Gambaran keseluruhan: pengekodan berorientasikan repositori
Qwen3-Coder-Flash ialah model penjanaan kod berasaskan Qwen3. Pembuat menyatakan bahawa ia mewarisi keupayaan ejen pengekodan daripada Qwen3-Coder-Plus dan dioptimumkan untuk pemahaman peringkat repositori, panggilan alat yang stabil dan interaksi selama beberapa giliran. Input dan outputnya yang didokumentasikan ialah teks. Gunakannya untuk tugas pengekodan dengan konteks projek yang dibekalkan dan artifak konkrit, seperti cadangan tampalan, fungsi atau penerangan.
Pengeluar kini menerangkan qwen3-coder-flash sebagai setara dari segi fungsi dengan qwen3-coder-flash-2025-07-28 dan mengekalkan versi bertarikh itu sebagai versi bernama. Kekalkan identiti yang diminta ketika merekodkan pemilihan model. Halaman model yang tepat tidak menentukan jumlah parameter atau identiti pemberat checkpoint Coder terbuka, jadi nama Flash tidak seharusnya ditukar menjadi dakwaan saiz atau seni bina yang belum terbukti.
Menyediakan bukti repositori
Berikan modul, antara muka dan keperluan yang relevan serta input yang menunjukkan tingkah laku yang dibincangkan. Minta cadangan pelaksanaan disusun mengikut komponen yang terjejas, kemudian minta artifak yang boleh disunting secara berasingan daripada ulasan. Bagi analisis kecacatan, sertakan ralat atau output yang diperhatikan dan tingkah laku yang dijangka. Bagi ciri, terangkan interaksi dan syarat yang mesti dipenuhi oleh hasil.
Respons yang berguna boleh menunjukkan diagnosis, perubahan yang dicadangkan dan semakan yang diperlukan untuk penilaian. Jika tugas melibatkan projek besar, kekalkan pengecam fail dan fungsi dalam bahan yang dibekalkan supaya penerangan boleh merujuk buktinya. Nilai perubahan yang dicadangkan berdasarkan fail yang dibekalkan, tingkah laku yang dijangka dan hasil yang dikembalikan oleh semakan bersambung.
Alat berbilang giliran dan maklum balas
Pembuat menekankan interaksi alat selama beberapa giliran. Aliran kerja bersambung boleh menyediakan alat pemeriksaan atau pelaksanaan dan mengembalikan pemerhatian sebenar kepada model. Nyatakan tindakan yang dibenarkan dan kriteria selesai yang boleh diperhatikan. Apabila semakan gagal, berikan ralat sebenar dan kod yang relevan, dan bukan sekadar meminta cubaan semula. Model boleh menyemak semula kerja yang dicadangkan menggunakan maklum balas itu; aplikasi yang menjalankan tindakan.
Matriks keupayaan menyokong Function Calling dalam profil China (Beijing) Alibaba dan menandakannya sebagai tidak disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Oleh itu, ketersediaan alat adalah bersyarat, bukan janji daripada nama model semata-mata. Cadangan teks, permintaan alat dan operasi yang selesai seharusnya kekal dapat dibezakan dalam laporan akhir. Berikan laporan akhir yang memisahkan cadangan kod, panggilan alat yang diminta dan hasil alat sebenar.
Keupayaan dan pemformatan hasil
Output berstruktur yang dikuatkuasakan dan carian web terbina dalam ditandakan sebagai tidak disokong pada halaman khusus model. Prom boleh meminta jadual atau teks berbentuk JSON, tetapi itu tidak mewujudkan kontrak penguatkuasaan skema. Ejen pengekodan boleh menerima bukti semasa daripada alat yang disediakan aplikasi tanpa model itu sendiri mempunyai keupayaan carian terbina dalam.
Prefix Completion tidak disokong di China (Beijing) dan disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Context Caching disokong bagi alias tanpa tarikh dalam keempat-empat profil, manakala versi 28 Julai yang disenaraikan secara berasingan menandakannya sebagai tidak disokong. Kedua-dua edisi menandakan inferens kelompok dan penalaan halus sebagai tidak disokong. Minta artifak akhir yang mudah diperiksa dan kekalkan pemerhatian alat sebenar apabila laporan mendakwa sesuatu telah disemak.
Had konteks dan output
Spesifikasi memberikan tetingkap konteks 1,000,000 token, panjang input maksimum 997,952 token dan panjang output maksimum 65,536 token. Ini ialah had berasingan; input terbesar dan output terbesar tidak seharusnya dianggap boleh dimuatkan serentak dalam konteks. Teks projek, sejarah, hasil alat dan kod sumber terjana memerlukan ruang dalam bajet permintaan sebenar.
Konteks besar boleh menempatkan lebih banyak bukti repositori dalam satu tugas. Masih berguna untuk membuang fail terjana yang tidak berkaitan, bahan berulang dan modul tidak relevan, sambil mengekalkan takrif dan antara muka yang menjadi sandaran perubahan. Bagi artifak panjang, minta fail atau fungsi yang diperlukan secara jelas dan peruntukkan ruang respons yang mencukupi. Asingkan fail kod dan penerangan supaya penilai boleh memeriksa perubahan yang dicadangkan.
Hasil praktikal dan had substantif
Bagi perubahan repositori, minta tampalan dengan fail yang terjejas, andaian dan hasil sebenar yang dikembalikan oleh semakan bersambung. Bagi algoritma, nyatakan kekangan input dan output yang dijangka sebelum meminta kod. Input yang didokumentasikan ialah teks, jadi rujukan visual atau rakaman memerlukan representasi berasingan yang sesuai jika tugas hendak menggunakannya sebagai bukti.
Periksa sintaks terjana, antara muka dan kes pinggir dalam aliran kerja pembangunan. Penerangan yang munasabah atau huraian model yang berorientasikan alat bukan bukti bahawa kod berjaya dijalankan. Hasil praktikal ialah artifak teks atau kod yang boleh dinilai dan terikat pada bahan repositori yang dibekalkan, dengan identiti Flash yang tepat, had pengeluar dan kontrak alat bersyarat dikekalkan.
", "aboutText": "Gambaran keseluruhan: pengekodan berorientasikan repositori\n\nQwen3-Coder-Flash ialah model penjanaan kod berasaskan Qwen3. Pembuat menyatakan bahawa ia mewarisi keupayaan ejen pengekodan daripada Qwen3-Coder-Plus dan dioptimumkan untuk pemahaman peringkat repositori, panggilan alat yang stabil dan interaksi selama beberapa giliran. Input dan outputnya yang didokumentasikan ialah teks. Gunakannya untuk tugas pengekodan dengan konteks projek yang dibekalkan dan artifak konkrit, seperti cadangan tampalan, fungsi atau penerangan.\n\nPengeluar kini menerangkan qwen3-coder-flash sebagai setara dari segi fungsi dengan qwen3-coder-flash-2025-07-28 dan mengekalkan versi bertarikh itu sebagai versi bernama. Kekalkan identiti yang diminta ketika merekodkan pemilihan model. Halaman model yang tepat tidak menentukan jumlah parameter atau identiti pemberat checkpoint Coder terbuka, jadi nama Flash tidak seharusnya ditukar menjadi dakwaan saiz atau seni bina yang belum terbukti.\n\nMenyediakan bukti repositori\n\nBerikan modul, antara muka dan keperluan yang relevan serta input yang menunjukkan tingkah laku yang dibincangkan. Minta cadangan pelaksanaan disusun mengikut komponen yang terjejas, kemudian minta artifak yang boleh disunting secara berasingan daripada ulasan. Bagi analisis kecacatan, sertakan ralat atau output yang diperhatikan dan tingkah laku yang dijangka. Bagi ciri, terangkan interaksi dan syarat yang mesti dipenuhi oleh hasil.\n\nRespons yang berguna boleh menunjukkan diagnosis, perubahan yang dicadangkan dan semakan yang diperlukan untuk penilaian. Jika tugas melibatkan projek besar, kekalkan pengecam fail dan fungsi dalam bahan yang dibekalkan supaya penerangan boleh merujuk buktinya. Nilai perubahan yang dicadangkan berdasarkan fail yang dibekalkan, tingkah laku yang dijangka dan hasil yang dikembalikan oleh semakan bersambung.\n\nAlat berbilang giliran dan maklum balas\n\nPembuat menekankan interaksi alat selama beberapa giliran. Aliran kerja bersambung boleh menyediakan alat pemeriksaan atau pelaksanaan dan mengembalikan pemerhatian sebenar kepada model. Nyatakan tindakan yang dibenarkan dan kriteria selesai yang boleh diperhatikan. Apabila semakan gagal, berikan ralat sebenar dan kod yang relevan, dan bukan sekadar meminta cubaan semula. Model boleh menyemak semula kerja yang dicadangkan menggunakan maklum balas itu; aplikasi yang menjalankan tindakan.\n\nMatriks keupayaan menyokong Function Calling dalam profil China (Beijing) Alibaba dan menandakannya sebagai tidak disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Oleh itu, ketersediaan alat adalah bersyarat, bukan janji daripada nama model semata-mata. Cadangan teks, permintaan alat dan operasi yang selesai seharusnya kekal dapat dibezakan dalam laporan akhir. Berikan laporan akhir yang memisahkan cadangan kod, panggilan alat yang diminta dan hasil alat sebenar.\n\nKeupayaan dan pemformatan hasil\n\nOutput berstruktur yang dikuatkuasakan dan carian web terbina dalam ditandakan sebagai tidak disokong pada halaman khusus model. Prom boleh meminta jadual atau teks berbentuk JSON, tetapi itu tidak mewujudkan kontrak penguatkuasaan skema. Ejen pengekodan boleh menerima bukti semasa daripada alat yang disediakan aplikasi tanpa model itu sendiri mempunyai keupayaan carian terbina dalam.\n\nPrefix Completion tidak disokong di China (Beijing) dan disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Context Caching disokong bagi alias tanpa tarikh dalam keempat-empat profil, manakala versi 28 Julai yang disenaraikan secara berasingan menandakannya sebagai tidak disokong. Kedua-dua edisi menandakan inferens kelompok dan penalaan halus sebagai tidak disokong. Minta artifak akhir yang mudah diperiksa dan kekalkan pemerhatian alat sebenar apabila laporan mendakwa sesuatu telah disemak.\n\nHad konteks dan output\n\nSpesifikasi memberikan tetingkap konteks 1,000,000 token, panjang input maksimum 997,952 token dan panjang output maksimum 65,536 token. Ini ialah had berasingan; input terbesar dan output terbesar tidak seharusnya dianggap boleh dimuatkan serentak dalam konteks. Teks projek, sejarah, hasil alat dan kod sumber terjana memerlukan ruang dalam bajet permintaan sebenar.\n\nKonteks besar boleh menempatkan lebih banyak bukti repositori dalam satu tugas. Masih berguna untuk membuang fail terjana yang tidak berkaitan, bahan berulang dan modul tidak relevan, sambil mengekalkan takrif dan antara muka yang menjadi sandaran perubahan. Bagi artifak panjang, minta fail atau fungsi yang diperlukan secara jelas dan peruntukkan ruang respons yang mencukupi. Asingkan fail kod dan penerangan supaya penilai boleh memeriksa perubahan yang dicadangkan.\n\nHasil praktikal dan had substantif\n\nBagi perubahan repositori, minta tampalan dengan fail yang terjejas, andaian dan hasil sebenar yang dikembalikan oleh semakan bersambung. Bagi algoritma, nyatakan kekangan input dan output yang dijangka sebelum meminta kod. Input yang didokumentasikan ialah teks, jadi rujukan visual atau rakaman memerlukan representasi berasingan yang sesuai jika tugas hendak menggunakannya sebagai bukti.\n\nPeriksa sintaks terjana, antara muka dan kes pinggir dalam aliran kerja pembangunan. Penerangan yang munasabah atau huraian model yang berorientasikan alat bukan bukti bahawa kod berjaya dijalankan. Hasil praktikal ialah artifak teks atau kod yang boleh dinilai dan terikat pada bahan repositori yang dibekalkan, dengan identiti Flash yang tepat, had pengeluar dan kontrak alat bersyarat dikekalkan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Keep repository paths portable\n\nIn config.py, DATA_PATH = 'data/items.csv'. In runner.py, open(DATA_PATH) fails when the CLI is launched outside the repository directory. Propose a focused fix that anchors the resource path to the module location rather than the current working directory. Preserve the public CLI arguments and include a regression scenario launched from another directory.A small coordinated code proposal for the named modules and a regression scenario for an unrelated working directory.The proposed path does not depend on the launch directory and does not change the public CLI arguments.qwen/qwen3-coder-flashQwen3-Coder-Flash ialah model pengekodan teks Qwen untuk pemahaman repositori dan interaksi alat berbilang giliran. Spesifikasinya menyenaraikan konteks sejuta token, input maksimum 997,952 token dan output maksimum 65,536 token, dengan ciri alat terhad pada profil penggunaan pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gambaran keseluruhan: pengekodan berorientasikan repositori
Qwen3-Coder-Flash ialah model penjanaan kod berasaskan Qwen3. Pembuat menyatakan bahawa ia mewarisi keupayaan ejen pengekodan daripada Qwen3-Coder-Plus dan dioptimumkan untuk pemahaman peringkat repositori, panggilan alat yang stabil dan interaksi selama beberapa giliran. Input dan outputnya yang didokumentasikan ialah teks. Gunakannya untuk tugas pengekodan dengan konteks projek yang dibekalkan dan artifak konkrit, seperti cadangan tampalan, fungsi atau penerangan.
Pengeluar kini menerangkan qwen3-coder-flash sebagai setara dari segi fungsi dengan qwen3-coder-flash-2025-07-28 dan mengekalkan versi bertarikh itu sebagai versi bernama. Kekalkan identiti yang diminta ketika merekodkan pemilihan model. Halaman model yang tepat tidak menentukan jumlah parameter atau identiti pemberat checkpoint Coder terbuka, jadi nama Flash tidak seharusnya ditukar menjadi dakwaan saiz atau seni bina yang belum terbukti.
Menyediakan bukti repositori
Berikan modul, antara muka dan keperluan yang relevan serta input yang menunjukkan tingkah laku yang dibincangkan. Minta cadangan pelaksanaan disusun mengikut komponen yang terjejas, kemudian minta artifak yang boleh disunting secara berasingan daripada ulasan. Bagi analisis kecacatan, sertakan ralat atau output yang diperhatikan dan tingkah laku yang dijangka. Bagi ciri, terangkan interaksi dan syarat yang mesti dipenuhi oleh hasil.
Respons yang berguna boleh menunjukkan diagnosis, perubahan yang dicadangkan dan semakan yang diperlukan untuk penilaian. Jika tugas melibatkan projek besar, kekalkan pengecam fail dan fungsi dalam bahan yang dibekalkan supaya penerangan boleh merujuk buktinya. Nilai perubahan yang dicadangkan berdasarkan fail yang dibekalkan, tingkah laku yang dijangka dan hasil yang dikembalikan oleh semakan bersambung.
Alat berbilang giliran dan maklum balas
Pembuat menekankan interaksi alat selama beberapa giliran. Aliran kerja bersambung boleh menyediakan alat pemeriksaan atau pelaksanaan dan mengembalikan pemerhatian sebenar kepada model. Nyatakan tindakan yang dibenarkan dan kriteria selesai yang boleh diperhatikan. Apabila semakan gagal, berikan ralat sebenar dan kod yang relevan, dan bukan sekadar meminta cubaan semula. Model boleh menyemak semula kerja yang dicadangkan menggunakan maklum balas itu; aplikasi yang menjalankan tindakan.
Matriks keupayaan menyokong Function Calling dalam profil China (Beijing) Alibaba dan menandakannya sebagai tidak disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Oleh itu, ketersediaan alat adalah bersyarat, bukan janji daripada nama model semata-mata. Cadangan teks, permintaan alat dan operasi yang selesai seharusnya kekal dapat dibezakan dalam laporan akhir. Berikan laporan akhir yang memisahkan cadangan kod, panggilan alat yang diminta dan hasil alat sebenar.
Keupayaan dan pemformatan hasil
Output berstruktur yang dikuatkuasakan dan carian web terbina dalam ditandakan sebagai tidak disokong pada halaman khusus model. Prom boleh meminta jadual atau teks berbentuk JSON, tetapi itu tidak mewujudkan kontrak penguatkuasaan skema. Ejen pengekodan boleh menerima bukti semasa daripada alat yang disediakan aplikasi tanpa model itu sendiri mempunyai keupayaan carian terbina dalam.
Prefix Completion tidak disokong di China (Beijing) dan disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Context Caching disokong bagi alias tanpa tarikh dalam keempat-empat profil, manakala versi 28 Julai yang disenaraikan secara berasingan menandakannya sebagai tidak disokong. Kedua-dua edisi menandakan inferens kelompok dan penalaan halus sebagai tidak disokong. Minta artifak akhir yang mudah diperiksa dan kekalkan pemerhatian alat sebenar apabila laporan mendakwa sesuatu telah disemak.
Had konteks dan output
Spesifikasi memberikan tetingkap konteks 1,000,000 token, panjang input maksimum 997,952 token dan panjang output maksimum 65,536 token. Ini ialah had berasingan; input terbesar dan output terbesar tidak seharusnya dianggap boleh dimuatkan serentak dalam konteks. Teks projek, sejarah, hasil alat dan kod sumber terjana memerlukan ruang dalam bajet permintaan sebenar.
Konteks besar boleh menempatkan lebih banyak bukti repositori dalam satu tugas. Masih berguna untuk membuang fail terjana yang tidak berkaitan, bahan berulang dan modul tidak relevan, sambil mengekalkan takrif dan antara muka yang menjadi sandaran perubahan. Bagi artifak panjang, minta fail atau fungsi yang diperlukan secara jelas dan peruntukkan ruang respons yang mencukupi. Asingkan fail kod dan penerangan supaya penilai boleh memeriksa perubahan yang dicadangkan.
Hasil praktikal dan had substantif
Bagi perubahan repositori, minta tampalan dengan fail yang terjejas, andaian dan hasil sebenar yang dikembalikan oleh semakan bersambung. Bagi algoritma, nyatakan kekangan input dan output yang dijangka sebelum meminta kod. Input yang didokumentasikan ialah teks, jadi rujukan visual atau rakaman memerlukan representasi berasingan yang sesuai jika tugas hendak menggunakannya sebagai bukti.
Periksa sintaks terjana, antara muka dan kes pinggir dalam aliran kerja pembangunan. Penerangan yang munasabah atau huraian model yang berorientasikan alat bukan bukti bahawa kod berjaya dijalankan. Hasil praktikal ialah artifak teks atau kod yang boleh dinilai dan terikat pada bahan repositori yang dibekalkan, dengan identiti Flash yang tepat, had pengeluar dan kontrak alat bersyarat dikekalkan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3-coder-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00039 / 1K token Output · Token output $0.00195 / 1K token Input · Bacaan cache $0.000078 / 1K token Input · Penulisan cache $0.0004875 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk32,000 | Caj Input · Token input $0.00039 / 1K token Output · Token output $0.00195 / 1K token Input · Bacaan cache $0.000078 / 1K token Input · Penulisan cache $0.0004875 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi32,000 | Token konteks, sehingga dan termasuk128,000 | Caj Input · Token input $0.00065 / 1K token Output · Token output $0.00325 / 1K token Input · Bacaan cache $0.00013 / 1K token Input · Penulisan cache $0.0008125 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPeringkat panjang permintaan 3 | Jadual kadar— | Token konteks, melebihi128,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00104 / 1K token Output · Token output $0.0052 / 1K token Input · Bacaan cache $0.000208 / 1K token Input · Penulisan cache $0.0013 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-coder-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-coder-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-coder-flash',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qwen/qwen3-coder-flash, qwen3-coder-flash
/chat/completions
qwen/qwen3-coder-flashQwen3-Coder-Flash ialah model pengekodan teks Qwen untuk pemahaman repositori dan interaksi alat berbilang giliran. Spesifikasinya menyenaraikan konteks sejuta token, input maksimum 997,952 token dan output maksimum 65,536 token, dengan ciri alat terhad pada profil penggunaan pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gambaran keseluruhan: pengekodan berorientasikan repositori
Qwen3-Coder-Flash ialah model penjanaan kod berasaskan Qwen3. Pembuat menyatakan bahawa ia mewarisi keupayaan ejen pengekodan daripada Qwen3-Coder-Plus dan dioptimumkan untuk pemahaman peringkat repositori, panggilan alat yang stabil dan interaksi selama beberapa giliran. Input dan outputnya yang didokumentasikan ialah teks. Gunakannya untuk tugas pengekodan dengan konteks projek yang dibekalkan dan artifak konkrit, seperti cadangan tampalan, fungsi atau penerangan.
Pengeluar kini menerangkan qwen3-coder-flash sebagai setara dari segi fungsi dengan qwen3-coder-flash-2025-07-28 dan mengekalkan versi bertarikh itu sebagai versi bernama. Kekalkan identiti yang diminta ketika merekodkan pemilihan model. Halaman model yang tepat tidak menentukan jumlah parameter atau identiti pemberat checkpoint Coder terbuka, jadi nama Flash tidak seharusnya ditukar menjadi dakwaan saiz atau seni bina yang belum terbukti.
Menyediakan bukti repositori
Berikan modul, antara muka dan keperluan yang relevan serta input yang menunjukkan tingkah laku yang dibincangkan. Minta cadangan pelaksanaan disusun mengikut komponen yang terjejas, kemudian minta artifak yang boleh disunting secara berasingan daripada ulasan. Bagi analisis kecacatan, sertakan ralat atau output yang diperhatikan dan tingkah laku yang dijangka. Bagi ciri, terangkan interaksi dan syarat yang mesti dipenuhi oleh hasil.
Respons yang berguna boleh menunjukkan diagnosis, perubahan yang dicadangkan dan semakan yang diperlukan untuk penilaian. Jika tugas melibatkan projek besar, kekalkan pengecam fail dan fungsi dalam bahan yang dibekalkan supaya penerangan boleh merujuk buktinya. Nilai perubahan yang dicadangkan berdasarkan fail yang dibekalkan, tingkah laku yang dijangka dan hasil yang dikembalikan oleh semakan bersambung.
Alat berbilang giliran dan maklum balas
Pembuat menekankan interaksi alat selama beberapa giliran. Aliran kerja bersambung boleh menyediakan alat pemeriksaan atau pelaksanaan dan mengembalikan pemerhatian sebenar kepada model. Nyatakan tindakan yang dibenarkan dan kriteria selesai yang boleh diperhatikan. Apabila semakan gagal, berikan ralat sebenar dan kod yang relevan, dan bukan sekadar meminta cubaan semula. Model boleh menyemak semula kerja yang dicadangkan menggunakan maklum balas itu; aplikasi yang menjalankan tindakan.
Matriks keupayaan menyokong Function Calling dalam profil China (Beijing) Alibaba dan menandakannya sebagai tidak disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Oleh itu, ketersediaan alat adalah bersyarat, bukan janji daripada nama model semata-mata. Cadangan teks, permintaan alat dan operasi yang selesai seharusnya kekal dapat dibezakan dalam laporan akhir. Berikan laporan akhir yang memisahkan cadangan kod, panggilan alat yang diminta dan hasil alat sebenar.
Keupayaan dan pemformatan hasil
Output berstruktur yang dikuatkuasakan dan carian web terbina dalam ditandakan sebagai tidak disokong pada halaman khusus model. Prom boleh meminta jadual atau teks berbentuk JSON, tetapi itu tidak mewujudkan kontrak penguatkuasaan skema. Ejen pengekodan boleh menerima bukti semasa daripada alat yang disediakan aplikasi tanpa model itu sendiri mempunyai keupayaan carian terbina dalam.
Prefix Completion tidak disokong di China (Beijing) dan disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Context Caching disokong bagi alias tanpa tarikh dalam keempat-empat profil, manakala versi 28 Julai yang disenaraikan secara berasingan menandakannya sebagai tidak disokong. Kedua-dua edisi menandakan inferens kelompok dan penalaan halus sebagai tidak disokong. Minta artifak akhir yang mudah diperiksa dan kekalkan pemerhatian alat sebenar apabila laporan mendakwa sesuatu telah disemak.
Had konteks dan output
Spesifikasi memberikan tetingkap konteks 1,000,000 token, panjang input maksimum 997,952 token dan panjang output maksimum 65,536 token. Ini ialah had berasingan; input terbesar dan output terbesar tidak seharusnya dianggap boleh dimuatkan serentak dalam konteks. Teks projek, sejarah, hasil alat dan kod sumber terjana memerlukan ruang dalam bajet permintaan sebenar.
Konteks besar boleh menempatkan lebih banyak bukti repositori dalam satu tugas. Masih berguna untuk membuang fail terjana yang tidak berkaitan, bahan berulang dan modul tidak relevan, sambil mengekalkan takrif dan antara muka yang menjadi sandaran perubahan. Bagi artifak panjang, minta fail atau fungsi yang diperlukan secara jelas dan peruntukkan ruang respons yang mencukupi. Asingkan fail kod dan penerangan supaya penilai boleh memeriksa perubahan yang dicadangkan.
Hasil praktikal dan had substantif
Bagi perubahan repositori, minta tampalan dengan fail yang terjejas, andaian dan hasil sebenar yang dikembalikan oleh semakan bersambung. Bagi algoritma, nyatakan kekangan input dan output yang dijangka sebelum meminta kod. Input yang didokumentasikan ialah teks, jadi rujukan visual atau rakaman memerlukan representasi berasingan yang sesuai jika tugas hendak menggunakannya sebagai bukti.
Periksa sintaks terjana, antara muka dan kes pinggir dalam aliran kerja pembangunan. Penerangan yang munasabah atau huraian model yang berorientasikan alat bukan bukti bahawa kod berjaya dijalankan. Hasil praktikal ialah artifak teks atau kod yang boleh dinilai dan terikat pada bahan repositori yang dibekalkan, dengan identiti Flash yang tepat, had pengeluar dan kontrak alat bersyarat dikekalkan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3-coder-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00039 / 1K token Output · Token output $0.00195 / 1K token Input · Bacaan cache $0.000078 / 1K token Input · Penulisan cache $0.0004875 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk32,000 | Caj Input · Token input $0.00039 / 1K token Output · Token output $0.00195 / 1K token Input · Bacaan cache $0.000078 / 1K token Input · Penulisan cache $0.0004875 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi32,000 | Token konteks, sehingga dan termasuk128,000 | Caj Input · Token input $0.00065 / 1K token Output · Token output $0.00325 / 1K token Input · Bacaan cache $0.00013 / 1K token Input · Penulisan cache $0.0008125 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPeringkat panjang permintaan 3 | Jadual kadar— | Token konteks, melebihi128,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00104 / 1K token Output · Token output $0.0052 / 1K token Input · Bacaan cache $0.000208 / 1K token Input · Penulisan cache $0.0013 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen/qwen3-coder-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-coder-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-coder-flash', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qwen/qwen3-coder-flash, qwen3-coder-flash
/chat/completions
qwen3-coder-flashQwen3-Coder-Flash ialah model pengekodan teks Qwen untuk pemahaman repositori dan interaksi alat berbilang giliran. Spesifikasinya menyenaraikan konteks sejuta token, input maksimum 997,952 token dan output maksimum 65,536 token, dengan ciri alat terhad pada profil penggunaan pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gambaran keseluruhan: pengekodan berorientasikan repositori
Qwen3-Coder-Flash ialah model penjanaan kod berasaskan Qwen3. Pembuat menyatakan bahawa ia mewarisi keupayaan ejen pengekodan daripada Qwen3-Coder-Plus dan dioptimumkan untuk pemahaman peringkat repositori, panggilan alat yang stabil dan interaksi selama beberapa giliran. Input dan outputnya yang didokumentasikan ialah teks. Gunakannya untuk tugas pengekodan dengan konteks projek yang dibekalkan dan artifak konkrit, seperti cadangan tampalan, fungsi atau penerangan.
Pengeluar kini menerangkan qwen3-coder-flash sebagai setara dari segi fungsi dengan qwen3-coder-flash-2025-07-28 dan mengekalkan versi bertarikh itu sebagai versi bernama. Kekalkan identiti yang diminta ketika merekodkan pemilihan model. Halaman model yang tepat tidak menentukan jumlah parameter atau identiti pemberat checkpoint Coder terbuka, jadi nama Flash tidak seharusnya ditukar menjadi dakwaan saiz atau seni bina yang belum terbukti.
Menyediakan bukti repositori
Berikan modul, antara muka dan keperluan yang relevan serta input yang menunjukkan tingkah laku yang dibincangkan. Minta cadangan pelaksanaan disusun mengikut komponen yang terjejas, kemudian minta artifak yang boleh disunting secara berasingan daripada ulasan. Bagi analisis kecacatan, sertakan ralat atau output yang diperhatikan dan tingkah laku yang dijangka. Bagi ciri, terangkan interaksi dan syarat yang mesti dipenuhi oleh hasil.
Respons yang berguna boleh menunjukkan diagnosis, perubahan yang dicadangkan dan semakan yang diperlukan untuk penilaian. Jika tugas melibatkan projek besar, kekalkan pengecam fail dan fungsi dalam bahan yang dibekalkan supaya penerangan boleh merujuk buktinya. Nilai perubahan yang dicadangkan berdasarkan fail yang dibekalkan, tingkah laku yang dijangka dan hasil yang dikembalikan oleh semakan bersambung.
Alat berbilang giliran dan maklum balas
Pembuat menekankan interaksi alat selama beberapa giliran. Aliran kerja bersambung boleh menyediakan alat pemeriksaan atau pelaksanaan dan mengembalikan pemerhatian sebenar kepada model. Nyatakan tindakan yang dibenarkan dan kriteria selesai yang boleh diperhatikan. Apabila semakan gagal, berikan ralat sebenar dan kod yang relevan, dan bukan sekadar meminta cubaan semula. Model boleh menyemak semula kerja yang dicadangkan menggunakan maklum balas itu; aplikasi yang menjalankan tindakan.
Matriks keupayaan menyokong Function Calling dalam profil China (Beijing) Alibaba dan menandakannya sebagai tidak disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Oleh itu, ketersediaan alat adalah bersyarat, bukan janji daripada nama model semata-mata. Cadangan teks, permintaan alat dan operasi yang selesai seharusnya kekal dapat dibezakan dalam laporan akhir. Berikan laporan akhir yang memisahkan cadangan kod, panggilan alat yang diminta dan hasil alat sebenar.
Keupayaan dan pemformatan hasil
Output berstruktur yang dikuatkuasakan dan carian web terbina dalam ditandakan sebagai tidak disokong pada halaman khusus model. Prom boleh meminta jadual atau teks berbentuk JSON, tetapi itu tidak mewujudkan kontrak penguatkuasaan skema. Ejen pengekodan boleh menerima bukti semasa daripada alat yang disediakan aplikasi tanpa model itu sendiri mempunyai keupayaan carian terbina dalam.
Prefix Completion tidak disokong di China (Beijing) dan disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Context Caching disokong bagi alias tanpa tarikh dalam keempat-empat profil, manakala versi 28 Julai yang disenaraikan secara berasingan menandakannya sebagai tidak disokong. Kedua-dua edisi menandakan inferens kelompok dan penalaan halus sebagai tidak disokong. Minta artifak akhir yang mudah diperiksa dan kekalkan pemerhatian alat sebenar apabila laporan mendakwa sesuatu telah disemak.
Had konteks dan output
Spesifikasi memberikan tetingkap konteks 1,000,000 token, panjang input maksimum 997,952 token dan panjang output maksimum 65,536 token. Ini ialah had berasingan; input terbesar dan output terbesar tidak seharusnya dianggap boleh dimuatkan serentak dalam konteks. Teks projek, sejarah, hasil alat dan kod sumber terjana memerlukan ruang dalam bajet permintaan sebenar.
Konteks besar boleh menempatkan lebih banyak bukti repositori dalam satu tugas. Masih berguna untuk membuang fail terjana yang tidak berkaitan, bahan berulang dan modul tidak relevan, sambil mengekalkan takrif dan antara muka yang menjadi sandaran perubahan. Bagi artifak panjang, minta fail atau fungsi yang diperlukan secara jelas dan peruntukkan ruang respons yang mencukupi. Asingkan fail kod dan penerangan supaya penilai boleh memeriksa perubahan yang dicadangkan.
Hasil praktikal dan had substantif
Bagi perubahan repositori, minta tampalan dengan fail yang terjejas, andaian dan hasil sebenar yang dikembalikan oleh semakan bersambung. Bagi algoritma, nyatakan kekangan input dan output yang dijangka sebelum meminta kod. Input yang didokumentasikan ialah teks, jadi rujukan visual atau rakaman memerlukan representasi berasingan yang sesuai jika tugas hendak menggunakannya sebagai bukti.
Periksa sintaks terjana, antara muka dan kes pinggir dalam aliran kerja pembangunan. Penerangan yang munasabah atau huraian model yang berorientasikan alat bukan bukti bahawa kod berjaya dijalankan. Hasil praktikal ialah artifak teks atau kod yang boleh dinilai dan terikat pada bahan repositori yang dibekalkan, dengan identiti Flash yang tepat, had pengeluar dan kontrak alat bersyarat dikekalkan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen3-coder-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00039 / 1K token Output · Token output $0.00195 / 1K token Input · Bacaan cache $0.000078 / 1K token Input · Penulisan cache $0.0004875 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk32,000 | Caj Input · Token input $0.00039 / 1K token Output · Token output $0.00195 / 1K token Input · Bacaan cache $0.000078 / 1K token Input · Penulisan cache $0.0004875 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi32,000 | Token konteks, sehingga dan termasuk128,000 | Caj Input · Token input $0.00065 / 1K token Output · Token output $0.00325 / 1K token Input · Bacaan cache $0.00013 / 1K token Input · Penulisan cache $0.0008125 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPeringkat panjang permintaan 3 | Jadual kadar— | Token konteks, melebihi128,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00104 / 1K token Output · Token output $0.0052 / 1K token Input · Bacaan cache $0.000208 / 1K token Input · Penulisan cache $0.0013 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen3-coder-flash","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="qwen3-coder-flash", 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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qwen/qwen3-coder-flash, qwen3-coder-flash
/chat/completions
qwen3-coder-flashQwen3-Coder-Flash ialah model pengekodan teks Qwen untuk pemahaman repositori dan interaksi alat berbilang giliran. Spesifikasinya menyenaraikan konteks sejuta token, input maksimum 997,952 token dan output maksimum 65,536 token, dengan ciri alat terhad pada profil penggunaan pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gambaran keseluruhan: pengekodan berorientasikan repositori
Qwen3-Coder-Flash ialah model penjanaan kod berasaskan Qwen3. Pembuat menyatakan bahawa ia mewarisi keupayaan ejen pengekodan daripada Qwen3-Coder-Plus dan dioptimumkan untuk pemahaman peringkat repositori, panggilan alat yang stabil dan interaksi selama beberapa giliran. Input dan outputnya yang didokumentasikan ialah teks. Gunakannya untuk tugas pengekodan dengan konteks projek yang dibekalkan dan artifak konkrit, seperti cadangan tampalan, fungsi atau penerangan.
Pengeluar kini menerangkan qwen3-coder-flash sebagai setara dari segi fungsi dengan qwen3-coder-flash-2025-07-28 dan mengekalkan versi bertarikh itu sebagai versi bernama. Kekalkan identiti yang diminta ketika merekodkan pemilihan model. Halaman model yang tepat tidak menentukan jumlah parameter atau identiti pemberat checkpoint Coder terbuka, jadi nama Flash tidak seharusnya ditukar menjadi dakwaan saiz atau seni bina yang belum terbukti.
Menyediakan bukti repositori
Berikan modul, antara muka dan keperluan yang relevan serta input yang menunjukkan tingkah laku yang dibincangkan. Minta cadangan pelaksanaan disusun mengikut komponen yang terjejas, kemudian minta artifak yang boleh disunting secara berasingan daripada ulasan. Bagi analisis kecacatan, sertakan ralat atau output yang diperhatikan dan tingkah laku yang dijangka. Bagi ciri, terangkan interaksi dan syarat yang mesti dipenuhi oleh hasil.
Respons yang berguna boleh menunjukkan diagnosis, perubahan yang dicadangkan dan semakan yang diperlukan untuk penilaian. Jika tugas melibatkan projek besar, kekalkan pengecam fail dan fungsi dalam bahan yang dibekalkan supaya penerangan boleh merujuk buktinya. Nilai perubahan yang dicadangkan berdasarkan fail yang dibekalkan, tingkah laku yang dijangka dan hasil yang dikembalikan oleh semakan bersambung.
Alat berbilang giliran dan maklum balas
Pembuat menekankan interaksi alat selama beberapa giliran. Aliran kerja bersambung boleh menyediakan alat pemeriksaan atau pelaksanaan dan mengembalikan pemerhatian sebenar kepada model. Nyatakan tindakan yang dibenarkan dan kriteria selesai yang boleh diperhatikan. Apabila semakan gagal, berikan ralat sebenar dan kod yang relevan, dan bukan sekadar meminta cubaan semula. Model boleh menyemak semula kerja yang dicadangkan menggunakan maklum balas itu; aplikasi yang menjalankan tindakan.
Matriks keupayaan menyokong Function Calling dalam profil China (Beijing) Alibaba dan menandakannya sebagai tidak disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Oleh itu, ketersediaan alat adalah bersyarat, bukan janji daripada nama model semata-mata. Cadangan teks, permintaan alat dan operasi yang selesai seharusnya kekal dapat dibezakan dalam laporan akhir. Berikan laporan akhir yang memisahkan cadangan kod, panggilan alat yang diminta dan hasil alat sebenar.
Keupayaan dan pemformatan hasil
Output berstruktur yang dikuatkuasakan dan carian web terbina dalam ditandakan sebagai tidak disokong pada halaman khusus model. Prom boleh meminta jadual atau teks berbentuk JSON, tetapi itu tidak mewujudkan kontrak penguatkuasaan skema. Ejen pengekodan boleh menerima bukti semasa daripada alat yang disediakan aplikasi tanpa model itu sendiri mempunyai keupayaan carian terbina dalam.
Prefix Completion tidak disokong di China (Beijing) dan disokong di Singapura, Jerman (Frankfurt) dan AS (Virginia). Context Caching disokong bagi alias tanpa tarikh dalam keempat-empat profil, manakala versi 28 Julai yang disenaraikan secara berasingan menandakannya sebagai tidak disokong. Kedua-dua edisi menandakan inferens kelompok dan penalaan halus sebagai tidak disokong. Minta artifak akhir yang mudah diperiksa dan kekalkan pemerhatian alat sebenar apabila laporan mendakwa sesuatu telah disemak.
Had konteks dan output
Spesifikasi memberikan tetingkap konteks 1,000,000 token, panjang input maksimum 997,952 token dan panjang output maksimum 65,536 token. Ini ialah had berasingan; input terbesar dan output terbesar tidak seharusnya dianggap boleh dimuatkan serentak dalam konteks. Teks projek, sejarah, hasil alat dan kod sumber terjana memerlukan ruang dalam bajet permintaan sebenar.
Konteks besar boleh menempatkan lebih banyak bukti repositori dalam satu tugas. Masih berguna untuk membuang fail terjana yang tidak berkaitan, bahan berulang dan modul tidak relevan, sambil mengekalkan takrif dan antara muka yang menjadi sandaran perubahan. Bagi artifak panjang, minta fail atau fungsi yang diperlukan secara jelas dan peruntukkan ruang respons yang mencukupi. Asingkan fail kod dan penerangan supaya penilai boleh memeriksa perubahan yang dicadangkan.
Hasil praktikal dan had substantif
Bagi perubahan repositori, minta tampalan dengan fail yang terjejas, andaian dan hasil sebenar yang dikembalikan oleh semakan bersambung. Bagi algoritma, nyatakan kekangan input dan output yang dijangka sebelum meminta kod. Input yang didokumentasikan ialah teks, jadi rujukan visual atau rakaman memerlukan representasi berasingan yang sesuai jika tugas hendak menggunakannya sebagai bukti.
Periksa sintaks terjana, antara muka dan kes pinggir dalam aliran kerja pembangunan. Penerangan yang munasabah atau huraian model yang berorientasikan alat bukan bukti bahawa kod berjaya dijalankan. Hasil praktikal ialah artifak teks atau kod yang boleh dinilai dan terikat pada bahan repositori yang dibekalkan, dengan identiti Flash yang tepat, had pengeluar dan kontrak alat bersyarat dikekalkan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen3-coder-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00039 / 1K token Output · Token output $0.00195 / 1K token Input · Bacaan cache $0.000078 / 1K token Input · Penulisan cache $0.0004875 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk32,000 | Caj Input · Token input $0.00039 / 1K token Output · Token output $0.00195 / 1K token Input · Bacaan cache $0.000078 / 1K token Input · Penulisan cache $0.0004875 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi32,000 | Token konteks, sehingga dan termasuk128,000 | Caj Input · Token input $0.00065 / 1K token Output · Token output $0.00325 / 1K token Input · Bacaan cache $0.00013 / 1K token Input · Penulisan cache $0.0008125 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPeringkat panjang permintaan 3 | Jadual kadar— | Token konteks, melebihi128,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00104 / 1K token Output · Token output $0.0052 / 1K token Input · Bacaan cache $0.000208 / 1K token Input · Penulisan cache $0.0013 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen3-coder-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-coder-flash', '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-coder-flash', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qwen/qwen3-coder-flash, qwen3-coder-flash
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Keep repository paths portable\n\nIn config.py, DATA_PATH = 'data/items.csv'. In runner.py, open(DATA_PATH) fails when the CLI is launched outside the repository directory. Propose a focused fix that anchors the resource path to the module location rather than the current working directory. Preserve the public CLI arguments and include a regression scenario launched from another directory.A small coordinated code proposal for the named modules and a regression scenario for an unrelated working directory.The proposed path does not depend on the launch directory and does not change the public CLI arguments.