Svarbiausi bruožai: fiksuotas Instruct-2507 atnaujinimas
Qwen3-30B-A3B-Instruct-2507 yra atnaujinta Qwen3-30B-A3B versija be mąstymo. Kūrėjas pabrėžia instrukcijų laikymosi, loginio samprotavimo, teksto supratimo, matematikos, mokslo, programavimo ir įrankių naudojimo patobulinimus, su platesnėmis žiniomis apie rečiau pasitaikančias temas įvairiomis kalbomis ir geresniu pritaikymu atviroms užduotims. Modelis priima tekstą ir kuria tekstą: atsakymą, paaiškinimą, kodo pasiūlymą ar prašomą rašytinį artefaktą.
Fiksuotą 2507 tapatybę atskirkite nuo originalaus hibridinio Qwen3-30B-A3B, jo FP8 varianto ir Thinking-2507 versijos. Daugiakalbių modelio žinių aprašas nesuteikia atskiros kalbų skaičiaus garantijos šiai fiksuotai versijai. Nurodykite tikslinę kalbą, auditoriją ir nekeistinus terminus, kai užduotis apima vertimą ar perrašymą.
Modelio apžvalga
Ekspertų mišinio modelis turi iš viso 30,5 milijardo parametrų ir aktyvina 3,3 milijardo. Jis turi 48 sluoksnius, 128 ekspertus ir aštuonis ekspertus, parenkamus kiekvienam žetonui. Savasis kontekstas yra 262 144 žetonai. Aktyvinti parametrai nėra visos modelio būsenos dydis, o vien architektūra nenustato fiksuoto atsakymo laiko programoje.
Ši versija palaiko tik režimą be mąstymo ir nekuria aiškių mąstymo blokų. Kūrėjo instrukcijoje nereikia nustatyti enable_thinking=False. Ji vis tiek gali rodyti skaičiavimus ar paaiškinti kodą įprastu tekstu; pagalbinių žingsnių prašymas nepaverčia jos atskira Thinking modelio būsena.
Naudingos tekstinės užklausos parengimas
Programavimo užduočiai pateikite susijusią funkciją ar modulį, įvesties apribojimus, pastebėtą veikimą ir reikiamą rezultatą. Paprašykite siūlomos pataisos ar visos funkcijos su paveikiamų prielaidų paaiškinimu. Matematikos ar mokslo klausimui pateikite visą sąlygą, vienetus ir apibrėžimus, tada paprašykite aiškiai atriboto galutinio atsakymo, pagrįsto pateiktomis sąlygomis.
Atvirai rašymo užduočiai nurodykite auditoriją, paskirtį, toną ir privalomą informaciją. Naudingas atsakymas gali būti redaguojamas juodraštis, suskirstytas pagal prašomas dalis, su atskirai įvardytomis nepagrįstomis prielaidomis. Grąžintą juodraštį, skaičiavimus ar siūlomą kodą palyginkite su pateiktais faktais, apibrėžimais ir reikalavimais.
Agento naudojimas
Qwen dokumentuoja įrankių iškvietimą ir rekomenduoja Qwen-Agent įrankių iškvietimų šablonams bei jų sintaksinei analizei su sukonfigūruotais ar per MCP prijungtais įrankiais. Nurodykite leidžiamus veiksmus ir stebimas užbaigimo sąlygas. Prijungti įrankiai vykdo išorines operacijas ir grąžina stebėjimus; modelis gali naudoti šį grįžtamąjį ryšį vėlesniame atsakyme. Siūloma komanda ar teiginys apie gautą šaltinį turi likti atskiras nuo darbo eigos iš tikrųjų grąžinto rezultato.
Aiškus galutinis artefaktas gali būti kodo pasiūlymas, įrodymų lentelė ar glausta ataskaita. Įrankių palaikymas savaime nesukuria prieigos prie dabartinių šaltinių, failų ar vykdymo aplinkos per kiekvieną sąsają. Išlaikykite konkretaus modelio atsakymo be mąstymo susitarimą, užuot perėmę hibridinio modelio užklausų jungiklius ar Thinking versijos išvesties biudžetus.
Ypač ilgo teksto apdorojimas
Kūrėjas dokumentuoja pasirenkamą darbo eigą, pasiekiančią maždaug milijoną žetonų per Dual Chunk Attention ir MInference retąjį dėmesį. Pirmasis ilgą seką padalija į valdomas dalis, išlaikydamas jų tarpusavio sąveikas; antrasis sutelkia skaičiavimą į pasirinktus dėmesio ryšius. Tai papildomas konfigūracijos kelias už savojo 262 144 konteksto ribų, naudojantis specialią ilgo konteksto konfigūraciją.
Instrukcija įvertina maždaug 240 GB bendros GPU atminties modelio svoriams, talpykloje laikomai sekos būsenai ir didžiausioms aktyvacijoms. Ji taip pat aprašo atskiras talpos klaidas dėl sekos talpyklos, aktyvacijų atminties ar įvesties, viršijančios sukonfigūruotą ilgį. Todėl milijono žetonų darbo eiga priklauso nuo konfigūracijos ir išteklių; pagrindinio skaičiaus nereikėtų laikyti besąlyginiu numatytuoju nustatymu.
Ilgą įvestį parenkite su dokumentų ribomis, dalių pavadinimais ar kodo identifikatoriais ir konkrečiu klausimu. Palikite vietos atsakymui ir paprašykite kiekvieną išvadą pagrindžiančių įrodymų.
Generavimo rekomendacijos
Gerosios praktikos rekomenduoja temperature 0,7, top_p 0,8, top_k 20 ir min_p 0. Ten, kur palaikoma, presence penalty tarp nulio ir dviejų gali sumažinti pasikartojantį tekstą, o didesnės reikšmės gali maišyti kalbas ar šiek tiek bloginti kokybę. Kūrėjas daugumai užklausų rekomenduoja 16 384 žetonų išvesties biudžetą, o ne ilgesnius Thinking-2507 dokumentuotus biudžetus. Tai rekomendacija, o ne nepriklausomai nustatyta griežta išvesties riba.
Galutinį formatą nurodykite aiškiai, pavyzdžiui, matematinį skirtuką ar atsakymo lauką. Dokumentuota modelio įvestis yra tekstas, todėl vaizdiniams ar garsiniams įrodymams prieš šią darbo eigą reikia tinkamos atskiros reprezentacijos. Skaičiavimus, citatas ir sugeneruotą kodą tikrinkite pagal šaltinį. Naudingas rezultatas yra išsamus, peržiūrimas tekstinis artefaktas, kurio fiksuota Instruct-2507 tapatybė, režimas be mąstymo ir sąlyginė ilgo konteksto procedūra lieka aiškūs.
", "aboutText": "Svarbiausi bruožai: fiksuotas Instruct-2507 atnaujinimas\n\nQwen3-30B-A3B-Instruct-2507 yra atnaujinta Qwen3-30B-A3B versija be mąstymo. Kūrėjas pabrėžia instrukcijų laikymosi, loginio samprotavimo, teksto supratimo, matematikos, mokslo, programavimo ir įrankių naudojimo patobulinimus, su platesnėmis žiniomis apie rečiau pasitaikančias temas įvairiomis kalbomis ir geresniu pritaikymu atviroms užduotims. Modelis priima tekstą ir kuria tekstą: atsakymą, paaiškinimą, kodo pasiūlymą ar prašomą rašytinį artefaktą.\n\nFiksuotą 2507 tapatybę atskirkite nuo originalaus hibridinio Qwen3-30B-A3B, jo FP8 varianto ir Thinking-2507 versijos. Daugiakalbių modelio žinių aprašas nesuteikia atskiros kalbų skaičiaus garantijos šiai fiksuotai versijai. Nurodykite tikslinę kalbą, auditoriją ir nekeistinus terminus, kai užduotis apima vertimą ar perrašymą.\n\nModelio apžvalga\n\nEkspertų mišinio modelis turi iš viso 30,5 milijardo parametrų ir aktyvina 3,3 milijardo. Jis turi 48 sluoksnius, 128 ekspertus ir aštuonis ekspertus, parenkamus kiekvienam žetonui. Savasis kontekstas yra 262 144 žetonai. Aktyvinti parametrai nėra visos modelio būsenos dydis, o vien architektūra nenustato fiksuoto atsakymo laiko programoje.\n\nŠi versija palaiko tik režimą be mąstymo ir nekuria aiškių mąstymo blokų. Kūrėjo instrukcijoje nereikia nustatyti enable_thinking=False. Ji vis tiek gali rodyti skaičiavimus ar paaiškinti kodą įprastu tekstu; pagalbinių žingsnių prašymas nepaverčia jos atskira Thinking modelio būsena.\n\nNaudingos tekstinės užklausos parengimas\n\nProgramavimo užduočiai pateikite susijusią funkciją ar modulį, įvesties apribojimus, pastebėtą veikimą ir reikiamą rezultatą. Paprašykite siūlomos pataisos ar visos funkcijos su paveikiamų prielaidų paaiškinimu. Matematikos ar mokslo klausimui pateikite visą sąlygą, vienetus ir apibrėžimus, tada paprašykite aiškiai atriboto galutinio atsakymo, pagrįsto pateiktomis sąlygomis.\n\nAtvirai rašymo užduočiai nurodykite auditoriją, paskirtį, toną ir privalomą informaciją. Naudingas atsakymas gali būti redaguojamas juodraštis, suskirstytas pagal prašomas dalis, su atskirai įvardytomis nepagrįstomis prielaidomis. Grąžintą juodraštį, skaičiavimus ar siūlomą kodą palyginkite su pateiktais faktais, apibrėžimais ir reikalavimais.\n\nAgento naudojimas\n\nQwen dokumentuoja įrankių iškvietimą ir rekomenduoja Qwen-Agent įrankių iškvietimų šablonams bei jų sintaksinei analizei su sukonfigūruotais ar per MCP prijungtais įrankiais. Nurodykite leidžiamus veiksmus ir stebimas užbaigimo sąlygas. Prijungti įrankiai vykdo išorines operacijas ir grąžina stebėjimus; modelis gali naudoti šį grįžtamąjį ryšį vėlesniame atsakyme. Siūloma komanda ar teiginys apie gautą šaltinį turi likti atskiras nuo darbo eigos iš tikrųjų grąžinto rezultato.\n\nAiškus galutinis artefaktas gali būti kodo pasiūlymas, įrodymų lentelė ar glausta ataskaita. Įrankių palaikymas savaime nesukuria prieigos prie dabartinių šaltinių, failų ar vykdymo aplinkos per kiekvieną sąsają. Išlaikykite konkretaus modelio atsakymo be mąstymo susitarimą, užuot perėmę hibridinio modelio užklausų jungiklius ar Thinking versijos išvesties biudžetus.\n\nYpač ilgo teksto apdorojimas\n\nKūrėjas dokumentuoja pasirenkamą darbo eigą, pasiekiančią maždaug milijoną žetonų per Dual Chunk Attention ir MInference retąjį dėmesį. Pirmasis ilgą seką padalija į valdomas dalis, išlaikydamas jų tarpusavio sąveikas; antrasis sutelkia skaičiavimą į pasirinktus dėmesio ryšius. Tai papildomas konfigūracijos kelias už savojo 262 144 konteksto ribų, naudojantis specialią ilgo konteksto konfigūraciją.\n\nInstrukcija įvertina maždaug 240 GB bendros GPU atminties modelio svoriams, talpykloje laikomai sekos būsenai ir didžiausioms aktyvacijoms. Ji taip pat aprašo atskiras talpos klaidas dėl sekos talpyklos, aktyvacijų atminties ar įvesties, viršijančios sukonfigūruotą ilgį. Todėl milijono žetonų darbo eiga priklauso nuo konfigūracijos ir išteklių; pagrindinio skaičiaus nereikėtų laikyti besąlyginiu numatytuoju nustatymu.\n\nIlgą įvestį parenkite su dokumentų ribomis, dalių pavadinimais ar kodo identifikatoriais ir konkrečiu klausimu. Palikite vietos atsakymui ir paprašykite kiekvieną išvadą pagrindžiančių įrodymų.\n\nGeneravimo rekomendacijos\n\nGerosios praktikos rekomenduoja temperature 0,7, top_p 0,8, top_k 20 ir min_p 0. Ten, kur palaikoma, presence penalty tarp nulio ir dviejų gali sumažinti pasikartojantį tekstą, o didesnės reikšmės gali maišyti kalbas ar šiek tiek bloginti kokybę. Kūrėjas daugumai užklausų rekomenduoja 16 384 žetonų išvesties biudžetą, o ne ilgesnius Thinking-2507 dokumentuotus biudžetus. Tai rekomendacija, o ne nepriklausomai nustatyta griežta išvesties riba.\n\nGalutinį formatą nurodykite aiškiai, pavyzdžiui, matematinį skirtuką ar atsakymo lauką. Dokumentuota modelio įvestis yra tekstas, todėl vaizdiniams ar garsiniams įrodymams prieš šią darbo eigą reikia tinkamos atskiros reprezentacijos. Skaičiavimus, citatas ir sugeneruotą kodą tikrinkite pagal šaltinį. Naudingas rezultatas yra išsamus, peržiūrimas tekstinis artefaktas, kurio fiksuota Instruct-2507 tapatybė, režimas be mąstymo ir sąlyginė ilgo konteksto procedūra lieka aiškūs.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 yra fiksuota liepos laidos Qwen 2507 teksto versija be mąstymo, su iš viso 30,5 milijardo ir aktyvintais 3,3 milijardo parametrų. Ji gerina instrukcijų laikymąsi, programavimą, daugiakalbes žinias ir atvirą rašymą bei turi savąjį 262 144 žetonų kontekstą.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Svarbiausi bruožai: fiksuotas Instruct-2507 atnaujinimas
Qwen3-30B-A3B-Instruct-2507 yra atnaujinta Qwen3-30B-A3B versija be mąstymo. Kūrėjas pabrėžia instrukcijų laikymosi, loginio samprotavimo, teksto supratimo, matematikos, mokslo, programavimo ir įrankių naudojimo patobulinimus, su platesnėmis žiniomis apie rečiau pasitaikančias temas įvairiomis kalbomis ir geresniu pritaikymu atviroms užduotims. Modelis priima tekstą ir kuria tekstą: atsakymą, paaiškinimą, kodo pasiūlymą ar prašomą rašytinį artefaktą.
Fiksuotą 2507 tapatybę atskirkite nuo originalaus hibridinio Qwen3-30B-A3B, jo FP8 varianto ir Thinking-2507 versijos. Daugiakalbių modelio žinių aprašas nesuteikia atskiros kalbų skaičiaus garantijos šiai fiksuotai versijai. Nurodykite tikslinę kalbą, auditoriją ir nekeistinus terminus, kai užduotis apima vertimą ar perrašymą.
Modelio apžvalga
Ekspertų mišinio modelis turi iš viso 30,5 milijardo parametrų ir aktyvina 3,3 milijardo. Jis turi 48 sluoksnius, 128 ekspertus ir aštuonis ekspertus, parenkamus kiekvienam žetonui. Savasis kontekstas yra 262 144 žetonai. Aktyvinti parametrai nėra visos modelio būsenos dydis, o vien architektūra nenustato fiksuoto atsakymo laiko programoje.
Ši versija palaiko tik režimą be mąstymo ir nekuria aiškių mąstymo blokų. Kūrėjo instrukcijoje nereikia nustatyti enable_thinking=False. Ji vis tiek gali rodyti skaičiavimus ar paaiškinti kodą įprastu tekstu; pagalbinių žingsnių prašymas nepaverčia jos atskira Thinking modelio būsena.
Naudingos tekstinės užklausos parengimas
Programavimo užduočiai pateikite susijusią funkciją ar modulį, įvesties apribojimus, pastebėtą veikimą ir reikiamą rezultatą. Paprašykite siūlomos pataisos ar visos funkcijos su paveikiamų prielaidų paaiškinimu. Matematikos ar mokslo klausimui pateikite visą sąlygą, vienetus ir apibrėžimus, tada paprašykite aiškiai atriboto galutinio atsakymo, pagrįsto pateiktomis sąlygomis.
Atvirai rašymo užduočiai nurodykite auditoriją, paskirtį, toną ir privalomą informaciją. Naudingas atsakymas gali būti redaguojamas juodraštis, suskirstytas pagal prašomas dalis, su atskirai įvardytomis nepagrįstomis prielaidomis. Grąžintą juodraštį, skaičiavimus ar siūlomą kodą palyginkite su pateiktais faktais, apibrėžimais ir reikalavimais.
Agento naudojimas
Qwen dokumentuoja įrankių iškvietimą ir rekomenduoja Qwen-Agent įrankių iškvietimų šablonams bei jų sintaksinei analizei su sukonfigūruotais ar per MCP prijungtais įrankiais. Nurodykite leidžiamus veiksmus ir stebimas užbaigimo sąlygas. Prijungti įrankiai vykdo išorines operacijas ir grąžina stebėjimus; modelis gali naudoti šį grįžtamąjį ryšį vėlesniame atsakyme. Siūloma komanda ar teiginys apie gautą šaltinį turi likti atskiras nuo darbo eigos iš tikrųjų grąžinto rezultato.
Aiškus galutinis artefaktas gali būti kodo pasiūlymas, įrodymų lentelė ar glausta ataskaita. Įrankių palaikymas savaime nesukuria prieigos prie dabartinių šaltinių, failų ar vykdymo aplinkos per kiekvieną sąsają. Išlaikykite konkretaus modelio atsakymo be mąstymo susitarimą, užuot perėmę hibridinio modelio užklausų jungiklius ar Thinking versijos išvesties biudžetus.
Ypač ilgo teksto apdorojimas
Kūrėjas dokumentuoja pasirenkamą darbo eigą, pasiekiančią maždaug milijoną žetonų per Dual Chunk Attention ir MInference retąjį dėmesį. Pirmasis ilgą seką padalija į valdomas dalis, išlaikydamas jų tarpusavio sąveikas; antrasis sutelkia skaičiavimą į pasirinktus dėmesio ryšius. Tai papildomas konfigūracijos kelias už savojo 262 144 konteksto ribų, naudojantis specialią ilgo konteksto konfigūraciją.
Instrukcija įvertina maždaug 240 GB bendros GPU atminties modelio svoriams, talpykloje laikomai sekos būsenai ir didžiausioms aktyvacijoms. Ji taip pat aprašo atskiras talpos klaidas dėl sekos talpyklos, aktyvacijų atminties ar įvesties, viršijančios sukonfigūruotą ilgį. Todėl milijono žetonų darbo eiga priklauso nuo konfigūracijos ir išteklių; pagrindinio skaičiaus nereikėtų laikyti besąlyginiu numatytuoju nustatymu.
Ilgą įvestį parenkite su dokumentų ribomis, dalių pavadinimais ar kodo identifikatoriais ir konkrečiu klausimu. Palikite vietos atsakymui ir paprašykite kiekvieną išvadą pagrindžiančių įrodymų.
Generavimo rekomendacijos
Gerosios praktikos rekomenduoja temperature 0,7, top_p 0,8, top_k 20 ir min_p 0. Ten, kur palaikoma, presence penalty tarp nulio ir dviejų gali sumažinti pasikartojantį tekstą, o didesnės reikšmės gali maišyti kalbas ar šiek tiek bloginti kokybę. Kūrėjas daugumai užklausų rekomenduoja 16 384 žetonų išvesties biudžetą, o ne ilgesnius Thinking-2507 dokumentuotus biudžetus. Tai rekomendacija, o ne nepriklausomai nustatyta griežta išvesties riba.
Galutinį formatą nurodykite aiškiai, pavyzdžiui, matematinį skirtuką ar atsakymo lauką. Dokumentuota modelio įvestis yra tekstas, todėl vaizdiniams ar garsiniams įrodymams prieš šią darbo eigą reikia tinkamos atskiros reprezentacijos. Skaičiavimus, citatas ir sugeneruotą kodą tikrinkite pagal šaltinį. Naudingas rezultatas yra išsamus, peržiūrimas tekstinis artefaktas, kurio fiksuota Instruct-2507 tapatybė, režimas be mąstymo ir sąlyginė ilgo konteksto procedūra lieka aiškūs.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen/qwen3-30b-a3b-instruct-2507 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0.0008 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0.0008 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-30b-a3b-instruct-2507", "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/qwen3-30b-a3b-instruct-2507',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/qwen3-30b-a3b-instruct-2507',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Naudokite aukščiau nurodytus metodų kelius.
qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 yra fiksuota liepos laidos Qwen 2507 teksto versija be mąstymo, su iš viso 30,5 milijardo ir aktyvintais 3,3 milijardo parametrų. Ji gerina instrukcijų laikymąsi, programavimą, daugiakalbes žinias ir atvirą rašymą bei turi savąjį 262 144 žetonų kontekstą.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Svarbiausi bruožai: fiksuotas Instruct-2507 atnaujinimas
Qwen3-30B-A3B-Instruct-2507 yra atnaujinta Qwen3-30B-A3B versija be mąstymo. Kūrėjas pabrėžia instrukcijų laikymosi, loginio samprotavimo, teksto supratimo, matematikos, mokslo, programavimo ir įrankių naudojimo patobulinimus, su platesnėmis žiniomis apie rečiau pasitaikančias temas įvairiomis kalbomis ir geresniu pritaikymu atviroms užduotims. Modelis priima tekstą ir kuria tekstą: atsakymą, paaiškinimą, kodo pasiūlymą ar prašomą rašytinį artefaktą.
Fiksuotą 2507 tapatybę atskirkite nuo originalaus hibridinio Qwen3-30B-A3B, jo FP8 varianto ir Thinking-2507 versijos. Daugiakalbių modelio žinių aprašas nesuteikia atskiros kalbų skaičiaus garantijos šiai fiksuotai versijai. Nurodykite tikslinę kalbą, auditoriją ir nekeistinus terminus, kai užduotis apima vertimą ar perrašymą.
Modelio apžvalga
Ekspertų mišinio modelis turi iš viso 30,5 milijardo parametrų ir aktyvina 3,3 milijardo. Jis turi 48 sluoksnius, 128 ekspertus ir aštuonis ekspertus, parenkamus kiekvienam žetonui. Savasis kontekstas yra 262 144 žetonai. Aktyvinti parametrai nėra visos modelio būsenos dydis, o vien architektūra nenustato fiksuoto atsakymo laiko programoje.
Ši versija palaiko tik režimą be mąstymo ir nekuria aiškių mąstymo blokų. Kūrėjo instrukcijoje nereikia nustatyti enable_thinking=False. Ji vis tiek gali rodyti skaičiavimus ar paaiškinti kodą įprastu tekstu; pagalbinių žingsnių prašymas nepaverčia jos atskira Thinking modelio būsena.
Naudingos tekstinės užklausos parengimas
Programavimo užduočiai pateikite susijusią funkciją ar modulį, įvesties apribojimus, pastebėtą veikimą ir reikiamą rezultatą. Paprašykite siūlomos pataisos ar visos funkcijos su paveikiamų prielaidų paaiškinimu. Matematikos ar mokslo klausimui pateikite visą sąlygą, vienetus ir apibrėžimus, tada paprašykite aiškiai atriboto galutinio atsakymo, pagrįsto pateiktomis sąlygomis.
Atvirai rašymo užduočiai nurodykite auditoriją, paskirtį, toną ir privalomą informaciją. Naudingas atsakymas gali būti redaguojamas juodraštis, suskirstytas pagal prašomas dalis, su atskirai įvardytomis nepagrįstomis prielaidomis. Grąžintą juodraštį, skaičiavimus ar siūlomą kodą palyginkite su pateiktais faktais, apibrėžimais ir reikalavimais.
Agento naudojimas
Qwen dokumentuoja įrankių iškvietimą ir rekomenduoja Qwen-Agent įrankių iškvietimų šablonams bei jų sintaksinei analizei su sukonfigūruotais ar per MCP prijungtais įrankiais. Nurodykite leidžiamus veiksmus ir stebimas užbaigimo sąlygas. Prijungti įrankiai vykdo išorines operacijas ir grąžina stebėjimus; modelis gali naudoti šį grįžtamąjį ryšį vėlesniame atsakyme. Siūloma komanda ar teiginys apie gautą šaltinį turi likti atskiras nuo darbo eigos iš tikrųjų grąžinto rezultato.
Aiškus galutinis artefaktas gali būti kodo pasiūlymas, įrodymų lentelė ar glausta ataskaita. Įrankių palaikymas savaime nesukuria prieigos prie dabartinių šaltinių, failų ar vykdymo aplinkos per kiekvieną sąsają. Išlaikykite konkretaus modelio atsakymo be mąstymo susitarimą, užuot perėmę hibridinio modelio užklausų jungiklius ar Thinking versijos išvesties biudžetus.
Ypač ilgo teksto apdorojimas
Kūrėjas dokumentuoja pasirenkamą darbo eigą, pasiekiančią maždaug milijoną žetonų per Dual Chunk Attention ir MInference retąjį dėmesį. Pirmasis ilgą seką padalija į valdomas dalis, išlaikydamas jų tarpusavio sąveikas; antrasis sutelkia skaičiavimą į pasirinktus dėmesio ryšius. Tai papildomas konfigūracijos kelias už savojo 262 144 konteksto ribų, naudojantis specialią ilgo konteksto konfigūraciją.
Instrukcija įvertina maždaug 240 GB bendros GPU atminties modelio svoriams, talpykloje laikomai sekos būsenai ir didžiausioms aktyvacijoms. Ji taip pat aprašo atskiras talpos klaidas dėl sekos talpyklos, aktyvacijų atminties ar įvesties, viršijančios sukonfigūruotą ilgį. Todėl milijono žetonų darbo eiga priklauso nuo konfigūracijos ir išteklių; pagrindinio skaičiaus nereikėtų laikyti besąlyginiu numatytuoju nustatymu.
Ilgą įvestį parenkite su dokumentų ribomis, dalių pavadinimais ar kodo identifikatoriais ir konkrečiu klausimu. Palikite vietos atsakymui ir paprašykite kiekvieną išvadą pagrindžiančių įrodymų.
Generavimo rekomendacijos
Gerosios praktikos rekomenduoja temperature 0,7, top_p 0,8, top_k 20 ir min_p 0. Ten, kur palaikoma, presence penalty tarp nulio ir dviejų gali sumažinti pasikartojantį tekstą, o didesnės reikšmės gali maišyti kalbas ar šiek tiek bloginti kokybę. Kūrėjas daugumai užklausų rekomenduoja 16 384 žetonų išvesties biudžetą, o ne ilgesnius Thinking-2507 dokumentuotus biudžetus. Tai rekomendacija, o ne nepriklausomai nustatyta griežta išvesties riba.
Galutinį formatą nurodykite aiškiai, pavyzdžiui, matematinį skirtuką ar atsakymo lauką. Dokumentuota modelio įvestis yra tekstas, todėl vaizdiniams ar garsiniams įrodymams prieš šią darbo eigą reikia tinkamos atskiros reprezentacijos. Skaičiavimus, citatas ir sugeneruotą kodą tikrinkite pagal šaltinį. Naudingas rezultatas yra išsamus, peržiūrimas tekstinis artefaktas, kurio fiksuota Instruct-2507 tapatybė, režimas be mąstymo ir sąlyginė ilgo konteksto procedūra lieka aiškūs.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen/qwen3-30b-a3b-instruct-2507 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0.0008 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0.0008 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "qwen/qwen3-30b-a3b-instruct-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-30b-a3b-instruct-2507', '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/qwen3-30b-a3b-instruct-2507', '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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.