Qwen3-14B is een taalmodel met een dense architectuur uit de oorspronkelijke Qwen3-release, dat Thinking- en non-Thinking-gedrag in één model combineert. Qwen positioneert de familie voor logisch redeneren, wiskunde, programmeren, creatief schrijven, rolgebaseerde dialoog en instructies volgen. Het accepteert en retourneert tekst, met meertalige instructie- en vertaalmogelijkheden over de 119 talen en dialecten van de familie. Een nuttige gespreksopdracht specificeert de taal, het kennisniveau van de lezer en het exacte resultaat: een uitleg, herschrijving, uitgewerkt probleem of voorgestelde codewijziging.
Het op instructies getrainde model bevat in totaal 14,8 miljard parameters in 40 lagen. Het is de dense 14B-editie, geen mixture-of-experts-model of een later model met een soortgelijke familienaam. De native context is 32.768 tokens. Voeg bij een documenttaak de relevante passages en hun koppen toe en vraag vervolgens de specifieke vergelijking of uitleg die nodig is. Een opdracht kan bijvoorbeeld twee versies van een proces leveren en om een tabel met gewijzigde voorwaarden vragen, gevolgd door een herziene procedure die de vermelde uitzonderingen behoudt. Vraag dat die procedure de bronkoppen behoudt en de gewijzigde voorwaarden identificeert.
Thinking is standaard ingeschakeld in het chatsjabloon van de ontwikkelaar. De harde instelling enable_thinking=False schakelt het redeneergedeelte volledig uit. Als Thinking ingeschakeld blijft, kan /think of /no_think in de prompt of systeeminstructie de gevraagde modus van beurt tot beurt veranderen; de meest recente instructie geldt. Een ingeschakeld sjabloon kan bij een tekstueel non-Thinking-verzoek toch een leeg <think>-blok retourneren. De harde uitschakeling kan niet worden teruggedraaid door /think aan de tekst toe te voegen. Kies de modus volgens het probleem: een directe herschrijving kan een andere antwoordstijl gebruiken dan een meerstapsuitleg bij wiskunde.
Het officiële generatievoorbeeld scheidt Thinking-inhoud van het definitieve antwoord. Lever de uitgangspunten of bronmateriaal aan en definieer vóór generatie de structuur om dat antwoord nuttig te maken. Qwen raadt voor wiskunde een omkaderd eindresultaat aan en voor meerkeuzevragen een expliciet antwoordveld. Een lesopdracht kan op dezelfde manier het resultaat, de essentiële uitleg en één uitgewerkt voorbeeld vragen. Voor gesprekken over meerdere beurten raadt de ontwikkelaar aan het definitieve antwoord in de geschiedenis te behouden en eerdere Thinking-inhoud weg te laten, zodat latere vragen op het afgeleverde resultaat voortbouwen.
Qwen beschrijft agent- en toolaanroepmogelijkheden in zowel Thinking- als non-Thinking-modus. De aanbevolen Qwen-Agent-integratie levert sjablonen en parsers voor gedefinieerde tools, waaronder informatieophaling en een code-interpreter in het voorbeeld. Een toepassing kan het model benoemde tools, hun geaccepteerde argumenten en een stopvoorwaarde geven. Bereid voor codeonderzoek het bronfragment en de foutdetails voor, vraag om de benodigde controle te identificeren en geef daarna het daadwerkelijke toolresultaat voor interpretatie terug. Het eindantwoord kan een diagnose, voorgestelde wijziging en resterende vragen bevatten die aan het aangeleverde bewijs gekoppeld zijn.
De ontwikkelaar valideert een uitbreiding naar 131.072 tokens met YaRN, afzonderlijk van het native venster. Hij waarschuwt dat statische schaling het gedrag bij korte invoer kan beïnvloeden en raadt aan die te configureren wanneer langere context nodig is. De kaart legt ook een standaardtoewijzing van 40.960 posities uit voor gebruikelijke prompt- en uitvoerlengten. Organiseer lange invoer in benoemde onderdelen en reserveer ruimte voor redeneren en het eindresultaat in plaats van elke positie met achtergrondmateriaal te vullen. De uitgebreide instelling hangt van de voorgeschreven configuratie af.
Qwen raadt temperature 0,6 en top-p 0,95 aan voor Thinking en 0,7 en 0,8 voor non-Thinking, met top-k 20 en min-p 0 in beide gevallen. Hij waarschuwt tegen greedy decoding in Thinking-modus vanwege mogelijke achteruitgang en herhaling. De aanbevolen uitvoerruimte is 32.768 tokens voor de meeste vragen, met 38.912 genoemd voor bijzonder complexe wiskundige en programmeertaken. Dit zijn generatieaanbevelingen, geen afzonderlijke vaste antwoordlimiet. Expliciete taal- en opmaakinstructies zijn vooral nuttig wanneer een resultaat consistent moet blijven in een meertalig gesprek.
", "aboutText": "Qwen3-14B is een taalmodel met een dense architectuur uit de oorspronkelijke Qwen3-release, dat Thinking- en non-Thinking-gedrag in één model combineert. Qwen positioneert de familie voor logisch redeneren, wiskunde, programmeren, creatief schrijven, rolgebaseerde dialoog en instructies volgen. Het accepteert en retourneert tekst, met meertalige instructie- en vertaalmogelijkheden over de 119 talen en dialecten van de familie. Een nuttige gespreksopdracht specificeert de taal, het kennisniveau van de lezer en het exacte resultaat: een uitleg, herschrijving, uitgewerkt probleem of voorgestelde codewijziging.\n\nHet op instructies getrainde model bevat in totaal 14,8 miljard parameters in 40 lagen. Het is de dense 14B-editie, geen mixture-of-experts-model of een later model met een soortgelijke familienaam. De native context is 32.768 tokens. Voeg bij een documenttaak de relevante passages en hun koppen toe en vraag vervolgens de specifieke vergelijking of uitleg die nodig is. Een opdracht kan bijvoorbeeld twee versies van een proces leveren en om een tabel met gewijzigde voorwaarden vragen, gevolgd door een herziene procedure die de vermelde uitzonderingen behoudt. Vraag dat die procedure de bronkoppen behoudt en de gewijzigde voorwaarden identificeert.\n\nThinking is standaard ingeschakeld in het chatsjabloon van de ontwikkelaar. De harde instelling enable_thinking=False schakelt het redeneergedeelte volledig uit. Als Thinking ingeschakeld blijft, kan /think of /no_think in de prompt of systeeminstructie de gevraagde modus van beurt tot beurt veranderen; de meest recente instructie geldt. Een ingeschakeld sjabloon kan bij een tekstueel non-Thinking-verzoek toch een leegTechnisch voorbeeld in het Engels
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 is het tekstmodel met een dense architectuur van Qwen voor meertalige gesprekken, schrijven, programmeren en stapsgewijs redeneren. Het oorspronkelijke hybride ontwerp schakelt tussen Thinking en directe antwoorden en heeft een native context van 32.768 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen3-14B is een taalmodel met een dense architectuur uit de oorspronkelijke Qwen3-release, dat Thinking- en non-Thinking-gedrag in één model combineert. Qwen positioneert de familie voor logisch redeneren, wiskunde, programmeren, creatief schrijven, rolgebaseerde dialoog en instructies volgen. Het accepteert en retourneert tekst, met meertalige instructie- en vertaalmogelijkheden over de 119 talen en dialecten van de familie. Een nuttige gespreksopdracht specificeert de taal, het kennisniveau van de lezer en het exacte resultaat: een uitleg, herschrijving, uitgewerkt probleem of voorgestelde codewijziging.
Het op instructies getrainde model bevat in totaal 14,8 miljard parameters in 40 lagen. Het is de dense 14B-editie, geen mixture-of-experts-model of een later model met een soortgelijke familienaam. De native context is 32.768 tokens. Voeg bij een documenttaak de relevante passages en hun koppen toe en vraag vervolgens de specifieke vergelijking of uitleg die nodig is. Een opdracht kan bijvoorbeeld twee versies van een proces leveren en om een tabel met gewijzigde voorwaarden vragen, gevolgd door een herziene procedure die de vermelde uitzonderingen behoudt. Vraag dat die procedure de bronkoppen behoudt en de gewijzigde voorwaarden identificeert.
Thinking is standaard ingeschakeld in het chatsjabloon van de ontwikkelaar. De harde instelling enable_thinking=False schakelt het redeneergedeelte volledig uit. Als Thinking ingeschakeld blijft, kan /think of /no_think in de prompt of systeeminstructie de gevraagde modus van beurt tot beurt veranderen; de meest recente instructie geldt. Een ingeschakeld sjabloon kan bij een tekstueel non-Thinking-verzoek toch een leeg <think>-blok retourneren. De harde uitschakeling kan niet worden teruggedraaid door /think aan de tekst toe te voegen. Kies de modus volgens het probleem: een directe herschrijving kan een andere antwoordstijl gebruiken dan een meerstapsuitleg bij wiskunde.
Het officiële generatievoorbeeld scheidt Thinking-inhoud van het definitieve antwoord. Lever de uitgangspunten of bronmateriaal aan en definieer vóór generatie de structuur om dat antwoord nuttig te maken. Qwen raadt voor wiskunde een omkaderd eindresultaat aan en voor meerkeuzevragen een expliciet antwoordveld. Een lesopdracht kan op dezelfde manier het resultaat, de essentiële uitleg en één uitgewerkt voorbeeld vragen. Voor gesprekken over meerdere beurten raadt de ontwikkelaar aan het definitieve antwoord in de geschiedenis te behouden en eerdere Thinking-inhoud weg te laten, zodat latere vragen op het afgeleverde resultaat voortbouwen.
Qwen beschrijft agent- en toolaanroepmogelijkheden in zowel Thinking- als non-Thinking-modus. De aanbevolen Qwen-Agent-integratie levert sjablonen en parsers voor gedefinieerde tools, waaronder informatieophaling en een code-interpreter in het voorbeeld. Een toepassing kan het model benoemde tools, hun geaccepteerde argumenten en een stopvoorwaarde geven. Bereid voor codeonderzoek het bronfragment en de foutdetails voor, vraag om de benodigde controle te identificeren en geef daarna het daadwerkelijke toolresultaat voor interpretatie terug. Het eindantwoord kan een diagnose, voorgestelde wijziging en resterende vragen bevatten die aan het aangeleverde bewijs gekoppeld zijn.
De ontwikkelaar valideert een uitbreiding naar 131.072 tokens met YaRN, afzonderlijk van het native venster. Hij waarschuwt dat statische schaling het gedrag bij korte invoer kan beïnvloeden en raadt aan die te configureren wanneer langere context nodig is. De kaart legt ook een standaardtoewijzing van 40.960 posities uit voor gebruikelijke prompt- en uitvoerlengten. Organiseer lange invoer in benoemde onderdelen en reserveer ruimte voor redeneren en het eindresultaat in plaats van elke positie met achtergrondmateriaal te vullen. De uitgebreide instelling hangt van de voorgeschreven configuratie af.
Qwen raadt temperature 0,6 en top-p 0,95 aan voor Thinking en 0,7 en 0,8 voor non-Thinking, met top-k 20 en min-p 0 in beide gevallen. Hij waarschuwt tegen greedy decoding in Thinking-modus vanwege mogelijke achteruitgang en herhaling. De aanbevolen uitvoerruimte is 32.768 tokens voor de meeste vragen, met 38.912 genoemd voor bijzonder complexe wiskundige en programmeertaken. Dit zijn generatieaanbevelingen, geen afzonderlijke vaste antwoordlimiet. Expliciete taal- en opmaakinstructies zijn vooral nuttig wanneer een resultaat consistent moet blijven in een meertalig gesprek.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-14b | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.00058 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.00058 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen/qwen3-14b
Gebruik de hierboven getoonde methodepaden.
qwen/qwen3-14bQwen3-14B is het tekstmodel met een dense architectuur van Qwen voor meertalige gesprekken, schrijven, programmeren en stapsgewijs redeneren. Het oorspronkelijke hybride ontwerp schakelt tussen Thinking en directe antwoorden en heeft een native context van 32.768 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen3-14B is een taalmodel met een dense architectuur uit de oorspronkelijke Qwen3-release, dat Thinking- en non-Thinking-gedrag in één model combineert. Qwen positioneert de familie voor logisch redeneren, wiskunde, programmeren, creatief schrijven, rolgebaseerde dialoog en instructies volgen. Het accepteert en retourneert tekst, met meertalige instructie- en vertaalmogelijkheden over de 119 talen en dialecten van de familie. Een nuttige gespreksopdracht specificeert de taal, het kennisniveau van de lezer en het exacte resultaat: een uitleg, herschrijving, uitgewerkt probleem of voorgestelde codewijziging.
Het op instructies getrainde model bevat in totaal 14,8 miljard parameters in 40 lagen. Het is de dense 14B-editie, geen mixture-of-experts-model of een later model met een soortgelijke familienaam. De native context is 32.768 tokens. Voeg bij een documenttaak de relevante passages en hun koppen toe en vraag vervolgens de specifieke vergelijking of uitleg die nodig is. Een opdracht kan bijvoorbeeld twee versies van een proces leveren en om een tabel met gewijzigde voorwaarden vragen, gevolgd door een herziene procedure die de vermelde uitzonderingen behoudt. Vraag dat die procedure de bronkoppen behoudt en de gewijzigde voorwaarden identificeert.
Thinking is standaard ingeschakeld in het chatsjabloon van de ontwikkelaar. De harde instelling enable_thinking=False schakelt het redeneergedeelte volledig uit. Als Thinking ingeschakeld blijft, kan /think of /no_think in de prompt of systeeminstructie de gevraagde modus van beurt tot beurt veranderen; de meest recente instructie geldt. Een ingeschakeld sjabloon kan bij een tekstueel non-Thinking-verzoek toch een leeg <think>-blok retourneren. De harde uitschakeling kan niet worden teruggedraaid door /think aan de tekst toe te voegen. Kies de modus volgens het probleem: een directe herschrijving kan een andere antwoordstijl gebruiken dan een meerstapsuitleg bij wiskunde.
Het officiële generatievoorbeeld scheidt Thinking-inhoud van het definitieve antwoord. Lever de uitgangspunten of bronmateriaal aan en definieer vóór generatie de structuur om dat antwoord nuttig te maken. Qwen raadt voor wiskunde een omkaderd eindresultaat aan en voor meerkeuzevragen een expliciet antwoordveld. Een lesopdracht kan op dezelfde manier het resultaat, de essentiële uitleg en één uitgewerkt voorbeeld vragen. Voor gesprekken over meerdere beurten raadt de ontwikkelaar aan het definitieve antwoord in de geschiedenis te behouden en eerdere Thinking-inhoud weg te laten, zodat latere vragen op het afgeleverde resultaat voortbouwen.
Qwen beschrijft agent- en toolaanroepmogelijkheden in zowel Thinking- als non-Thinking-modus. De aanbevolen Qwen-Agent-integratie levert sjablonen en parsers voor gedefinieerde tools, waaronder informatieophaling en een code-interpreter in het voorbeeld. Een toepassing kan het model benoemde tools, hun geaccepteerde argumenten en een stopvoorwaarde geven. Bereid voor codeonderzoek het bronfragment en de foutdetails voor, vraag om de benodigde controle te identificeren en geef daarna het daadwerkelijke toolresultaat voor interpretatie terug. Het eindantwoord kan een diagnose, voorgestelde wijziging en resterende vragen bevatten die aan het aangeleverde bewijs gekoppeld zijn.
De ontwikkelaar valideert een uitbreiding naar 131.072 tokens met YaRN, afzonderlijk van het native venster. Hij waarschuwt dat statische schaling het gedrag bij korte invoer kan beïnvloeden en raadt aan die te configureren wanneer langere context nodig is. De kaart legt ook een standaardtoewijzing van 40.960 posities uit voor gebruikelijke prompt- en uitvoerlengten. Organiseer lange invoer in benoemde onderdelen en reserveer ruimte voor redeneren en het eindresultaat in plaats van elke positie met achtergrondmateriaal te vullen. De uitgebreide instelling hangt van de voorgeschreven configuratie af.
Qwen raadt temperature 0,6 en top-p 0,95 aan voor Thinking en 0,7 en 0,8 voor non-Thinking, met top-k 20 en min-p 0 in beide gevallen. Hij waarschuwt tegen greedy decoding in Thinking-modus vanwege mogelijke achteruitgang en herhaling. De aanbevolen uitvoerruimte is 32.768 tokens voor de meeste vragen, met 38.912 genoemd voor bijzonder complexe wiskundige en programmeertaken. Dit zijn generatieaanbevelingen, geen afzonderlijke vaste antwoordlimiet. Expliciete taal- en opmaakinstructies zijn vooral nuttig wanneer een resultaat consistent moet blijven in een meertalig gesprek.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-14b | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.00058 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.00058 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen/qwen3-14b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen/qwen3-14b
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.