Qwen3-14B er en tett språkmodell i den opprinnelige Qwen3-utgivelsen som kombinerer thinking og non-thinking i én modell. Qwen posisjonerer familien for logisk resonnement, matematikk, koding, kreativ skriving, rollebasert dialog og instruksjonsfølging. Den tar imot og returnerer tekst, med flerspråklige instruksjons- og oversettelsesfunksjoner på tvers av familiens 119 språk og dialekter. En nyttig samtaleoppgave angir språk, leserens kunnskapsnivå og det nøyaktige resultatet: en forklaring, en omskriving, et løst problem eller en foreslått kodeendring.
Den instruksjonstrente modellen har totalt 14,8 milliarder parametere i 40 lag. Det er den tette 14B-utgaven, ikke en mixture-of-experts-modell eller en senere modell med et lignende familienavn. Den native konteksten er 32 768 tokener. For en dokumentoppgave gir du relevante avsnitt og overskriftene deres og ber deretter om den bestemte sammenligningen eller forklaringen som trengs. En oppgave kan for eksempel gi to prosessversjoner og be om en tabell over endrede betingelser, fulgt av en revidert prosedyre som beholder de oppgitte unntakene. Be den reviderte prosedyren beholde kildeoverskriftene og identifisere de endrede betingelsene.
Thinking er aktivert som standard i produsentens samtalemal. Den harde innstillingen enable_thinking=False deaktiverer resonnementsdelen helt. Hvis thinking fortsatt er aktivert, kan /think eller /no_think i instruksen eller systeminstruksjonen endre den ønskede modusen fra tur til tur; den siste instruksjonen gjelder. En aktivert mal kan fortsatt returnere en tom <think>-blokk ved en myk non-thinking-forespørsel. Den hardt deaktiverte innstillingen kan ikke reverseres ved å legge /think til teksten. Velg modusen etter problemet: En direkte omskriving kan bruke en annen svarstil enn en matematisk forklaring med flere trinn.
Det offisielle genereringseksemplet skiller thinking-innhold fra det endelige svaret. For å gjøre sluttsvaret nyttig gir du forutsetningene eller kildematerialet og definerer strukturen før generering. Qwen anbefaler et innrammet sluttresultat for matematikk og et eksplisitt svarfelt for flervalgsspørsmål. I en undervisningsoppgave kan du tilsvarende be om resultatet, den vesentlige forklaringen og ett gjennomarbeidet eksempel. For samtaler med flere turer anbefaler produsenten å beholde sluttsvaret i historikken og utelate tidligere thinking-innhold, slik at senere spørsmål bygger på det leverte resultatet.
Qwen beskriver agent- og verktøykallfunksjoner i både thinking og non-thinking. Den anbefalte Qwen-Agent-integrasjonen gir maler og parsere for definerte verktøy, inkludert informasjonsinnhenting og en kodefortolker i eksemplet. En applikasjon kan gi modellen navngitte verktøy, deres aksepterte argumenter og en stoppbetingelse. For en kodeundersøkelse forbereder du kildeutdraget og feildetaljene, ber den identifisere nødvendige kontroller og returnerer deretter det faktiske verktøyresultatet for tolkning. Sluttsvaret kan være en diagnose, en foreslått endring og eventuelle gjenværende spørsmål knyttet til det oppgitte grunnlaget.
Produsenten validerer en utvidelse til 131 072 tokener med YaRN, separat fra det native vinduet. Den advarer om at statisk skalering kan påvirke oppførselen ved korte inndata og anbefaler å konfigurere den når lengre kontekst trengs. Kortet forklarer også en standardtildeling på 40 960 posisjoner for typiske instruks- og utdatalengder. Organiser lange inndata i navngitte deler og reserver plass til resonnement og den endelige leveransen i stedet for å fylle hver posisjon med bakgrunnsmateriale. Den utvidede innstillingen avhenger av den foreskrevne konfigurasjonen.
Qwen anbefaler temperature 0,6 og top-p 0,95 for thinking og 0,7 og 0,8 for non-thinking, med top-k 20 og min-p 0 i begge tilfeller. Den advarer mot grådig dekoding i thinking-modus på grunn av mulig forringelse og gjentakelse. Det anbefalte utdatarommet er 32 768 tokener for de fleste spørsmål, med 38 912 beskrevet for spesielt komplekse matematikk- og programmeringsoppgaver. Disse anbefalingene veileder generering; de definerer ikke en uavhengig fast svargrense. Tydelige språk- og formateringsinstruksjoner er spesielt nyttige når et resultat må forbli konsekvent gjennom en flerspråklig samtale.
", "aboutText": "Qwen3-14B er en tett språkmodell i den opprinnelige Qwen3-utgivelsen som kombinerer thinking og non-thinking i én modell. Qwen posisjonerer familien for logisk resonnement, matematikk, koding, kreativ skriving, rollebasert dialog og instruksjonsfølging. Den tar imot og returnerer tekst, med flerspråklige instruksjons- og oversettelsesfunksjoner på tvers av familiens 119 språk og dialekter. En nyttig samtaleoppgave angir språk, leserens kunnskapsnivå og det nøyaktige resultatet: en forklaring, en omskriving, et løst problem eller en foreslått kodeendring.\n\nDen instruksjonstrente modellen har totalt 14,8 milliarder parametere i 40 lag. Det er den tette 14B-utgaven, ikke en mixture-of-experts-modell eller en senere modell med et lignende familienavn. Den native konteksten er 32 768 tokener. For en dokumentoppgave gir du relevante avsnitt og overskriftene deres og ber deretter om den bestemte sammenligningen eller forklaringen som trengs. En oppgave kan for eksempel gi to prosessversjoner og be om en tabell over endrede betingelser, fulgt av en revidert prosedyre som beholder de oppgitte unntakene. Be den reviderte prosedyren beholde kildeoverskriftene og identifisere de endrede betingelsene.\n\nThinking er aktivert som standard i produsentens samtalemal. Den harde innstillingen enable_thinking=False deaktiverer resonnementsdelen helt. Hvis thinking fortsatt er aktivert, kan /think eller /no_think i instruksen eller systeminstruksjonen endre den ønskede modusen fra tur til tur; den siste instruksjonen gjelder. En aktivert mal kan fortsatt returnere en tomTeknisk eksempel på engelsk
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.qwen/qwen3-14bQwen3-14B er Qwens tette tekstmodell for flerspråklige samtaler, skriving, koding og trinnvis resonnement. Det opprinnelige hybride designet veksler mellom thinking og direkte svarmoduser og har en nativ kontekst på 32 768 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3-14B er en tett språkmodell i den opprinnelige Qwen3-utgivelsen som kombinerer thinking og non-thinking i én modell. Qwen posisjonerer familien for logisk resonnement, matematikk, koding, kreativ skriving, rollebasert dialog og instruksjonsfølging. Den tar imot og returnerer tekst, med flerspråklige instruksjons- og oversettelsesfunksjoner på tvers av familiens 119 språk og dialekter. En nyttig samtaleoppgave angir språk, leserens kunnskapsnivå og det nøyaktige resultatet: en forklaring, en omskriving, et løst problem eller en foreslått kodeendring.
Den instruksjonstrente modellen har totalt 14,8 milliarder parametere i 40 lag. Det er den tette 14B-utgaven, ikke en mixture-of-experts-modell eller en senere modell med et lignende familienavn. Den native konteksten er 32 768 tokener. For en dokumentoppgave gir du relevante avsnitt og overskriftene deres og ber deretter om den bestemte sammenligningen eller forklaringen som trengs. En oppgave kan for eksempel gi to prosessversjoner og be om en tabell over endrede betingelser, fulgt av en revidert prosedyre som beholder de oppgitte unntakene. Be den reviderte prosedyren beholde kildeoverskriftene og identifisere de endrede betingelsene.
Thinking er aktivert som standard i produsentens samtalemal. Den harde innstillingen enable_thinking=False deaktiverer resonnementsdelen helt. Hvis thinking fortsatt er aktivert, kan /think eller /no_think i instruksen eller systeminstruksjonen endre den ønskede modusen fra tur til tur; den siste instruksjonen gjelder. En aktivert mal kan fortsatt returnere en tom <think>-blokk ved en myk non-thinking-forespørsel. Den hardt deaktiverte innstillingen kan ikke reverseres ved å legge /think til teksten. Velg modusen etter problemet: En direkte omskriving kan bruke en annen svarstil enn en matematisk forklaring med flere trinn.
Det offisielle genereringseksemplet skiller thinking-innhold fra det endelige svaret. For å gjøre sluttsvaret nyttig gir du forutsetningene eller kildematerialet og definerer strukturen før generering. Qwen anbefaler et innrammet sluttresultat for matematikk og et eksplisitt svarfelt for flervalgsspørsmål. I en undervisningsoppgave kan du tilsvarende be om resultatet, den vesentlige forklaringen og ett gjennomarbeidet eksempel. For samtaler med flere turer anbefaler produsenten å beholde sluttsvaret i historikken og utelate tidligere thinking-innhold, slik at senere spørsmål bygger på det leverte resultatet.
Qwen beskriver agent- og verktøykallfunksjoner i både thinking og non-thinking. Den anbefalte Qwen-Agent-integrasjonen gir maler og parsere for definerte verktøy, inkludert informasjonsinnhenting og en kodefortolker i eksemplet. En applikasjon kan gi modellen navngitte verktøy, deres aksepterte argumenter og en stoppbetingelse. For en kodeundersøkelse forbereder du kildeutdraget og feildetaljene, ber den identifisere nødvendige kontroller og returnerer deretter det faktiske verktøyresultatet for tolkning. Sluttsvaret kan være en diagnose, en foreslått endring og eventuelle gjenværende spørsmål knyttet til det oppgitte grunnlaget.
Produsenten validerer en utvidelse til 131 072 tokener med YaRN, separat fra det native vinduet. Den advarer om at statisk skalering kan påvirke oppførselen ved korte inndata og anbefaler å konfigurere den når lengre kontekst trengs. Kortet forklarer også en standardtildeling på 40 960 posisjoner for typiske instruks- og utdatalengder. Organiser lange inndata i navngitte deler og reserver plass til resonnement og den endelige leveransen i stedet for å fylle hver posisjon med bakgrunnsmateriale. Den utvidede innstillingen avhenger av den foreskrevne konfigurasjonen.
Qwen anbefaler temperature 0,6 og top-p 0,95 for thinking og 0,7 og 0,8 for non-thinking, med top-k 20 og min-p 0 i begge tilfeller. Den advarer mot grådig dekoding i thinking-modus på grunn av mulig forringelse og gjentakelse. Det anbefalte utdatarommet er 32 768 tokener for de fleste spørsmål, med 38 912 beskrevet for spesielt komplekse matematikk- og programmeringsoppgaver. Disse anbefalingene veileder generering; de definerer ikke en uavhengig fast svargrense. Tydelige språk- og formateringsinstruksjoner er spesielt nyttige når et resultat må forbli konsekvent gjennom en flerspråklig samtale.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen3-14b | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.00058 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.00058 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-14b", "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/qwen3-14b',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/qwen3-14b',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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen/qwen3-14b
Bruk metodestiene som vises ovenfor.
qwen/qwen3-14bQwen3-14B er Qwens tette tekstmodell for flerspråklige samtaler, skriving, koding og trinnvis resonnement. Det opprinnelige hybride designet veksler mellom thinking og direkte svarmoduser og har en nativ kontekst på 32 768 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3-14B er en tett språkmodell i den opprinnelige Qwen3-utgivelsen som kombinerer thinking og non-thinking i én modell. Qwen posisjonerer familien for logisk resonnement, matematikk, koding, kreativ skriving, rollebasert dialog og instruksjonsfølging. Den tar imot og returnerer tekst, med flerspråklige instruksjons- og oversettelsesfunksjoner på tvers av familiens 119 språk og dialekter. En nyttig samtaleoppgave angir språk, leserens kunnskapsnivå og det nøyaktige resultatet: en forklaring, en omskriving, et løst problem eller en foreslått kodeendring.
Den instruksjonstrente modellen har totalt 14,8 milliarder parametere i 40 lag. Det er den tette 14B-utgaven, ikke en mixture-of-experts-modell eller en senere modell med et lignende familienavn. Den native konteksten er 32 768 tokener. For en dokumentoppgave gir du relevante avsnitt og overskriftene deres og ber deretter om den bestemte sammenligningen eller forklaringen som trengs. En oppgave kan for eksempel gi to prosessversjoner og be om en tabell over endrede betingelser, fulgt av en revidert prosedyre som beholder de oppgitte unntakene. Be den reviderte prosedyren beholde kildeoverskriftene og identifisere de endrede betingelsene.
Thinking er aktivert som standard i produsentens samtalemal. Den harde innstillingen enable_thinking=False deaktiverer resonnementsdelen helt. Hvis thinking fortsatt er aktivert, kan /think eller /no_think i instruksen eller systeminstruksjonen endre den ønskede modusen fra tur til tur; den siste instruksjonen gjelder. En aktivert mal kan fortsatt returnere en tom <think>-blokk ved en myk non-thinking-forespørsel. Den hardt deaktiverte innstillingen kan ikke reverseres ved å legge /think til teksten. Velg modusen etter problemet: En direkte omskriving kan bruke en annen svarstil enn en matematisk forklaring med flere trinn.
Det offisielle genereringseksemplet skiller thinking-innhold fra det endelige svaret. For å gjøre sluttsvaret nyttig gir du forutsetningene eller kildematerialet og definerer strukturen før generering. Qwen anbefaler et innrammet sluttresultat for matematikk og et eksplisitt svarfelt for flervalgsspørsmål. I en undervisningsoppgave kan du tilsvarende be om resultatet, den vesentlige forklaringen og ett gjennomarbeidet eksempel. For samtaler med flere turer anbefaler produsenten å beholde sluttsvaret i historikken og utelate tidligere thinking-innhold, slik at senere spørsmål bygger på det leverte resultatet.
Qwen beskriver agent- og verktøykallfunksjoner i både thinking og non-thinking. Den anbefalte Qwen-Agent-integrasjonen gir maler og parsere for definerte verktøy, inkludert informasjonsinnhenting og en kodefortolker i eksemplet. En applikasjon kan gi modellen navngitte verktøy, deres aksepterte argumenter og en stoppbetingelse. For en kodeundersøkelse forbereder du kildeutdraget og feildetaljene, ber den identifisere nødvendige kontroller og returnerer deretter det faktiske verktøyresultatet for tolkning. Sluttsvaret kan være en diagnose, en foreslått endring og eventuelle gjenværende spørsmål knyttet til det oppgitte grunnlaget.
Produsenten validerer en utvidelse til 131 072 tokener med YaRN, separat fra det native vinduet. Den advarer om at statisk skalering kan påvirke oppførselen ved korte inndata og anbefaler å konfigurere den når lengre kontekst trengs. Kortet forklarer også en standardtildeling på 40 960 posisjoner for typiske instruks- og utdatalengder. Organiser lange inndata i navngitte deler og reserver plass til resonnement og den endelige leveransen i stedet for å fylle hver posisjon med bakgrunnsmateriale. Den utvidede innstillingen avhenger av den foreskrevne konfigurasjonen.
Qwen anbefaler temperature 0,6 og top-p 0,95 for thinking og 0,7 og 0,8 for non-thinking, med top-k 20 og min-p 0 i begge tilfeller. Den advarer mot grådig dekoding i thinking-modus på grunn av mulig forringelse og gjentakelse. Det anbefalte utdatarommet er 32 768 tokener for de fleste spørsmål, med 38 912 beskrevet for spesielt komplekse matematikk- og programmeringsoppgaver. Disse anbefalingene veileder generering; de definerer ikke en uavhengig fast svargrense. Tydelige språk- og formateringsinstruksjoner er spesielt nyttige når et resultat må forbli konsekvent gjennom en flerspråklig samtale.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen3-14b | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.00058 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.00058 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen/qwen3-14b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-14b', '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/qwen3-14b', '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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen/qwen3-14b
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.