Svarbiausia: fiksuota Thinking-2507 laida
Qwen3-30B-A3B-Thinking-2507 – teksto generavimo modelis, orientuotas į sudėtingą samprotavimą. Qwen aprašo logikos, matematikos, mokslo, programavimo, instrukcijų vykdymo, įrankių naudojimo ir teksto generavimo patobulinimus, ilgesnes mąstymo sekas ir geresnį ilgo konteksto supratimą. Rinkitės būtent šią 2507 laidą, kai užduočiai naudinga nuosekliai samprotauti, pavyzdžiui, nagrinėti konkuruojančius paaiškinimus, spręsti kelių etapų matematinį uždavinį ar įgyvendinti sudėtingą kodo pakeitimą.
Modelio apžvalga ir režimas
Ekspertų mišinio modelis iš viso turi 30.5 milijardo parametrų, iš kurių aktyvinama 3.3 milijardo; jame yra 128 ekspertai, kiekvienam žetonui parenkami aštuoni, o sluoksnių – 48. Savasis kontekstas yra 262,144 žetonai. Modelis priima ir grąžina tekstą; įrankių rezultatai pateikiami per prijungtos programos darbo eigą. Šis kontrolinis taškas palaiko tik mąstymą. Jis skiriasi nuo ankstesnio hibridinio Qwen3-30B-A3B, jo FP8 laidos ir Qwen3-30B-A3B-Instruct-2507. Nereikėtų manyti, kad čia taikomas hibridinio modelio mąstymo išjungiklis.
Numatytasis pokalbio šablonas samprotavimo seką jau pradeda pradine mąstymo žyma, todėl aiškus enable_thinking=True nustatymas nereikalingas. Grąžintoje sekoje gali būti uždaromoji žyma, nors pradinė žyma nekartojama. Gamintojo pavyzdyje samprotavimas atskiriamas nuo galutinio atsakymo. Išlaikykite šį skirtumą prašydami konkretaus rezultato: po ilgesnio paaiškinimo turi būti lengva rasti įrodymo išvadą, pataisą ar sprendimų lentelę.
Sudėtingos užduoties parengimas
Pateikite modeliui visą uždavinio sąlygą, apribojimus ir susijusius įrodymus. Keisdami kodą pridėkite esamą funkciją, klaidą sukeliančią įvestį ir laukiamą veikimą, tada paprašykite siūlomos pataisos su ribinių atvejų paaiškinimu. Moksliniame klausime atskirkite stebėjimus nuo prielaidų ir paprašykite nurodyti, kokia išvada išplaukia iš kiekvieno jų. Ilgame taisyklių dokumente ar specifikacijoje išlaikykite skyrių identifikatorius ir paprašykite glausto sprendimo, pagrįsto susijusiais punktais. Tai praktiniai dokumentuotų samprotavimo sričių taikymo būdai, o ne teiginiai, kad modelis įvykdė pataisą ar patvirtino eksperimentą.
Kadangi ši versija gali ilgai samprotauti, numatykite vietos ir samprotavimui, ir galutiniam rezultatui. Konfigūruojant modelį Qwen pataria, jei įmanoma, išlaikyti didesnį nei 131,072 žetonų kontekstą, net jei mažesnis kontekstas palengvintų atminties apkrovą. Savojo konteksto dydis apima sekos biudžetą; tai nereiškia, kad visą jį galima skirti dokumentui ir kartu palikti neribotą vietą atsakymui.
Naudojimas agentuose
Gamintojas dokumentuoja įrankių iškvietimą ir įrankių šablonams ir sintaksiniam nagrinėjimui rekomenduoja Qwen-Agent, įskaitant integraciją su sukonfigūruotais įrankiais ir kodo interpretatoriaus procesais. Aiškiai apibrėžkite įrankius ir numatomą rezultatą. Pavyzdžiui, programa galėtų leisti modeliui nagrinėti surinktus įrodymus, naudoti leidžiamą skaičiuotuvą ir tada parengti skaičiavimą paaiškinančią ataskaitą. Informacijos paiešką ir vykdymą atlieka prijungti įrankiai; pats modelio gebėjimas iškviesti įrankius nepatvirtina prieigos prie interneto, kodo aplinkos ar verslo sistemų.
Itin ilgo teksto apdorojimas
Qwen dokumentuoja pasirenkamą procesą, kuriame derinant Dual Chunk Attention ir MInference retąjį dėmesį pasiekiama maždaug milijonas žetonų. Pirmoji technika ilgas sekas skaido į blokus, išlaikydama jų tarpusavio sąveiką; antroji skaičiavimus sutelkia į pasirinktus dėmesio ryšius. Tai papildomas konfigūravimo kelias, viršijantis savąjį 262,144 žetonų kontekstą. Gamintojo receptui reikia specialios ilgo konteksto konfigūracijos; svoriams, podėlyje laikomai dėmesio būsenai ir didžiausioms aktyvacijoms apskaičiuota maždaug 240 GB bendros GPU atminties.
Šis receptas turi konkrečias išteklių ribas: podėlyje saugoma sekos būsena, aktyvacijų atmintis ir bendras įvesties ilgis kiekvienas gali išnaudoti sukonfigūruotą talpą. Todėl milijono žetonų procesas priklauso nuo konfigūracijos, atminties ir palaikomos dėmesio realizacijos. Praktinę dokumentų peržiūrą pradėkite nuo susijusios medžiagos, pažymėkite dokumentų ribas ir prašykite atsekamų įrodymų, užuot aiškų klausimą pakeitę kuo didesne įvestimi.
Generavimo rekomendacijos ir ribos
Qwen rekomenduoja temperature 0.6, top_p 0.95, top_k 20 ir min_p 0. Daugumai užklausų siūlomas 32,768 žetonų išvesties biudžetas, o ypač sudėtingiems matematikos ar programavimo uždaviniams – 81,920. Tai generavimo biudžeto rekomendacijos, o ne atskirai paskelbta griežta išvesties riba. Nuo nulio iki dviejų nustatyta bauda už jau pavartotus žetonus gali sumažinti kartojimąsi, tačiau didesnės reikšmės gali sukelti kalbų maišymą ar šiek tiek pabloginti kokybę.
Užklausoje nurodykite galutinio atsakymo formatą, pavyzdžiui, žymomis atskirtą matematinį rezultatą arba atsakymo lauką klausimui su keliais pasirinkimais. Kaip rekomenduoja gamintojas, pokalbio istorijoje palikite tik galutinio atsakymo dalį. Ilgesnis samprotavimas naudingas, kai duoda patikrinamą rezultatą; prieš remdamiesi išvada patikrinkite prielaidas, skaičiavimus ir siūlomą kodą.
", "aboutText": "Svarbiausia: fiksuota Thinking-2507 laida\n\nQwen3-30B-A3B-Thinking-2507 – teksto generavimo modelis, orientuotas į sudėtingą samprotavimą. Qwen aprašo logikos, matematikos, mokslo, programavimo, instrukcijų vykdymo, įrankių naudojimo ir teksto generavimo patobulinimus, ilgesnes mąstymo sekas ir geresnį ilgo konteksto supratimą. Rinkitės būtent šią 2507 laidą, kai užduočiai naudinga nuosekliai samprotauti, pavyzdžiui, nagrinėti konkuruojančius paaiškinimus, spręsti kelių etapų matematinį uždavinį ar įgyvendinti sudėtingą kodo pakeitimą.\n\nModelio apžvalga ir režimas\n\nEkspertų mišinio modelis iš viso turi 30.5 milijardo parametrų, iš kurių aktyvinama 3.3 milijardo; jame yra 128 ekspertai, kiekvienam žetonui parenkami aštuoni, o sluoksnių – 48. Savasis kontekstas yra 262,144 žetonai. Modelis priima ir grąžina tekstą; įrankių rezultatai pateikiami per prijungtos programos darbo eigą. Šis kontrolinis taškas palaiko tik mąstymą. Jis skiriasi nuo ankstesnio hibridinio Qwen3-30B-A3B, jo FP8 laidos ir Qwen3-30B-A3B-Instruct-2507. Nereikėtų manyti, kad čia taikomas hibridinio modelio mąstymo išjungiklis.\n\nNumatytasis pokalbio šablonas samprotavimo seką jau pradeda pradine mąstymo žyma, todėl aiškus enable_thinking=True nustatymas nereikalingas. Grąžintoje sekoje gali būti uždaromoji žyma, nors pradinė žyma nekartojama. Gamintojo pavyzdyje samprotavimas atskiriamas nuo galutinio atsakymo. Išlaikykite šį skirtumą prašydami konkretaus rezultato: po ilgesnio paaiškinimo turi būti lengva rasti įrodymo išvadą, pataisą ar sprendimų lentelę.\n\nSudėtingos užduoties parengimas\n\nPateikite modeliui visą uždavinio sąlygą, apribojimus ir susijusius įrodymus. Keisdami kodą pridėkite esamą funkciją, klaidą sukeliančią įvestį ir laukiamą veikimą, tada paprašykite siūlomos pataisos su ribinių atvejų paaiškinimu. Moksliniame klausime atskirkite stebėjimus nuo prielaidų ir paprašykite nurodyti, kokia išvada išplaukia iš kiekvieno jų. Ilgame taisyklių dokumente ar specifikacijoje išlaikykite skyrių identifikatorius ir paprašykite glausto sprendimo, pagrįsto susijusiais punktais. Tai praktiniai dokumentuotų samprotavimo sričių taikymo būdai, o ne teiginiai, kad modelis įvykdė pataisą ar patvirtino eksperimentą.\n\nKadangi ši versija gali ilgai samprotauti, numatykite vietos ir samprotavimui, ir galutiniam rezultatui. Konfigūruojant modelį Qwen pataria, jei įmanoma, išlaikyti didesnį nei 131,072 žetonų kontekstą, net jei mažesnis kontekstas palengvintų atminties apkrovą. Savojo konteksto dydis apima sekos biudžetą; tai nereiškia, kad visą jį galima skirti dokumentui ir kartu palikti neribotą vietą atsakymui.\n\nNaudojimas agentuose\n\nGamintojas dokumentuoja įrankių iškvietimą ir įrankių šablonams ir sintaksiniam nagrinėjimui rekomenduoja Qwen-Agent, įskaitant integraciją su sukonfigūruotais įrankiais ir kodo interpretatoriaus procesais. Aiškiai apibrėžkite įrankius ir numatomą rezultatą. Pavyzdžiui, programa galėtų leisti modeliui nagrinėti surinktus įrodymus, naudoti leidžiamą skaičiuotuvą ir tada parengti skaičiavimą paaiškinančią ataskaitą. Informacijos paiešką ir vykdymą atlieka prijungti įrankiai; pats modelio gebėjimas iškviesti įrankius nepatvirtina prieigos prie interneto, kodo aplinkos ar verslo sistemų.\n\nItin ilgo teksto apdorojimas\n\nQwen dokumentuoja pasirenkamą procesą, kuriame derinant Dual Chunk Attention ir MInference retąjį dėmesį pasiekiama maždaug milijonas žetonų. Pirmoji technika ilgas sekas skaido į blokus, išlaikydama jų tarpusavio sąveiką; antroji skaičiavimus sutelkia į pasirinktus dėmesio ryšius. Tai papildomas konfigūravimo kelias, viršijantis savąjį 262,144 žetonų kontekstą. Gamintojo receptui reikia specialios ilgo konteksto konfigūracijos; svoriams, podėlyje laikomai dėmesio būsenai ir didžiausioms aktyvacijoms apskaičiuota maždaug 240 GB bendros GPU atminties.\n\nŠis receptas turi konkrečias išteklių ribas: podėlyje saugoma sekos būsena, aktyvacijų atmintis ir bendras įvesties ilgis kiekvienas gali išnaudoti sukonfigūruotą talpą. Todėl milijono žetonų procesas priklauso nuo konfigūracijos, atminties ir palaikomos dėmesio realizacijos. Praktinę dokumentų peržiūrą pradėkite nuo susijusios medžiagos, pažymėkite dokumentų ribas ir prašykite atsekamų įrodymų, užuot aiškų klausimą pakeitę kuo didesne įvestimi.\n\nGeneravimo rekomendacijos ir ribos\n\nQwen rekomenduoja temperature 0.6, top_p 0.95, top_k 20 ir min_p 0. Daugumai užklausų siūlomas 32,768 žetonų išvesties biudžetas, o ypač sudėtingiems matematikos ar programavimo uždaviniams – 81,920. Tai generavimo biudžeto rekomendacijos, o ne atskirai paskelbta griežta išvesties riba. Nuo nulio iki dviejų nustatyta bauda už jau pavartotus žetonus gali sumažinti kartojimąsi, tačiau didesnės reikšmės gali sukelti kalbų maišymą ar šiek tiek pabloginti kokybę.\n\nUžklausoje nurodykite galutinio atsakymo formatą, pavyzdžiui, žymomis atskirtą matematinį rezultatą arba atsakymo lauką klausimui su keliais pasirinkimais. Kaip rekomenduoja gamintojas, pokalbio istorijoje palikite tik galutinio atsakymo dalį. Ilgesnis samprotavimas naudingas, kai duoda patikrinamą rezultatą; prieš remdamiesi išvada patikrinkite prielaidas, skaičiavimus ir siūlomą kodą.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Solve a constrained staffing assignment\n\nAssign three reviewers, Ada, Ben and Cy, to morning, afternoon and evening shifts, one each. Ada cannot work evening. Ben must work later than Ada. Cy cannot work morning. List every valid assignment and explain how each constraint eliminates alternatives. Finish with whether the assignment is unique; do not assume additional availability.An enumeration of all valid assignments, a constraint check and a separate uniqueness conclusion.Every assignment uses all three shifts once and satisfies Ben later than Ada without adding availability rules.Qwen/Qwen3-30B-A3B-Thinking-2507Qwen3-30B-A3B-Thinking-2507 – tik mąstymo režimu veikiantis Qwen teksto modelis, skirtas sudėtingiems matematikos, mokslo, programavimo ir loginio samprotavimo uždaviniams. Ši fiksuota 2507 laida turi savąjį 262,144 žetonų kontekstą ir didesnį samprotavimo biudžetą; dokumentuoti įrankių iškvietimo bei sąlyginiai itin ilgo konteksto procesai.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Svarbiausia: fiksuota Thinking-2507 laida
Qwen3-30B-A3B-Thinking-2507 – teksto generavimo modelis, orientuotas į sudėtingą samprotavimą. Qwen aprašo logikos, matematikos, mokslo, programavimo, instrukcijų vykdymo, įrankių naudojimo ir teksto generavimo patobulinimus, ilgesnes mąstymo sekas ir geresnį ilgo konteksto supratimą. Rinkitės būtent šią 2507 laidą, kai užduočiai naudinga nuosekliai samprotauti, pavyzdžiui, nagrinėti konkuruojančius paaiškinimus, spręsti kelių etapų matematinį uždavinį ar įgyvendinti sudėtingą kodo pakeitimą.
Modelio apžvalga ir režimas
Ekspertų mišinio modelis iš viso turi 30.5 milijardo parametrų, iš kurių aktyvinama 3.3 milijardo; jame yra 128 ekspertai, kiekvienam žetonui parenkami aštuoni, o sluoksnių – 48. Savasis kontekstas yra 262,144 žetonai. Modelis priima ir grąžina tekstą; įrankių rezultatai pateikiami per prijungtos programos darbo eigą. Šis kontrolinis taškas palaiko tik mąstymą. Jis skiriasi nuo ankstesnio hibridinio Qwen3-30B-A3B, jo FP8 laidos ir Qwen3-30B-A3B-Instruct-2507. Nereikėtų manyti, kad čia taikomas hibridinio modelio mąstymo išjungiklis.
Numatytasis pokalbio šablonas samprotavimo seką jau pradeda pradine mąstymo žyma, todėl aiškus enable_thinking=True nustatymas nereikalingas. Grąžintoje sekoje gali būti uždaromoji žyma, nors pradinė žyma nekartojama. Gamintojo pavyzdyje samprotavimas atskiriamas nuo galutinio atsakymo. Išlaikykite šį skirtumą prašydami konkretaus rezultato: po ilgesnio paaiškinimo turi būti lengva rasti įrodymo išvadą, pataisą ar sprendimų lentelę.
Sudėtingos užduoties parengimas
Pateikite modeliui visą uždavinio sąlygą, apribojimus ir susijusius įrodymus. Keisdami kodą pridėkite esamą funkciją, klaidą sukeliančią įvestį ir laukiamą veikimą, tada paprašykite siūlomos pataisos su ribinių atvejų paaiškinimu. Moksliniame klausime atskirkite stebėjimus nuo prielaidų ir paprašykite nurodyti, kokia išvada išplaukia iš kiekvieno jų. Ilgame taisyklių dokumente ar specifikacijoje išlaikykite skyrių identifikatorius ir paprašykite glausto sprendimo, pagrįsto susijusiais punktais. Tai praktiniai dokumentuotų samprotavimo sričių taikymo būdai, o ne teiginiai, kad modelis įvykdė pataisą ar patvirtino eksperimentą.
Kadangi ši versija gali ilgai samprotauti, numatykite vietos ir samprotavimui, ir galutiniam rezultatui. Konfigūruojant modelį Qwen pataria, jei įmanoma, išlaikyti didesnį nei 131,072 žetonų kontekstą, net jei mažesnis kontekstas palengvintų atminties apkrovą. Savojo konteksto dydis apima sekos biudžetą; tai nereiškia, kad visą jį galima skirti dokumentui ir kartu palikti neribotą vietą atsakymui.
Naudojimas agentuose
Gamintojas dokumentuoja įrankių iškvietimą ir įrankių šablonams ir sintaksiniam nagrinėjimui rekomenduoja Qwen-Agent, įskaitant integraciją su sukonfigūruotais įrankiais ir kodo interpretatoriaus procesais. Aiškiai apibrėžkite įrankius ir numatomą rezultatą. Pavyzdžiui, programa galėtų leisti modeliui nagrinėti surinktus įrodymus, naudoti leidžiamą skaičiuotuvą ir tada parengti skaičiavimą paaiškinančią ataskaitą. Informacijos paiešką ir vykdymą atlieka prijungti įrankiai; pats modelio gebėjimas iškviesti įrankius nepatvirtina prieigos prie interneto, kodo aplinkos ar verslo sistemų.
Itin ilgo teksto apdorojimas
Qwen dokumentuoja pasirenkamą procesą, kuriame derinant Dual Chunk Attention ir MInference retąjį dėmesį pasiekiama maždaug milijonas žetonų. Pirmoji technika ilgas sekas skaido į blokus, išlaikydama jų tarpusavio sąveiką; antroji skaičiavimus sutelkia į pasirinktus dėmesio ryšius. Tai papildomas konfigūravimo kelias, viršijantis savąjį 262,144 žetonų kontekstą. Gamintojo receptui reikia specialios ilgo konteksto konfigūracijos; svoriams, podėlyje laikomai dėmesio būsenai ir didžiausioms aktyvacijoms apskaičiuota maždaug 240 GB bendros GPU atminties.
Šis receptas turi konkrečias išteklių ribas: podėlyje saugoma sekos būsena, aktyvacijų atmintis ir bendras įvesties ilgis kiekvienas gali išnaudoti sukonfigūruotą talpą. Todėl milijono žetonų procesas priklauso nuo konfigūracijos, atminties ir palaikomos dėmesio realizacijos. Praktinę dokumentų peržiūrą pradėkite nuo susijusios medžiagos, pažymėkite dokumentų ribas ir prašykite atsekamų įrodymų, užuot aiškų klausimą pakeitę kuo didesne įvestimi.
Generavimo rekomendacijos ir ribos
Qwen rekomenduoja temperature 0.6, top_p 0.95, top_k 20 ir min_p 0. Daugumai užklausų siūlomas 32,768 žetonų išvesties biudžetas, o ypač sudėtingiems matematikos ar programavimo uždaviniams – 81,920. Tai generavimo biudžeto rekomendacijos, o ne atskirai paskelbta griežta išvesties riba. Nuo nulio iki dviejų nustatyta bauda už jau pavartotus žetonus gali sumažinti kartojimąsi, tačiau didesnės reikšmės gali sukelti kalbų maišymą ar šiek tiek pabloginti kokybę.
Užklausoje nurodykite galutinio atsakymo formatą, pavyzdžiui, žymomis atskirtą matematinį rezultatą arba atsakymo lauką klausimui su keliais pasirinkimais. Kaip rekomenduoja gamintojas, pokalbio istorijoje palikite tik galutinio atsakymo dalį. Ilgesnis samprotavimas naudingas, kai duoda patikrinamą rezultatą; prieš remdamiesi išvada patikrinkite prielaidas, skaičiavimus ir siūlomą kodą.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Qwen/Qwen3-30B-A3B-Thinking-2507 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Tekstinis pokalbis | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
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 |
Parametrascontrol_scope | SpecifikacijaTekstinis pokalbis; stream yra loginė reikšmė, kurios numatytoji reikšmė yra false. |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Metodo pseudonimai: /chat/completions
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.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | 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-Thinking-2507","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-Thinking-2507", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-Thinking-2507, qwen3-30b-a3b-thinking-2507
/chat/completions
Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
Qwen/Qwen3-30B-A3B-Thinking-2507Qwen3-30B-A3B-Thinking-2507 – tik mąstymo režimu veikiantis Qwen teksto modelis, skirtas sudėtingiems matematikos, mokslo, programavimo ir loginio samprotavimo uždaviniams. Ši fiksuota 2507 laida turi savąjį 262,144 žetonų kontekstą ir didesnį samprotavimo biudžetą; dokumentuoti įrankių iškvietimo bei sąlyginiai itin ilgo konteksto procesai.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Svarbiausia: fiksuota Thinking-2507 laida
Qwen3-30B-A3B-Thinking-2507 – teksto generavimo modelis, orientuotas į sudėtingą samprotavimą. Qwen aprašo logikos, matematikos, mokslo, programavimo, instrukcijų vykdymo, įrankių naudojimo ir teksto generavimo patobulinimus, ilgesnes mąstymo sekas ir geresnį ilgo konteksto supratimą. Rinkitės būtent šią 2507 laidą, kai užduočiai naudinga nuosekliai samprotauti, pavyzdžiui, nagrinėti konkuruojančius paaiškinimus, spręsti kelių etapų matematinį uždavinį ar įgyvendinti sudėtingą kodo pakeitimą.
Modelio apžvalga ir režimas
Ekspertų mišinio modelis iš viso turi 30.5 milijardo parametrų, iš kurių aktyvinama 3.3 milijardo; jame yra 128 ekspertai, kiekvienam žetonui parenkami aštuoni, o sluoksnių – 48. Savasis kontekstas yra 262,144 žetonai. Modelis priima ir grąžina tekstą; įrankių rezultatai pateikiami per prijungtos programos darbo eigą. Šis kontrolinis taškas palaiko tik mąstymą. Jis skiriasi nuo ankstesnio hibridinio Qwen3-30B-A3B, jo FP8 laidos ir Qwen3-30B-A3B-Instruct-2507. Nereikėtų manyti, kad čia taikomas hibridinio modelio mąstymo išjungiklis.
Numatytasis pokalbio šablonas samprotavimo seką jau pradeda pradine mąstymo žyma, todėl aiškus enable_thinking=True nustatymas nereikalingas. Grąžintoje sekoje gali būti uždaromoji žyma, nors pradinė žyma nekartojama. Gamintojo pavyzdyje samprotavimas atskiriamas nuo galutinio atsakymo. Išlaikykite šį skirtumą prašydami konkretaus rezultato: po ilgesnio paaiškinimo turi būti lengva rasti įrodymo išvadą, pataisą ar sprendimų lentelę.
Sudėtingos užduoties parengimas
Pateikite modeliui visą uždavinio sąlygą, apribojimus ir susijusius įrodymus. Keisdami kodą pridėkite esamą funkciją, klaidą sukeliančią įvestį ir laukiamą veikimą, tada paprašykite siūlomos pataisos su ribinių atvejų paaiškinimu. Moksliniame klausime atskirkite stebėjimus nuo prielaidų ir paprašykite nurodyti, kokia išvada išplaukia iš kiekvieno jų. Ilgame taisyklių dokumente ar specifikacijoje išlaikykite skyrių identifikatorius ir paprašykite glausto sprendimo, pagrįsto susijusiais punktais. Tai praktiniai dokumentuotų samprotavimo sričių taikymo būdai, o ne teiginiai, kad modelis įvykdė pataisą ar patvirtino eksperimentą.
Kadangi ši versija gali ilgai samprotauti, numatykite vietos ir samprotavimui, ir galutiniam rezultatui. Konfigūruojant modelį Qwen pataria, jei įmanoma, išlaikyti didesnį nei 131,072 žetonų kontekstą, net jei mažesnis kontekstas palengvintų atminties apkrovą. Savojo konteksto dydis apima sekos biudžetą; tai nereiškia, kad visą jį galima skirti dokumentui ir kartu palikti neribotą vietą atsakymui.
Naudojimas agentuose
Gamintojas dokumentuoja įrankių iškvietimą ir įrankių šablonams ir sintaksiniam nagrinėjimui rekomenduoja Qwen-Agent, įskaitant integraciją su sukonfigūruotais įrankiais ir kodo interpretatoriaus procesais. Aiškiai apibrėžkite įrankius ir numatomą rezultatą. Pavyzdžiui, programa galėtų leisti modeliui nagrinėti surinktus įrodymus, naudoti leidžiamą skaičiuotuvą ir tada parengti skaičiavimą paaiškinančią ataskaitą. Informacijos paiešką ir vykdymą atlieka prijungti įrankiai; pats modelio gebėjimas iškviesti įrankius nepatvirtina prieigos prie interneto, kodo aplinkos ar verslo sistemų.
Itin ilgo teksto apdorojimas
Qwen dokumentuoja pasirenkamą procesą, kuriame derinant Dual Chunk Attention ir MInference retąjį dėmesį pasiekiama maždaug milijonas žetonų. Pirmoji technika ilgas sekas skaido į blokus, išlaikydama jų tarpusavio sąveiką; antroji skaičiavimus sutelkia į pasirinktus dėmesio ryšius. Tai papildomas konfigūravimo kelias, viršijantis savąjį 262,144 žetonų kontekstą. Gamintojo receptui reikia specialios ilgo konteksto konfigūracijos; svoriams, podėlyje laikomai dėmesio būsenai ir didžiausioms aktyvacijoms apskaičiuota maždaug 240 GB bendros GPU atminties.
Šis receptas turi konkrečias išteklių ribas: podėlyje saugoma sekos būsena, aktyvacijų atmintis ir bendras įvesties ilgis kiekvienas gali išnaudoti sukonfigūruotą talpą. Todėl milijono žetonų procesas priklauso nuo konfigūracijos, atminties ir palaikomos dėmesio realizacijos. Praktinę dokumentų peržiūrą pradėkite nuo susijusios medžiagos, pažymėkite dokumentų ribas ir prašykite atsekamų įrodymų, užuot aiškų klausimą pakeitę kuo didesne įvestimi.
Generavimo rekomendacijos ir ribos
Qwen rekomenduoja temperature 0.6, top_p 0.95, top_k 20 ir min_p 0. Daugumai užklausų siūlomas 32,768 žetonų išvesties biudžetas, o ypač sudėtingiems matematikos ar programavimo uždaviniams – 81,920. Tai generavimo biudžeto rekomendacijos, o ne atskirai paskelbta griežta išvesties riba. Nuo nulio iki dviejų nustatyta bauda už jau pavartotus žetonus gali sumažinti kartojimąsi, tačiau didesnės reikšmės gali sukelti kalbų maišymą ar šiek tiek pabloginti kokybę.
Užklausoje nurodykite galutinio atsakymo formatą, pavyzdžiui, žymomis atskirtą matematinį rezultatą arba atsakymo lauką klausimui su keliais pasirinkimais. Kaip rekomenduoja gamintojas, pokalbio istorijoje palikite tik galutinio atsakymo dalį. Ilgesnis samprotavimas naudingas, kai duoda patikrinamą rezultatą; prieš remdamiesi išvada patikrinkite prielaidas, skaičiavimus ir siūlomą kodą.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Qwen/Qwen3-30B-A3B-Thinking-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.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | 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 $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "Qwen/Qwen3-30B-A3B-Thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-Thinking-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-Thinking-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-Thinking-2507, qwen3-30b-a3b-thinking-2507
/chat/completions
Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
qwen3-30b-a3b-thinking-2507Qwen3-30B-A3B-Thinking-2507 – tik mąstymo režimu veikiantis Qwen teksto modelis, skirtas sudėtingiems matematikos, mokslo, programavimo ir loginio samprotavimo uždaviniams. Ši fiksuota 2507 laida turi savąjį 262,144 žetonų kontekstą ir didesnį samprotavimo biudžetą; dokumentuoti įrankių iškvietimo bei sąlyginiai itin ilgo konteksto procesai.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Svarbiausia: fiksuota Thinking-2507 laida
Qwen3-30B-A3B-Thinking-2507 – teksto generavimo modelis, orientuotas į sudėtingą samprotavimą. Qwen aprašo logikos, matematikos, mokslo, programavimo, instrukcijų vykdymo, įrankių naudojimo ir teksto generavimo patobulinimus, ilgesnes mąstymo sekas ir geresnį ilgo konteksto supratimą. Rinkitės būtent šią 2507 laidą, kai užduočiai naudinga nuosekliai samprotauti, pavyzdžiui, nagrinėti konkuruojančius paaiškinimus, spręsti kelių etapų matematinį uždavinį ar įgyvendinti sudėtingą kodo pakeitimą.
Modelio apžvalga ir režimas
Ekspertų mišinio modelis iš viso turi 30.5 milijardo parametrų, iš kurių aktyvinama 3.3 milijardo; jame yra 128 ekspertai, kiekvienam žetonui parenkami aštuoni, o sluoksnių – 48. Savasis kontekstas yra 262,144 žetonai. Modelis priima ir grąžina tekstą; įrankių rezultatai pateikiami per prijungtos programos darbo eigą. Šis kontrolinis taškas palaiko tik mąstymą. Jis skiriasi nuo ankstesnio hibridinio Qwen3-30B-A3B, jo FP8 laidos ir Qwen3-30B-A3B-Instruct-2507. Nereikėtų manyti, kad čia taikomas hibridinio modelio mąstymo išjungiklis.
Numatytasis pokalbio šablonas samprotavimo seką jau pradeda pradine mąstymo žyma, todėl aiškus enable_thinking=True nustatymas nereikalingas. Grąžintoje sekoje gali būti uždaromoji žyma, nors pradinė žyma nekartojama. Gamintojo pavyzdyje samprotavimas atskiriamas nuo galutinio atsakymo. Išlaikykite šį skirtumą prašydami konkretaus rezultato: po ilgesnio paaiškinimo turi būti lengva rasti įrodymo išvadą, pataisą ar sprendimų lentelę.
Sudėtingos užduoties parengimas
Pateikite modeliui visą uždavinio sąlygą, apribojimus ir susijusius įrodymus. Keisdami kodą pridėkite esamą funkciją, klaidą sukeliančią įvestį ir laukiamą veikimą, tada paprašykite siūlomos pataisos su ribinių atvejų paaiškinimu. Moksliniame klausime atskirkite stebėjimus nuo prielaidų ir paprašykite nurodyti, kokia išvada išplaukia iš kiekvieno jų. Ilgame taisyklių dokumente ar specifikacijoje išlaikykite skyrių identifikatorius ir paprašykite glausto sprendimo, pagrįsto susijusiais punktais. Tai praktiniai dokumentuotų samprotavimo sričių taikymo būdai, o ne teiginiai, kad modelis įvykdė pataisą ar patvirtino eksperimentą.
Kadangi ši versija gali ilgai samprotauti, numatykite vietos ir samprotavimui, ir galutiniam rezultatui. Konfigūruojant modelį Qwen pataria, jei įmanoma, išlaikyti didesnį nei 131,072 žetonų kontekstą, net jei mažesnis kontekstas palengvintų atminties apkrovą. Savojo konteksto dydis apima sekos biudžetą; tai nereiškia, kad visą jį galima skirti dokumentui ir kartu palikti neribotą vietą atsakymui.
Naudojimas agentuose
Gamintojas dokumentuoja įrankių iškvietimą ir įrankių šablonams ir sintaksiniam nagrinėjimui rekomenduoja Qwen-Agent, įskaitant integraciją su sukonfigūruotais įrankiais ir kodo interpretatoriaus procesais. Aiškiai apibrėžkite įrankius ir numatomą rezultatą. Pavyzdžiui, programa galėtų leisti modeliui nagrinėti surinktus įrodymus, naudoti leidžiamą skaičiuotuvą ir tada parengti skaičiavimą paaiškinančią ataskaitą. Informacijos paiešką ir vykdymą atlieka prijungti įrankiai; pats modelio gebėjimas iškviesti įrankius nepatvirtina prieigos prie interneto, kodo aplinkos ar verslo sistemų.
Itin ilgo teksto apdorojimas
Qwen dokumentuoja pasirenkamą procesą, kuriame derinant Dual Chunk Attention ir MInference retąjį dėmesį pasiekiama maždaug milijonas žetonų. Pirmoji technika ilgas sekas skaido į blokus, išlaikydama jų tarpusavio sąveiką; antroji skaičiavimus sutelkia į pasirinktus dėmesio ryšius. Tai papildomas konfigūravimo kelias, viršijantis savąjį 262,144 žetonų kontekstą. Gamintojo receptui reikia specialios ilgo konteksto konfigūracijos; svoriams, podėlyje laikomai dėmesio būsenai ir didžiausioms aktyvacijoms apskaičiuota maždaug 240 GB bendros GPU atminties.
Šis receptas turi konkrečias išteklių ribas: podėlyje saugoma sekos būsena, aktyvacijų atmintis ir bendras įvesties ilgis kiekvienas gali išnaudoti sukonfigūruotą talpą. Todėl milijono žetonų procesas priklauso nuo konfigūracijos, atminties ir palaikomos dėmesio realizacijos. Praktinę dokumentų peržiūrą pradėkite nuo susijusios medžiagos, pažymėkite dokumentų ribas ir prašykite atsekamų įrodymų, užuot aiškų klausimą pakeitę kuo didesne įvestimi.
Generavimo rekomendacijos ir ribos
Qwen rekomenduoja temperature 0.6, top_p 0.95, top_k 20 ir min_p 0. Daugumai užklausų siūlomas 32,768 žetonų išvesties biudžetas, o ypač sudėtingiems matematikos ar programavimo uždaviniams – 81,920. Tai generavimo biudžeto rekomendacijos, o ne atskirai paskelbta griežta išvesties riba. Nuo nulio iki dviejų nustatyta bauda už jau pavartotus žetonus gali sumažinti kartojimąsi, tačiau didesnės reikšmės gali sukelti kalbų maišymą ar šiek tiek pabloginti kokybę.
Užklausoje nurodykite galutinio atsakymo formatą, pavyzdžiui, žymomis atskirtą matematinį rezultatą arba atsakymo lauką klausimui su keliais pasirinkimais. Kaip rekomenduoja gamintojas, pokalbio istorijoje palikite tik galutinio atsakymo dalį. Ilgesnis samprotavimas naudingas, kai duoda patikrinamą rezultatą; prieš remdamiesi išvada patikrinkite prielaidas, skaičiavimus ir siūlomą kodą.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen3-30b-a3b-thinking-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.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | 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": "qwen3-30b-a3b-thinking-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='qwen3-30b-a3b-thinking-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='qwen3-30b-a3b-thinking-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-Thinking-2507, qwen3-30b-a3b-thinking-2507
/chat/completions
Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
qwen3-30b-a3b-thinking-2507Qwen3-30B-A3B-Thinking-2507 – tik mąstymo režimu veikiantis Qwen teksto modelis, skirtas sudėtingiems matematikos, mokslo, programavimo ir loginio samprotavimo uždaviniams. Ši fiksuota 2507 laida turi savąjį 262,144 žetonų kontekstą ir didesnį samprotavimo biudžetą; dokumentuoti įrankių iškvietimo bei sąlyginiai itin ilgo konteksto procesai.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Svarbiausia: fiksuota Thinking-2507 laida
Qwen3-30B-A3B-Thinking-2507 – teksto generavimo modelis, orientuotas į sudėtingą samprotavimą. Qwen aprašo logikos, matematikos, mokslo, programavimo, instrukcijų vykdymo, įrankių naudojimo ir teksto generavimo patobulinimus, ilgesnes mąstymo sekas ir geresnį ilgo konteksto supratimą. Rinkitės būtent šią 2507 laidą, kai užduočiai naudinga nuosekliai samprotauti, pavyzdžiui, nagrinėti konkuruojančius paaiškinimus, spręsti kelių etapų matematinį uždavinį ar įgyvendinti sudėtingą kodo pakeitimą.
Modelio apžvalga ir režimas
Ekspertų mišinio modelis iš viso turi 30.5 milijardo parametrų, iš kurių aktyvinama 3.3 milijardo; jame yra 128 ekspertai, kiekvienam žetonui parenkami aštuoni, o sluoksnių – 48. Savasis kontekstas yra 262,144 žetonai. Modelis priima ir grąžina tekstą; įrankių rezultatai pateikiami per prijungtos programos darbo eigą. Šis kontrolinis taškas palaiko tik mąstymą. Jis skiriasi nuo ankstesnio hibridinio Qwen3-30B-A3B, jo FP8 laidos ir Qwen3-30B-A3B-Instruct-2507. Nereikėtų manyti, kad čia taikomas hibridinio modelio mąstymo išjungiklis.
Numatytasis pokalbio šablonas samprotavimo seką jau pradeda pradine mąstymo žyma, todėl aiškus enable_thinking=True nustatymas nereikalingas. Grąžintoje sekoje gali būti uždaromoji žyma, nors pradinė žyma nekartojama. Gamintojo pavyzdyje samprotavimas atskiriamas nuo galutinio atsakymo. Išlaikykite šį skirtumą prašydami konkretaus rezultato: po ilgesnio paaiškinimo turi būti lengva rasti įrodymo išvadą, pataisą ar sprendimų lentelę.
Sudėtingos užduoties parengimas
Pateikite modeliui visą uždavinio sąlygą, apribojimus ir susijusius įrodymus. Keisdami kodą pridėkite esamą funkciją, klaidą sukeliančią įvestį ir laukiamą veikimą, tada paprašykite siūlomos pataisos su ribinių atvejų paaiškinimu. Moksliniame klausime atskirkite stebėjimus nuo prielaidų ir paprašykite nurodyti, kokia išvada išplaukia iš kiekvieno jų. Ilgame taisyklių dokumente ar specifikacijoje išlaikykite skyrių identifikatorius ir paprašykite glausto sprendimo, pagrįsto susijusiais punktais. Tai praktiniai dokumentuotų samprotavimo sričių taikymo būdai, o ne teiginiai, kad modelis įvykdė pataisą ar patvirtino eksperimentą.
Kadangi ši versija gali ilgai samprotauti, numatykite vietos ir samprotavimui, ir galutiniam rezultatui. Konfigūruojant modelį Qwen pataria, jei įmanoma, išlaikyti didesnį nei 131,072 žetonų kontekstą, net jei mažesnis kontekstas palengvintų atminties apkrovą. Savojo konteksto dydis apima sekos biudžetą; tai nereiškia, kad visą jį galima skirti dokumentui ir kartu palikti neribotą vietą atsakymui.
Naudojimas agentuose
Gamintojas dokumentuoja įrankių iškvietimą ir įrankių šablonams ir sintaksiniam nagrinėjimui rekomenduoja Qwen-Agent, įskaitant integraciją su sukonfigūruotais įrankiais ir kodo interpretatoriaus procesais. Aiškiai apibrėžkite įrankius ir numatomą rezultatą. Pavyzdžiui, programa galėtų leisti modeliui nagrinėti surinktus įrodymus, naudoti leidžiamą skaičiuotuvą ir tada parengti skaičiavimą paaiškinančią ataskaitą. Informacijos paiešką ir vykdymą atlieka prijungti įrankiai; pats modelio gebėjimas iškviesti įrankius nepatvirtina prieigos prie interneto, kodo aplinkos ar verslo sistemų.
Itin ilgo teksto apdorojimas
Qwen dokumentuoja pasirenkamą procesą, kuriame derinant Dual Chunk Attention ir MInference retąjį dėmesį pasiekiama maždaug milijonas žetonų. Pirmoji technika ilgas sekas skaido į blokus, išlaikydama jų tarpusavio sąveiką; antroji skaičiavimus sutelkia į pasirinktus dėmesio ryšius. Tai papildomas konfigūravimo kelias, viršijantis savąjį 262,144 žetonų kontekstą. Gamintojo receptui reikia specialios ilgo konteksto konfigūracijos; svoriams, podėlyje laikomai dėmesio būsenai ir didžiausioms aktyvacijoms apskaičiuota maždaug 240 GB bendros GPU atminties.
Šis receptas turi konkrečias išteklių ribas: podėlyje saugoma sekos būsena, aktyvacijų atmintis ir bendras įvesties ilgis kiekvienas gali išnaudoti sukonfigūruotą talpą. Todėl milijono žetonų procesas priklauso nuo konfigūracijos, atminties ir palaikomos dėmesio realizacijos. Praktinę dokumentų peržiūrą pradėkite nuo susijusios medžiagos, pažymėkite dokumentų ribas ir prašykite atsekamų įrodymų, užuot aiškų klausimą pakeitę kuo didesne įvestimi.
Generavimo rekomendacijos ir ribos
Qwen rekomenduoja temperature 0.6, top_p 0.95, top_k 20 ir min_p 0. Daugumai užklausų siūlomas 32,768 žetonų išvesties biudžetas, o ypač sudėtingiems matematikos ar programavimo uždaviniams – 81,920. Tai generavimo biudžeto rekomendacijos, o ne atskirai paskelbta griežta išvesties riba. Nuo nulio iki dviejų nustatyta bauda už jau pavartotus žetonus gali sumažinti kartojimąsi, tačiau didesnės reikšmės gali sukelti kalbų maišymą ar šiek tiek pabloginti kokybę.
Užklausoje nurodykite galutinio atsakymo formatą, pavyzdžiui, žymomis atskirtą matematinį rezultatą arba atsakymo lauką klausimui su keliais pasirinkimais. Kaip rekomenduoja gamintojas, pokalbio istorijoje palikite tik galutinio atsakymo dalį. Ilgesnis samprotavimas naudingas, kai duoda patikrinamą rezultatą; prieš remdamiesi išvada patikrinkite prielaidas, skaičiavimus ir siūlomą kodą.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen3-30b-a3b-thinking-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.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | 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 $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "qwen3-30b-a3b-thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-30b-a3b-thinking-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': 'qwen3-30b-a3b-thinking-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-Thinking-2507, qwen3-30b-a3b-thinking-2507
/chat/completions
Qwen/Qwen3-30B-A3B-Thinking-2507, qwen3-30b-a3b-thinking-2507
Techninis pavyzdys anglų kalba
Solve a constrained staffing assignment\n\nAssign three reviewers, Ada, Ben and Cy, to morning, afternoon and evening shifts, one each. Ada cannot work evening. Ben must work later than Ada. Cy cannot work morning. List every valid assignment and explain how each constraint eliminates alternatives. Finish with whether the assignment is unique; do not assume additional availability.An enumeration of all valid assignments, a constraint check and a separate uniqueness conclusion.Every assignment uses all three shifts once and satisfies Ben later than Ada without adding availability rules.