위가 구분된 최종 결과를 요청하세요. 반환된 계산, 코드, 설명을 제공된 조건 및 실제 결과와 대조하세요.\n\n구현과 도구\n\n제작사는 도구 호출을 문서화하고 있으며, 설정된 도구나 MCP 연결 도구와 함께 템플릿 및 파싱에 Qwen-Agent를 사용하도록 권장합니다. 연결된 작업 흐름은 검색, 검사, 허용된 실행을 제공하고 실제 관찰 결과를 반환할 수 있습니다. 도구, 허용된 동작, 눈으로 확인할 수 있는 완료 조건을 명시한 다음, 최종 보고서에서 제안과 실제 반환 결과를 구분하도록 요청하세요.\n\n다중 토큰 예측은 학습의 일부이지만, 추론에서의 사용 여부는 구현에 따라 달라지며 모든 경량 작업 흐름에서 일반적으로 제공되지는 않습니다. 템플릿이나 아키텍처 기능 자체가 최신 자료, 파일, 코드 환경에 대한 접근을 입증하지는 않습니다. 선택한 인터페이스에서 사용하는 정확한 모델과 대화 형식을 유지하세요.\n\n초장문 텍스트\n\n제작사는 YaRN으로 약 백만 토큰의 컨텍스트를 검증하고, 기본 위치 수 262,144를 바탕으로 네 배 확장 레시피를 제공합니다. 524,288토큰 작업에는 두 배를 권장합니다. 정적 스케일링은 짧은 텍스트의 성능을 낮출 수 있으므로, 설정은 더 긴 입력이 실제로 필요한지에 맞춰야 합니다.\n\n긴 자료를 문서, 코드 경로, 섹션별로 정리하고 무관한 반복을 제거하세요. 답변에서 근거가 되는 구절이나 조건을 명시하도록 요청하세요. 가장 큰 컨텍스트 수치를 제공된 모든 세부 사항의 완전한 회상으로 받아들이기보다 응답을 위한 공간을 확보하세요. 공개된 확장 수치 1,010,000과 약 백만 토큰에 대한 검증은 제작사의 장문 컨텍스트 작업 흐름 범위에 해당합니다.\n\n생성 지침\n\nBest Practices는 temperature 0.7, top_p 0.8, top_k 20, min_p 0을 권장합니다. 지원되는 경우 영에서 이 사이의 존재 페널티는 반복 텍스트를 줄일 수 있지만, 값이 높으면 언어가 섞이거나 품질이 조금 낮아질 수 있습니다. 제작사는 대부분의 질문에 출력 예산 16,384토큰을 권장합니다. 이는 권장 생성 예산이며 독립적인 엄격한 최댓값이 아닙니다. Thinking 에디션의 더 긴 예산을 그대로 적용해서는 안 됩니다.\n\n수학적 구분자나 답변 필드처럼 결과 형식을 명시적으로 지정하세요. 최종 산출물을 쉽게 검사할 수 있도록 구성하고, 계산, 인용문, 코드를 원본과 대조하여 검증하세요. 이 텍스트 전용 에디션은 이미지, 오디오, 동영상 자체를 입력으로 받지 않으므로, 해당 자료가 작업의 근거가 되려면 적절한 별도 표현이 필요합니다.\n\n실질적인 결과\n\n유용한 출력은 제공된 조건에 기반한 구체적인 텍스트 산출물입니다. 문서 설명, 코드 제안, 필요한 뒷받침 내용을 갖춘 직접적인 답변 등이 해당합니다. 긴 컨텍스트와 도구 호출은 작업 흐름에서 더 많은 근거를 전달하는 데 도움이 되며, 비사고 규약은 이 정확한 에디션의 출력 스타일을 명확히 유지합니다. 길이나 자신감 있는 표현에서 정확성을 추론하지 말고 실제 작업 환경에서 결과를 확인하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Explain a section-specific decision\n\nAnswer only from these procedure sections. Section 2: standard purchases need a manager's approval. Section 4: emergency safety purchases may proceed first, but must be reported to that manager within one day. Case: a broken emergency exit light needs replacement today. Give a concise recommendation with section references and identify the follow-up obligation. Do not invent an approval already granted.A direct recommendation with supporting sections and the one-day reporting obligation.The emergency exception retains its reporting condition and is not generalised to all purchases.qwen/qwen3-next-80b-a3b-instructQwen3-Next-80B-A3B-Instruct는 전체 매개변수 80B와 활성 매개변수 3B를 갖춘 Qwen의 비사고 텍스트 에디션입니다. 하이브리드 어텐션, 희소 전문가, 도구 호출을 결합하며, 기본 262,144토큰 컨텍스트를 설정을 통해 1,010,000까지 확장할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3-Next의 특징: 직접적인 텍스트 지시
Qwen3-Next-80B-A3B-Instruct는 Qwen3-Next의 지시 수행용 비사고 텍스트 에디션입니다. 텍스트를 입력받고, 설명, 코드 제안, 요청한 문서 산출물을 포함한 텍스트를 반환합니다. 명시적인 사고 블록은 생성하지 않습니다. Thinking 에디션 및 코딩 특화 Qwen3-Coder-Next와 구분하세요. 제품군 아키텍처를 공유한다고 해서 응답 규약을 서로 바꿔 적용할 수 있는 것은 아닙니다.
이 제품군은 Gated DeltaNet과 게이트 어텐션을 결합한 하이브리드 어텐션, 높은 희소성의 전문가, 영 중심 및 가중치 감쇠 계층 정규화를 포함한 안정화 최적화, 다중 토큰 예측을 도입합니다. 이러한 변경은 긴 시퀀스의 표현과 학습을 다룹니다. 추론 효율은 구현에 따라 달라지므로 아키텍처 수치를 고정된 지연 시간이나 처리량 보장으로 받아들여서는 안 됩니다.
모델 개요
체크포인트의 전체 매개변수 수는 80B이며, 삼십억 개를 활성화합니다. DeltaNet 세 개와 게이트 어텐션 하나로 이루어진 전문가 패턴을 반복하는 48개 계층을 갖습니다. 제작사는 전문가 512개, 활성 전문가 열 개, 공유 전문가 한 개를 명시하며, 15조 토큰으로 사전 학습한 뒤 사후 학습을 수행합니다. 활성 매개변수 수는 전체 체크포인트의 크기가 아닙니다.
기본 컨텍스트는 262,144토큰이며, 문서화된 확장 크기는 1,010,000입니다. 제작사의 배포 예제는 자원 제약으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 허용합니다. 텍스트, 대화 기록, 도구 관찰 결과, 생성된 콘텐츠는 설정된 시퀀스 예산을 공유합니다. 확장은 기본적으로 무제한 입력을 제공하는 것이 아니라 추가적인 설정 경로입니다.
지시 수행 인터페이스 사용
이 모델은 지시 수행용 비사고 모드만 지원합니다. 별도의 사고 블록을 생성하지 않고 일반 텍스트로 알고리즘을 설명하거나, 계산을 보여 주거나, 결론의 타당성을 설명할 수 있습니다. 완전한 함수, 간결한 보고서, 근거 표, 풀이 단계를 곁들인 답변 등 산출물의 형식과 범위를 요청하세요. 긴 설명을 요청해도 별도로 명명된 Thinking 체크포인트로 바뀌지는 않습니다.
문서 작업에서는 섹션 식별자를 유지하고 보고서가 답해야 할 질문을 정의하세요. 코드에서는 관련 함수나 모듈, 입력 제약 조건, 예상 출력을 제공하세요. 수학에서는 문제 전체를 제시하고 범위가 구분된 최종 결과를 요청하세요. 반환된 계산, 코드, 설명을 제공된 조건 및 실제 결과와 대조하세요.
구현과 도구
제작사는 도구 호출을 문서화하고 있으며, 설정된 도구나 MCP 연결 도구와 함께 템플릿 및 파싱에 Qwen-Agent를 사용하도록 권장합니다. 연결된 작업 흐름은 검색, 검사, 허용된 실행을 제공하고 실제 관찰 결과를 반환할 수 있습니다. 도구, 허용된 동작, 눈으로 확인할 수 있는 완료 조건을 명시한 다음, 최종 보고서에서 제안과 실제 반환 결과를 구분하도록 요청하세요.
다중 토큰 예측은 학습의 일부이지만, 추론에서의 사용 여부는 구현에 따라 달라지며 모든 경량 작업 흐름에서 일반적으로 제공되지는 않습니다. 템플릿이나 아키텍처 기능 자체가 최신 자료, 파일, 코드 환경에 대한 접근을 입증하지는 않습니다. 선택한 인터페이스에서 사용하는 정확한 모델과 대화 형식을 유지하세요.
초장문 텍스트
제작사는 YaRN으로 약 백만 토큰의 컨텍스트를 검증하고, 기본 위치 수 262,144를 바탕으로 네 배 확장 레시피를 제공합니다. 524,288토큰 작업에는 두 배를 권장합니다. 정적 스케일링은 짧은 텍스트의 성능을 낮출 수 있으므로, 설정은 더 긴 입력이 실제로 필요한지에 맞춰야 합니다.
긴 자료를 문서, 코드 경로, 섹션별로 정리하고 무관한 반복을 제거하세요. 답변에서 근거가 되는 구절이나 조건을 명시하도록 요청하세요. 가장 큰 컨텍스트 수치를 제공된 모든 세부 사항의 완전한 회상으로 받아들이기보다 응답을 위한 공간을 확보하세요. 공개된 확장 수치 1,010,000과 약 백만 토큰에 대한 검증은 제작사의 장문 컨텍스트 작업 흐름 범위에 해당합니다.
생성 지침
Best Practices는 temperature 0.7, top_p 0.8, top_k 20, min_p 0을 권장합니다. 지원되는 경우 영에서 이 사이의 존재 페널티는 반복 텍스트를 줄일 수 있지만, 값이 높으면 언어가 섞이거나 품질이 조금 낮아질 수 있습니다. 제작사는 대부분의 질문에 출력 예산 16,384토큰을 권장합니다. 이는 권장 생성 예산이며 독립적인 엄격한 최댓값이 아닙니다. Thinking 에디션의 더 긴 예산을 그대로 적용해서는 안 됩니다.
수학적 구분자나 답변 필드처럼 결과 형식을 명시적으로 지정하세요. 최종 산출물을 쉽게 검사할 수 있도록 구성하고, 계산, 인용문, 코드를 원본과 대조하여 검증하세요. 이 텍스트 전용 에디션은 이미지, 오디오, 동영상 자체를 입력으로 받지 않으므로, 해당 자료가 작업의 근거가 되려면 적절한 별도 표현이 필요합니다.
실질적인 결과
유용한 출력은 제공된 조건에 기반한 구체적인 텍스트 산출물입니다. 문서 설명, 코드 제안, 필요한 뒷받침 내용을 갖춘 직접적인 답변 등이 해당합니다. 긴 컨텍스트와 도구 호출은 작업 흐름에서 더 많은 근거를 전달하는 데 도움이 되며, 비사고 규약은 이 정확한 에디션의 출력 스타일을 명확히 유지합니다. 길이나 자신감 있는 표현에서 정확성을 추론하지 말고 실제 작업 환경에서 결과를 확인하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-next-80b-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 $0.000286 / 1K 토큰 출력 · 출력 토큰 $0.0022 / 1K 토큰 입력 · 캐시 읽기 $0.00014 / 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 $0.000286 / 1K 토큰 출력 · 출력 토큰 $0.0022 / 1K 토큰 입력 · 캐시 읽기 $0.00014 / 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-next-80b-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-next-80b-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-next-80b-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-next-80b-a3b-instruct
위에 표시된 메서드 경로를 사용하세요.
qwen/qwen3-next-80b-a3b-instructQwen3-Next-80B-A3B-Instruct는 전체 매개변수 80B와 활성 매개변수 3B를 갖춘 Qwen의 비사고 텍스트 에디션입니다. 하이브리드 어텐션, 희소 전문가, 도구 호출을 결합하며, 기본 262,144토큰 컨텍스트를 설정을 통해 1,010,000까지 확장할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3-Next의 특징: 직접적인 텍스트 지시
Qwen3-Next-80B-A3B-Instruct는 Qwen3-Next의 지시 수행용 비사고 텍스트 에디션입니다. 텍스트를 입력받고, 설명, 코드 제안, 요청한 문서 산출물을 포함한 텍스트를 반환합니다. 명시적인 사고 블록은 생성하지 않습니다. Thinking 에디션 및 코딩 특화 Qwen3-Coder-Next와 구분하세요. 제품군 아키텍처를 공유한다고 해서 응답 규약을 서로 바꿔 적용할 수 있는 것은 아닙니다.
이 제품군은 Gated DeltaNet과 게이트 어텐션을 결합한 하이브리드 어텐션, 높은 희소성의 전문가, 영 중심 및 가중치 감쇠 계층 정규화를 포함한 안정화 최적화, 다중 토큰 예측을 도입합니다. 이러한 변경은 긴 시퀀스의 표현과 학습을 다룹니다. 추론 효율은 구현에 따라 달라지므로 아키텍처 수치를 고정된 지연 시간이나 처리량 보장으로 받아들여서는 안 됩니다.
모델 개요
체크포인트의 전체 매개변수 수는 80B이며, 삼십억 개를 활성화합니다. DeltaNet 세 개와 게이트 어텐션 하나로 이루어진 전문가 패턴을 반복하는 48개 계층을 갖습니다. 제작사는 전문가 512개, 활성 전문가 열 개, 공유 전문가 한 개를 명시하며, 15조 토큰으로 사전 학습한 뒤 사후 학습을 수행합니다. 활성 매개변수 수는 전체 체크포인트의 크기가 아닙니다.
기본 컨텍스트는 262,144토큰이며, 문서화된 확장 크기는 1,010,000입니다. 제작사의 배포 예제는 자원 제약으로 더 큰 설정이 작동하지 않을 때 32,768과 같은 작은 컨텍스트도 허용합니다. 텍스트, 대화 기록, 도구 관찰 결과, 생성된 콘텐츠는 설정된 시퀀스 예산을 공유합니다. 확장은 기본적으로 무제한 입력을 제공하는 것이 아니라 추가적인 설정 경로입니다.
지시 수행 인터페이스 사용
이 모델은 지시 수행용 비사고 모드만 지원합니다. 별도의 사고 블록을 생성하지 않고 일반 텍스트로 알고리즘을 설명하거나, 계산을 보여 주거나, 결론의 타당성을 설명할 수 있습니다. 완전한 함수, 간결한 보고서, 근거 표, 풀이 단계를 곁들인 답변 등 산출물의 형식과 범위를 요청하세요. 긴 설명을 요청해도 별도로 명명된 Thinking 체크포인트로 바뀌지는 않습니다.
문서 작업에서는 섹션 식별자를 유지하고 보고서가 답해야 할 질문을 정의하세요. 코드에서는 관련 함수나 모듈, 입력 제약 조건, 예상 출력을 제공하세요. 수학에서는 문제 전체를 제시하고 범위가 구분된 최종 결과를 요청하세요. 반환된 계산, 코드, 설명을 제공된 조건 및 실제 결과와 대조하세요.
구현과 도구
제작사는 도구 호출을 문서화하고 있으며, 설정된 도구나 MCP 연결 도구와 함께 템플릿 및 파싱에 Qwen-Agent를 사용하도록 권장합니다. 연결된 작업 흐름은 검색, 검사, 허용된 실행을 제공하고 실제 관찰 결과를 반환할 수 있습니다. 도구, 허용된 동작, 눈으로 확인할 수 있는 완료 조건을 명시한 다음, 최종 보고서에서 제안과 실제 반환 결과를 구분하도록 요청하세요.
다중 토큰 예측은 학습의 일부이지만, 추론에서의 사용 여부는 구현에 따라 달라지며 모든 경량 작업 흐름에서 일반적으로 제공되지는 않습니다. 템플릿이나 아키텍처 기능 자체가 최신 자료, 파일, 코드 환경에 대한 접근을 입증하지는 않습니다. 선택한 인터페이스에서 사용하는 정확한 모델과 대화 형식을 유지하세요.
초장문 텍스트
제작사는 YaRN으로 약 백만 토큰의 컨텍스트를 검증하고, 기본 위치 수 262,144를 바탕으로 네 배 확장 레시피를 제공합니다. 524,288토큰 작업에는 두 배를 권장합니다. 정적 스케일링은 짧은 텍스트의 성능을 낮출 수 있으므로, 설정은 더 긴 입력이 실제로 필요한지에 맞춰야 합니다.
긴 자료를 문서, 코드 경로, 섹션별로 정리하고 무관한 반복을 제거하세요. 답변에서 근거가 되는 구절이나 조건을 명시하도록 요청하세요. 가장 큰 컨텍스트 수치를 제공된 모든 세부 사항의 완전한 회상으로 받아들이기보다 응답을 위한 공간을 확보하세요. 공개된 확장 수치 1,010,000과 약 백만 토큰에 대한 검증은 제작사의 장문 컨텍스트 작업 흐름 범위에 해당합니다.
생성 지침
Best Practices는 temperature 0.7, top_p 0.8, top_k 20, min_p 0을 권장합니다. 지원되는 경우 영에서 이 사이의 존재 페널티는 반복 텍스트를 줄일 수 있지만, 값이 높으면 언어가 섞이거나 품질이 조금 낮아질 수 있습니다. 제작사는 대부분의 질문에 출력 예산 16,384토큰을 권장합니다. 이는 권장 생성 예산이며 독립적인 엄격한 최댓값이 아닙니다. Thinking 에디션의 더 긴 예산을 그대로 적용해서는 안 됩니다.
수학적 구분자나 답변 필드처럼 결과 형식을 명시적으로 지정하세요. 최종 산출물을 쉽게 검사할 수 있도록 구성하고, 계산, 인용문, 코드를 원본과 대조하여 검증하세요. 이 텍스트 전용 에디션은 이미지, 오디오, 동영상 자체를 입력으로 받지 않으므로, 해당 자료가 작업의 근거가 되려면 적절한 별도 표현이 필요합니다.
실질적인 결과
유용한 출력은 제공된 조건에 기반한 구체적인 텍스트 산출물입니다. 문서 설명, 코드 제안, 필요한 뒷받침 내용을 갖춘 직접적인 답변 등이 해당합니다. 긴 컨텍스트와 도구 호출은 작업 흐름에서 더 많은 근거를 전달하는 데 도움이 되며, 비사고 규약은 이 정확한 에디션의 출력 스타일을 명확히 유지합니다. 길이나 자신감 있는 표현에서 정확성을 추론하지 말고 실제 작업 환경에서 결과를 확인하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-next-80b-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 $0.000286 / 1K 토큰 출력 · 출력 토큰 $0.0022 / 1K 토큰 입력 · 캐시 읽기 $0.00014 / 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 $0.000286 / 1K 토큰 출력 · 출력 토큰 $0.0022 / 1K 토큰 입력 · 캐시 읽기 $0.00014 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen/qwen3-next-80b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-next-80b-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-next-80b-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-next-80b-a3b-instruct
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Explain a section-specific decision\n\nAnswer only from these procedure sections. Section 2: standard purchases need a manager's approval. Section 4: emergency safety purchases may proceed first, but must be reported to that manager within one day. Case: a broken emergency exit light needs replacement today. Give a concise recommendation with section references and identify the follow-up obligation. Do not invent an approval already granted.A direct recommendation with supporting sections and the one-day reporting obligation.The emergency exception retains its reporting condition and is not generalised to all purchases.