Qwen3-1.7B는 작은 밀집 언어 모델에서 직접 답변과 추론을 결합합니다. 제조사는 지시 이행, 창의적 글쓰기, 역할 기반 대화, 수학, 논리 문제, 코드를 설명하며, 지원 언어와 방언은 100개가 넘습니다. 텍스트를 입력받고 텍스트를 생성합니다. 첫 작업으로는 짧은 고객 메시지를 정중한 답변으로 바꾸기, 특정 독자에게 용어를 설명하기, 회의 메모를 실행 목록으로 변환하기처럼 세밀하게 지정된 변환이 유용합니다.
이 정확한 릴리스는 임베딩 외부의 1.4B 개를 포함해 1.7B 파라미터와 28개 레이어를 갖습니다. 그룹화된 쿼리 어텐션은 쿼리 헤드 16개와 키/값 헤드 8개를 사용합니다. 자체 모델 카드에는 컨텍스트 길이 32,768토큰이 명시되어 있습니다. 이는 이 에디션에 문서화된 창이며, 다른 Qwen3 크기의 더 큰 컨텍스트 수치는 해당 별도 카드에 연결해 두어야 합니다. 원문, 지시, 대화 기록, 요청 답변을 관련 시퀀스 예산 안에 유지하세요. 답변 어시스턴트에는 무관한 전체 서신 보관함 대신 수신 메시지, 확인된 배경 사실, 독자, 원하는 길이를 제공하세요.
제조사의 빠른 시작은 모델의 채팅 템플릿으로 대화 형식을 구성합니다. 원본과 대조할 수 있는 작고 완결된 작업을 준비하세요. 실행 목록 예시에서는 이름, 날짜, 결정이 담긴 메모를 제공하고 작업당 항목 하나를 요청하며, 담당자가 명시되지 않았으면 명시적인 미상 값을 쓰게 하세요. 프로그래밍 예시에서는 함수 하나와 대표 입력을 제공하고 결과를 결정하는 분기를 설명하도록 요청하세요. 반환 설명은 가상의 동작을 도입하는 대신 실제 변수와 조건을 참조해야 합니다. 공개된 통합 방식에는 Qwen3를 인식하는 런타임이 필요합니다. 카드는 4.51.0 미만의 Transformers 버전이 필요한 아키텍처를 인식하지 못한다고 경고합니다.
제공된 템플릿에서는 사고가 기본적으로 활성화됩니다. 하드 스위치는 추론 구역 없는 비사고 출력을 선택합니다. 사고가 활성화된 상태에서 /think와 /no_think는 턴별 지시로 작동하며 가장 최근 지시가 선택을 제어하지만, 하드 비활성화된 모드는 덮어쓸 수 없습니다. 짧은 문장 수정에는 직접 응답 설정을, 여러 조건을 조정해야 하는 답변에는 추론 설정을 사용하세요. 중간 추론과 최종 응답을 분리하고 이후 대화 기록에는 최종 응답을 유지하세요. 사고가 활성화되어 있으면 소프트 방식의 비사고 요청에도 추론 블록이 유지되며 내용은 비어 있을 수 있습니다. 하드 비활성화는 그 블록을 제거합니다.
에이전트 활용은 공개된 기능 집합에 포함됩니다. 제조사는 도구 형식과 파싱에 Qwen-Agent를 권장하며, 도구는 애플리케이션이 제공하고 실행합니다. 범위가 좁은 어시스턴트는 제품 용어의 사전 조회를 요청하고, 확인된 정의를 받은 뒤, 사용자의 문장을 다시 쓸 수 있습니다. 허용 인수와 반환 필드를 정의하고 결과를 사용하기 전에 둘 다 확인하세요. 최종 텍스트에서는 제공된 사실, 반환된 정보, 미해결 질문을 구분해야 합니다. Qwen3 가이드는 인수를 객체로 표현하고 결과를 대화에 다시 제공하는 병렬 및 다단계 도구 호출도 설명합니다.
출력 예산은 전체 작업에 맞아야 합니다. 모델 카드는 생성 예제와 출력 길이 권장사항을 제공하며, 이는 입증된 서비스 측 최대값과 다릅니다. 짧게 요청된 출력은 검증하기 쉽습니다. 필드, 순서, 언어를 지정하고 비교할 수 있도록 원래 메시지를 유지하세요. 장문 생성에 의존하기 전에 실제 입력 유형으로 결과를 평가하세요. Qwen3 문서는 학습 길이 설명에서 사고 모드의 어시스턴트 메시지 길이 38,912토큰과 비사고 모드의 16,384토큰을 논의하며, 더 긴 생성의 품질을 평가하도록 권장합니다. 이 수치는 전체 컨텍스트 창과 구분되며 엔드포인트별 엄격한 상한이 아닙니다.
이 크기에는 지속적인 반복에 관한 구체적인 주의사항이 있습니다. 심한 반복이 발생하면 권장 샘플링 설정과 presence_penalty 1.5를 사용하도록 카드에서 제안합니다. 높은 페널티는 때때로 언어를 섞거나 성능을 낮출 수 있습니다. 사고 모드에는 temperature 0.6, top-p 0.95, top-k 20, min-p 0이, 비사고 모드에는 temperature 0.7, top-p 0.8, top-k 20, min-p 0이 제안됩니다. 추론 모드에서 greedy decoding을 피하세요. 이름, 날짜, 레이블, 반복 절을 확인하고 구조화 출력을 애플리케이션의 다른 부분에 넘기기 전에 검증하세요.
", "aboutText": "Qwen3-1.7B는 작은 밀집 언어 모델에서 직접 답변과 추론을 결합합니다. 제조사는 지시 이행, 창의적 글쓰기, 역할 기반 대화, 수학, 논리 문제, 코드를 설명하며, 지원 언어와 방언은 100개가 넘습니다. 텍스트를 입력받고 텍스트를 생성합니다. 첫 작업으로는 짧은 고객 메시지를 정중한 답변으로 바꾸기, 특정 독자에게 용어를 설명하기, 회의 메모를 실행 목록으로 변환하기처럼 세밀하게 지정된 변환이 유용합니다.\n\n이 정확한 릴리스는 임베딩 외부의 1.4B 개를 포함해 1.7B 파라미터와 28개 레이어를 갖습니다. 그룹화된 쿼리 어텐션은 쿼리 헤드 16개와 키/값 헤드 8개를 사용합니다. 자체 모델 카드에는 컨텍스트 길이 32,768토큰이 명시되어 있습니다. 이는 이 에디션에 문서화된 창이며, 다른 Qwen3 크기의 더 큰 컨텍스트 수치는 해당 별도 카드에 연결해 두어야 합니다. 원문, 지시, 대화 기록, 요청 답변을 관련 시퀀스 예산 안에 유지하세요. 답변 어시스턴트에는 무관한 전체 서신 보관함 대신 수신 메시지, 확인된 배경 사실, 독자, 원하는 길이를 제공하세요.\n\n제조사의 빠른 시작은 모델의 채팅 템플릿으로 대화 형식을 구성합니다. 원본과 대조할 수 있는 작고 완결된 작업을 준비하세요. 실행 목록 예시에서는 이름, 날짜, 결정이 담긴 메모를 제공하고 작업당 항목 하나를 요청하며, 담당자가 명시되지 않았으면 명시적인 미상 값을 쓰게 하세요. 프로그래밍 예시에서는 함수 하나와 대표 입력을 제공하고 결과를 결정하는 분기를 설명하도록 요청하세요. 반환 설명은 가상의 동작을 도입하는 대신 실제 변수와 조건을 참조해야 합니다. 공개된 통합 방식에는 Qwen3를 인식하는 런타임이 필요합니다. 카드는 4.51.0 미만의 Transformers 버전이 필요한 아키텍처를 인식하지 못한다고 경고합니다.\n\n제공된 템플릿에서는 사고가 기본적으로 활성화됩니다. 하드 스위치는 추론 구역 없는 비사고 출력을 선택합니다. 사고가 활성화된 상태에서 /think와 /no_think는 턴별 지시로 작동하며 가장 최근 지시가 선택을 제어하지만, 하드 비활성화된 모드는 덮어쓸 수 없습니다. 짧은 문장 수정에는 직접 응답 설정을, 여러 조건을 조정해야 하는 답변에는 추론 설정을 사용하세요. 중간 추론과 최종 응답을 분리하고 이후 대화 기록에는 최종 응답을 유지하세요. 사고가 활성화되어 있으면 소프트 방식의 비사고 요청에도 추론 블록이 유지되며 내용은 비어 있을 수 있습니다. 하드 비활성화는 그 블록을 제거합니다.\n\n에이전트 활용은 공개된 기능 집합에 포함됩니다. 제조사는 도구 형식과 파싱에 Qwen-Agent를 권장하며, 도구는 애플리케이션이 제공하고 실행합니다. 범위가 좁은 어시스턴트는 제품 용어의 사전 조회를 요청하고, 확인된 정의를 받은 뒤, 사용자의 문장을 다시 쓸 수 있습니다. 허용 인수와 반환 필드를 정의하고 결과를 사용하기 전에 둘 다 확인하세요. 최종 텍스트에서는 제공된 사실, 반환된 정보, 미해결 질문을 구분해야 합니다. Qwen3 가이드는 인수를 객체로 표현하고 결과를 대화에 다시 제공하는 병렬 및 다단계 도구 호출도 설명합니다.\n\n출력 예산은 전체 작업에 맞아야 합니다. 모델 카드는 생성 예제와 출력 길이 권장사항을 제공하며, 이는 입증된 서비스 측 최대값과 다릅니다. 짧게 요청된 출력은 검증하기 쉽습니다. 필드, 순서, 언어를 지정하고 비교할 수 있도록 원래 메시지를 유지하세요. 장문 생성에 의존하기 전에 실제 입력 유형으로 결과를 평가하세요. Qwen3 문서는 학습 길이 설명에서 사고 모드의 어시스턴트 메시지 길이 38,912토큰과 비사고 모드의 16,384토큰을 논의하며, 더 긴 생성의 품질을 평가하도록 권장합니다. 이 수치는 전체 컨텍스트 창과 구분되며 엔드포인트별 엄격한 상한이 아닙니다.\n\n이 크기에는 지속적인 반복에 관한 구체적인 주의사항이 있습니다. 심한 반복이 발생하면 권장 샘플링 설정과 presence_penalty 1.5를 사용하도록 카드에서 제안합니다. 높은 페널티는 때때로 언어를 섞거나 성능을 낮출 수 있습니다. 사고 모드에는 temperature 0.6, top-p 0.95, top-k 20, min-p 0이, 비사고 모드에는 temperature 0.7, top-p 0.8, top-k 20, min-p 0이 제안됩니다. 추론 모드에서 greedy decoding을 피하세요. 이름, 날짜, 레이블, 반복 절을 확인하고 구조화 출력을 애플리케이션의 다른 부분에 넘기기 전에 검증하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Convert a short note into actions\n\nTurn this note into an action list: 'Mina will order six folders by Thursday. Leo will check the cupboard today. Someone must print the welcome sheets before Friday, but we have not assigned that task.' Return one row per action with owner, task and deadline; use 'unassigned' where needed.Three action rows retaining names, deadlines and the unassigned printing owner.Do not assign the printing task to Mina or Leo without evidence in the note.qwen3-1.7bQwen3-1.7B는 직접 응답과 사고 모드를 모두 갖춘 소형 밀집 텍스트 모델입니다. 다국어 대화, 글쓰기, 코드, 도구 중심 지시를 지원하며, 이 정확한 릴리스에는 32,768토큰 컨텍스트가 문서화되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3-1.7B는 작은 밀집 언어 모델에서 직접 답변과 추론을 결합합니다. 제조사는 지시 이행, 창의적 글쓰기, 역할 기반 대화, 수학, 논리 문제, 코드를 설명하며, 지원 언어와 방언은 100개가 넘습니다. 텍스트를 입력받고 텍스트를 생성합니다. 첫 작업으로는 짧은 고객 메시지를 정중한 답변으로 바꾸기, 특정 독자에게 용어를 설명하기, 회의 메모를 실행 목록으로 변환하기처럼 세밀하게 지정된 변환이 유용합니다.
이 정확한 릴리스는 임베딩 외부의 1.4B 개를 포함해 1.7B 파라미터와 28개 레이어를 갖습니다. 그룹화된 쿼리 어텐션은 쿼리 헤드 16개와 키/값 헤드 8개를 사용합니다. 자체 모델 카드에는 컨텍스트 길이 32,768토큰이 명시되어 있습니다. 이는 이 에디션에 문서화된 창이며, 다른 Qwen3 크기의 더 큰 컨텍스트 수치는 해당 별도 카드에 연결해 두어야 합니다. 원문, 지시, 대화 기록, 요청 답변을 관련 시퀀스 예산 안에 유지하세요. 답변 어시스턴트에는 무관한 전체 서신 보관함 대신 수신 메시지, 확인된 배경 사실, 독자, 원하는 길이를 제공하세요.
제조사의 빠른 시작은 모델의 채팅 템플릿으로 대화 형식을 구성합니다. 원본과 대조할 수 있는 작고 완결된 작업을 준비하세요. 실행 목록 예시에서는 이름, 날짜, 결정이 담긴 메모를 제공하고 작업당 항목 하나를 요청하며, 담당자가 명시되지 않았으면 명시적인 미상 값을 쓰게 하세요. 프로그래밍 예시에서는 함수 하나와 대표 입력을 제공하고 결과를 결정하는 분기를 설명하도록 요청하세요. 반환 설명은 가상의 동작을 도입하는 대신 실제 변수와 조건을 참조해야 합니다. 공개된 통합 방식에는 Qwen3를 인식하는 런타임이 필요합니다. 카드는 4.51.0 미만의 Transformers 버전이 필요한 아키텍처를 인식하지 못한다고 경고합니다.
제공된 템플릿에서는 사고가 기본적으로 활성화됩니다. 하드 스위치는 추론 구역 없는 비사고 출력을 선택합니다. 사고가 활성화된 상태에서 /think와 /no_think는 턴별 지시로 작동하며 가장 최근 지시가 선택을 제어하지만, 하드 비활성화된 모드는 덮어쓸 수 없습니다. 짧은 문장 수정에는 직접 응답 설정을, 여러 조건을 조정해야 하는 답변에는 추론 설정을 사용하세요. 중간 추론과 최종 응답을 분리하고 이후 대화 기록에는 최종 응답을 유지하세요. 사고가 활성화되어 있으면 소프트 방식의 비사고 요청에도 추론 블록이 유지되며 내용은 비어 있을 수 있습니다. 하드 비활성화는 그 블록을 제거합니다.
에이전트 활용은 공개된 기능 집합에 포함됩니다. 제조사는 도구 형식과 파싱에 Qwen-Agent를 권장하며, 도구는 애플리케이션이 제공하고 실행합니다. 범위가 좁은 어시스턴트는 제품 용어의 사전 조회를 요청하고, 확인된 정의를 받은 뒤, 사용자의 문장을 다시 쓸 수 있습니다. 허용 인수와 반환 필드를 정의하고 결과를 사용하기 전에 둘 다 확인하세요. 최종 텍스트에서는 제공된 사실, 반환된 정보, 미해결 질문을 구분해야 합니다. Qwen3 가이드는 인수를 객체로 표현하고 결과를 대화에 다시 제공하는 병렬 및 다단계 도구 호출도 설명합니다.
출력 예산은 전체 작업에 맞아야 합니다. 모델 카드는 생성 예제와 출력 길이 권장사항을 제공하며, 이는 입증된 서비스 측 최대값과 다릅니다. 짧게 요청된 출력은 검증하기 쉽습니다. 필드, 순서, 언어를 지정하고 비교할 수 있도록 원래 메시지를 유지하세요. 장문 생성에 의존하기 전에 실제 입력 유형으로 결과를 평가하세요. Qwen3 문서는 학습 길이 설명에서 사고 모드의 어시스턴트 메시지 길이 38,912토큰과 비사고 모드의 16,384토큰을 논의하며, 더 긴 생성의 품질을 평가하도록 권장합니다. 이 수치는 전체 컨텍스트 창과 구분되며 엔드포인트별 엄격한 상한이 아닙니다.
이 크기에는 지속적인 반복에 관한 구체적인 주의사항이 있습니다. 심한 반복이 발생하면 권장 샘플링 설정과 presence_penalty 1.5를 사용하도록 카드에서 제안합니다. 높은 페널티는 때때로 언어를 섞거나 성능을 낮출 수 있습니다. 사고 모드에는 temperature 0.6, top-p 0.95, top-k 20, min-p 0이, 비사고 모드에는 temperature 0.7, top-p 0.8, top-k 20, min-p 0이 제안됩니다. 추론 모드에서 greedy decoding을 피하세요. 이름, 날짜, 레이블, 반복 절을 확인하고 구조화 출력을 애플리케이션의 다른 부분에 넘기기 전에 검증하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen3-1.7b | 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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.001 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3-1.7b", "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='qwen3-1.7b',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='qwen3-1.7b',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 qwen3-1.7b
위에 표시된 메서드 경로를 사용하세요.
qwen3-1.7bQwen3-1.7B는 직접 응답과 사고 모드를 모두 갖춘 소형 밀집 텍스트 모델입니다. 다국어 대화, 글쓰기, 코드, 도구 중심 지시를 지원하며, 이 정확한 릴리스에는 32,768토큰 컨텍스트가 문서화되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3-1.7B는 작은 밀집 언어 모델에서 직접 답변과 추론을 결합합니다. 제조사는 지시 이행, 창의적 글쓰기, 역할 기반 대화, 수학, 논리 문제, 코드를 설명하며, 지원 언어와 방언은 100개가 넘습니다. 텍스트를 입력받고 텍스트를 생성합니다. 첫 작업으로는 짧은 고객 메시지를 정중한 답변으로 바꾸기, 특정 독자에게 용어를 설명하기, 회의 메모를 실행 목록으로 변환하기처럼 세밀하게 지정된 변환이 유용합니다.
이 정확한 릴리스는 임베딩 외부의 1.4B 개를 포함해 1.7B 파라미터와 28개 레이어를 갖습니다. 그룹화된 쿼리 어텐션은 쿼리 헤드 16개와 키/값 헤드 8개를 사용합니다. 자체 모델 카드에는 컨텍스트 길이 32,768토큰이 명시되어 있습니다. 이는 이 에디션에 문서화된 창이며, 다른 Qwen3 크기의 더 큰 컨텍스트 수치는 해당 별도 카드에 연결해 두어야 합니다. 원문, 지시, 대화 기록, 요청 답변을 관련 시퀀스 예산 안에 유지하세요. 답변 어시스턴트에는 무관한 전체 서신 보관함 대신 수신 메시지, 확인된 배경 사실, 독자, 원하는 길이를 제공하세요.
제조사의 빠른 시작은 모델의 채팅 템플릿으로 대화 형식을 구성합니다. 원본과 대조할 수 있는 작고 완결된 작업을 준비하세요. 실행 목록 예시에서는 이름, 날짜, 결정이 담긴 메모를 제공하고 작업당 항목 하나를 요청하며, 담당자가 명시되지 않았으면 명시적인 미상 값을 쓰게 하세요. 프로그래밍 예시에서는 함수 하나와 대표 입력을 제공하고 결과를 결정하는 분기를 설명하도록 요청하세요. 반환 설명은 가상의 동작을 도입하는 대신 실제 변수와 조건을 참조해야 합니다. 공개된 통합 방식에는 Qwen3를 인식하는 런타임이 필요합니다. 카드는 4.51.0 미만의 Transformers 버전이 필요한 아키텍처를 인식하지 못한다고 경고합니다.
제공된 템플릿에서는 사고가 기본적으로 활성화됩니다. 하드 스위치는 추론 구역 없는 비사고 출력을 선택합니다. 사고가 활성화된 상태에서 /think와 /no_think는 턴별 지시로 작동하며 가장 최근 지시가 선택을 제어하지만, 하드 비활성화된 모드는 덮어쓸 수 없습니다. 짧은 문장 수정에는 직접 응답 설정을, 여러 조건을 조정해야 하는 답변에는 추론 설정을 사용하세요. 중간 추론과 최종 응답을 분리하고 이후 대화 기록에는 최종 응답을 유지하세요. 사고가 활성화되어 있으면 소프트 방식의 비사고 요청에도 추론 블록이 유지되며 내용은 비어 있을 수 있습니다. 하드 비활성화는 그 블록을 제거합니다.
에이전트 활용은 공개된 기능 집합에 포함됩니다. 제조사는 도구 형식과 파싱에 Qwen-Agent를 권장하며, 도구는 애플리케이션이 제공하고 실행합니다. 범위가 좁은 어시스턴트는 제품 용어의 사전 조회를 요청하고, 확인된 정의를 받은 뒤, 사용자의 문장을 다시 쓸 수 있습니다. 허용 인수와 반환 필드를 정의하고 결과를 사용하기 전에 둘 다 확인하세요. 최종 텍스트에서는 제공된 사실, 반환된 정보, 미해결 질문을 구분해야 합니다. Qwen3 가이드는 인수를 객체로 표현하고 결과를 대화에 다시 제공하는 병렬 및 다단계 도구 호출도 설명합니다.
출력 예산은 전체 작업에 맞아야 합니다. 모델 카드는 생성 예제와 출력 길이 권장사항을 제공하며, 이는 입증된 서비스 측 최대값과 다릅니다. 짧게 요청된 출력은 검증하기 쉽습니다. 필드, 순서, 언어를 지정하고 비교할 수 있도록 원래 메시지를 유지하세요. 장문 생성에 의존하기 전에 실제 입력 유형으로 결과를 평가하세요. Qwen3 문서는 학습 길이 설명에서 사고 모드의 어시스턴트 메시지 길이 38,912토큰과 비사고 모드의 16,384토큰을 논의하며, 더 긴 생성의 품질을 평가하도록 권장합니다. 이 수치는 전체 컨텍스트 창과 구분되며 엔드포인트별 엄격한 상한이 아닙니다.
이 크기에는 지속적인 반복에 관한 구체적인 주의사항이 있습니다. 심한 반복이 발생하면 권장 샘플링 설정과 presence_penalty 1.5를 사용하도록 카드에서 제안합니다. 높은 페널티는 때때로 언어를 섞거나 성능을 낮출 수 있습니다. 사고 모드에는 temperature 0.6, top-p 0.95, top-k 20, min-p 0이, 비사고 모드에는 temperature 0.7, top-p 0.8, top-k 20, min-p 0이 제안됩니다. 추론 모드에서 greedy decoding을 피하세요. 이름, 날짜, 레이블, 반복 절을 확인하고 구조화 출력을 애플리케이션의 다른 부분에 넘기기 전에 검증하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen3-1.7b | 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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.001 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen3-1.7b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-1.7b', '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': 'qwen3-1.7b', '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 qwen3-1.7b
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Convert a short note into actions\n\nTurn this note into an action list: 'Mina will order six folders by Thursday. Leo will check the cupboard today. Someone must print the welcome sheets before Friday, but we have not assigned that task.' Return one row per action with owner, task and deadline; use 'unassigned' where needed.Three action rows retaining names, deadlines and the unassigned printing owner.Do not assign the printing task to Mina or Leo without evidence in the note.