Qwen3-30B-A3B combineert twee antwoordstijlen in één tekstmodel: Thinking voor complexe logische, wiskundige en programmeerproblemen en non-Thinking voor eenvoudige dialoog. Qwen benadrukt ook creatief schrijven, rolgebaseerde gesprekken, instructies volgen en integratie met externe tools. De oorspronkelijke Qwen3-familie ondersteunt 119 talen en dialecten, waardoor dit model nuttig is voor meertalige vragen, vertaling en gesprekken waarin de gevraagde taal tussen beurten kan veranderen. Benoem de uitvoertaal, behoud terminologie die ongewijzigd moet blijven en beschrijf de behoeften van de lezer.
Dit is de oorspronkelijke mixture-of-experts-editie Qwen3-30B-A3B. De in totaal 30,5 miljard parameters omvatten 3,3 miljard die voor elk token worden geactiveerd; acht van de 128 experts worden in de expertlagen van het model geselecteerd. De sparse architectuur is een belangrijk onderscheid met de dense modellen van Qwen3. Dit profiel gaat over het oorspronkelijke hybride model, met een native context van 32.768 tokens, niet over een latere afzonderlijk benoemde Instruct-2507- of Thinking-2507-editie. Lever voor een analyseopdracht de relevante code of bronpassages, de op te lossen vraag en voorwaarden waaraan een geldig antwoord moet voldoen.
In het officiële chatsjabloon is Thinking standaard ingeschakeld. De harde enable_thinking-schakelaar kan het volledig uitschakelen. Als Thinking ingeschakeld blijft, werken /think en /no_think in een gebruikers- of systeeminstructie als tekstuele schakelaars; de meest recente instructie bepaalt het gevraagde gedrag over de beurten heen. Een /no_think-verzoek onder een ingeschakeld sjabloon kan nog steeds een leeg Thinking-blok opleveren; als de harde schakelaar is uitgeschakeld, activeert geen van de markeringen Thinking. Dit onderscheid is belangrijk als een proces afwisselt tussen een onmiddellijke herschrijving en een complexere debugging- of redeneervraag.
De voorbeelden van Qwen scheiden het <think>-gedeelte van het definitieve antwoord. Bereid voor een codeprobleem het kleinste relevante bronfragment, het waargenomen falen en gewenste resultaat voor en vraag vervolgens een diagnose en voorgestelde correctie. Voor een wiskundig probleem raadt de ontwikkelaar een expliciete stapsgewijze instructie aan met het eindantwoord in \\boxed{}. Een meerkeuzeopdracht kan in plaats daarvan één antwoordveld definiëren. Bij latere gespreksbeurten raadt Qwen aan het eindantwoord te behouden en de eerdere Thinking-inhoud uit de geschiedenis weg te laten, in plaats van telkens het volledige redeneergedeelte mee te nemen.
Toolaanroepen worden voor beide modi beschreven. Qwen raadt Qwen-Agent aan voor de toolsjablonen van het model en het parsen van zijn toolaanroepen, met voorbeelden van informatieophaling, tijdinformatie en een code-interpreter. Beschrijf de beschikbare tools en hun argumenten voordat u om een geplande reeks vraagt. Een nuttige opdracht kan een controle van geselecteerde documentatie vragen, gevolgd door een beredeneerd implementatievoorstel; geef elk toolresultaat aan het gesprek terug, zodat het model vanuit daadwerkelijk bewijs kan doorgaan. De tekstuele toolaanvraag en het door de toepassing uitgevoerde resultaat blijven afzonderlijke delen van die werkwijze.
De kaart beschrijft contextuitbreiding naar 131.072 tokens met YaRN. Dit is een configuratieafhankelijke uitbreiding van het native venster en Qwen waarschuwt dat statische schaling kortere invoer kan beïnvloeden. De kaart verklaart ook een standaardconfiguratie met 40.960 posities die ruimte voor een gebruikelijke prompt en lang antwoord toewijst; dit staat los van de beschrijving van de native context. Bereid lang materiaal voor met duidelijke documentgrenzen, geef voorrang aan de delen die voor de vraag relevant zijn en laat ruimte voor het antwoord en eventueel redeneren.
Voor Thinking raadt Qwen temperature 0,6, top-p 0,95, top-k 20 en min-p 0 aan en adviseert het tegen greedy decoding, omdat dat resultaten kan verslechteren of eindeloos kan herhalen. Voor non-Thinking verandert het advies temperature naar 0,7 en top-p naar 0,8. Het beveelt een uitvoerruimte van 32.768 tokens aan voor de meeste vragen en beschrijft 38.912 tokens voor bijzonder veeleisende wiskundige en programmeerproblemen. Dit zijn generatie-instellingen van de ontwikkelaar, geen afzonderlijke vaste antwoordgarantie. Kies de modus en het gevraagde eindresultaat samen, zodat er plaats is voor het nodige redeneren en het bruikbare eindantwoord.
", "aboutText": "Qwen3-30B-A3B combineert twee antwoordstijlen in één tekstmodel: Thinking voor complexe logische, wiskundige en programmeerproblemen en non-Thinking voor eenvoudige dialoog. Qwen benadrukt ook creatief schrijven, rolgebaseerde gesprekken, instructies volgen en integratie met externe tools. De oorspronkelijke Qwen3-familie ondersteunt 119 talen en dialecten, waardoor dit model nuttig is voor meertalige vragen, vertaling en gesprekken waarin de gevraagde taal tussen beurten kan veranderen. Benoem de uitvoertaal, behoud terminologie die ongewijzigd moet blijven en beschrijf de behoeften van de lezer.\n\nDit is de oorspronkelijke mixture-of-experts-editie Qwen3-30B-A3B. De in totaal 30,5 miljard parameters omvatten 3,3 miljard die voor elk token worden geactiveerd; acht van de 128 experts worden in de expertlagen van het model geselecteerd. De sparse architectuur is een belangrijk onderscheid met de dense modellen van Qwen3. Dit profiel gaat over het oorspronkelijke hybride model, met een native context van 32.768 tokens, niet over een latere afzonderlijk benoemde Instruct-2507- of Thinking-2507-editie. Lever voor een analyseopdracht de relevante code of bronpassages, de op te lossen vraag en voorwaarden waaraan een geldig antwoord moet voldoen.\n\nIn het officiële chatsjabloon is Thinking standaard ingeschakeld. De harde enable_thinking-schakelaar kan het volledig uitschakelen. Als Thinking ingeschakeld blijft, werken /think en /no_think in een gebruikers- of systeeminstructie als tekstuele schakelaars; de meest recente instructie bepaalt het gevraagde gedrag over de beurten heen. Een /no_think-verzoek onder een ingeschakeld sjabloon kan nog steeds een leeg Thinking-blok opleveren; als de harde schakelaar is uitgeschakeld, activeert geen van de markeringen Thinking. Dit onderscheid is belangrijk als een proces afwisselt tussen een onmiddellijke herschrijving en een complexere debugging- of redeneervraag.\n\nDe voorbeelden van Qwen scheiden hetTechnisch voorbeeld in het Engels
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.qwen/qwen3-30b-a3bQwen3-30B-A3B is het mixture-of-experts-tekstmodel van Qwen met Thinking- en non-Thinking-modi voor redeneren, programmeren en meertalige gesprekken. Het heeft 30,5 miljard parameters in totaal, 3,3 miljard actief per token en 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.
Qwen3-30B-A3B combineert twee antwoordstijlen in één tekstmodel: Thinking voor complexe logische, wiskundige en programmeerproblemen en non-Thinking voor eenvoudige dialoog. Qwen benadrukt ook creatief schrijven, rolgebaseerde gesprekken, instructies volgen en integratie met externe tools. De oorspronkelijke Qwen3-familie ondersteunt 119 talen en dialecten, waardoor dit model nuttig is voor meertalige vragen, vertaling en gesprekken waarin de gevraagde taal tussen beurten kan veranderen. Benoem de uitvoertaal, behoud terminologie die ongewijzigd moet blijven en beschrijf de behoeften van de lezer.
Dit is de oorspronkelijke mixture-of-experts-editie Qwen3-30B-A3B. De in totaal 30,5 miljard parameters omvatten 3,3 miljard die voor elk token worden geactiveerd; acht van de 128 experts worden in de expertlagen van het model geselecteerd. De sparse architectuur is een belangrijk onderscheid met de dense modellen van Qwen3. Dit profiel gaat over het oorspronkelijke hybride model, met een native context van 32.768 tokens, niet over een latere afzonderlijk benoemde Instruct-2507- of Thinking-2507-editie. Lever voor een analyseopdracht de relevante code of bronpassages, de op te lossen vraag en voorwaarden waaraan een geldig antwoord moet voldoen.
In het officiële chatsjabloon is Thinking standaard ingeschakeld. De harde enable_thinking-schakelaar kan het volledig uitschakelen. Als Thinking ingeschakeld blijft, werken /think en /no_think in een gebruikers- of systeeminstructie als tekstuele schakelaars; de meest recente instructie bepaalt het gevraagde gedrag over de beurten heen. Een /no_think-verzoek onder een ingeschakeld sjabloon kan nog steeds een leeg Thinking-blok opleveren; als de harde schakelaar is uitgeschakeld, activeert geen van de markeringen Thinking. Dit onderscheid is belangrijk als een proces afwisselt tussen een onmiddellijke herschrijving en een complexere debugging- of redeneervraag.
De voorbeelden van Qwen scheiden het <think>-gedeelte van het definitieve antwoord. Bereid voor een codeprobleem het kleinste relevante bronfragment, het waargenomen falen en gewenste resultaat voor en vraag vervolgens een diagnose en voorgestelde correctie. Voor een wiskundig probleem raadt de ontwikkelaar een expliciete stapsgewijze instructie aan met het eindantwoord in \\boxed{}. Een meerkeuzeopdracht kan in plaats daarvan één antwoordveld definiëren. Bij latere gespreksbeurten raadt Qwen aan het eindantwoord te behouden en de eerdere Thinking-inhoud uit de geschiedenis weg te laten, in plaats van telkens het volledige redeneergedeelte mee te nemen.
Toolaanroepen worden voor beide modi beschreven. Qwen raadt Qwen-Agent aan voor de toolsjablonen van het model en het parsen van zijn toolaanroepen, met voorbeelden van informatieophaling, tijdinformatie en een code-interpreter. Beschrijf de beschikbare tools en hun argumenten voordat u om een geplande reeks vraagt. Een nuttige opdracht kan een controle van geselecteerde documentatie vragen, gevolgd door een beredeneerd implementatievoorstel; geef elk toolresultaat aan het gesprek terug, zodat het model vanuit daadwerkelijk bewijs kan doorgaan. De tekstuele toolaanvraag en het door de toepassing uitgevoerde resultaat blijven afzonderlijke delen van die werkwijze.
De kaart beschrijft contextuitbreiding naar 131.072 tokens met YaRN. Dit is een configuratieafhankelijke uitbreiding van het native venster en Qwen waarschuwt dat statische schaling kortere invoer kan beïnvloeden. De kaart verklaart ook een standaardconfiguratie met 40.960 posities die ruimte voor een gebruikelijke prompt en lang antwoord toewijst; dit staat los van de beschrijving van de native context. Bereid lang materiaal voor met duidelijke documentgrenzen, geef voorrang aan de delen die voor de vraag relevant zijn en laat ruimte voor het antwoord en eventueel redeneren.
Voor Thinking raadt Qwen temperature 0,6, top-p 0,95, top-k 20 en min-p 0 aan en adviseert het tegen greedy decoding, omdat dat resultaten kan verslechteren of eindeloos kan herhalen. Voor non-Thinking verandert het advies temperature naar 0,7 en top-p naar 0,8. Het beveelt een uitvoerruimte van 32.768 tokens aan voor de meeste vragen en beschrijft 38.912 tokens voor bijzonder veeleisende wiskundige en programmeerproblemen. Dit zijn generatie-instellingen van de ontwikkelaar, geen afzonderlijke vaste antwoordgarantie. Kies de modus en het gevraagde eindresultaat samen, zodat er plaats is voor het nodige redeneren en het bruikbare eindantwoord.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-30b-a3b | 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 $0.00024 / 1K tokens Uitvoer · Uitvoertokens $0.001 / 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 $0.00024 / 1K tokens Uitvoer · Uitvoertokens $0.001 / 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/qwen3-30b-a3b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-30b-a3b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-30b-a3b',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/qwen3-30b-a3b
Gebruik de hierboven getoonde methodepaden.
qwen/qwen3-30b-a3bQwen3-30B-A3B is het mixture-of-experts-tekstmodel van Qwen met Thinking- en non-Thinking-modi voor redeneren, programmeren en meertalige gesprekken. Het heeft 30,5 miljard parameters in totaal, 3,3 miljard actief per token en 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.
Qwen3-30B-A3B combineert twee antwoordstijlen in één tekstmodel: Thinking voor complexe logische, wiskundige en programmeerproblemen en non-Thinking voor eenvoudige dialoog. Qwen benadrukt ook creatief schrijven, rolgebaseerde gesprekken, instructies volgen en integratie met externe tools. De oorspronkelijke Qwen3-familie ondersteunt 119 talen en dialecten, waardoor dit model nuttig is voor meertalige vragen, vertaling en gesprekken waarin de gevraagde taal tussen beurten kan veranderen. Benoem de uitvoertaal, behoud terminologie die ongewijzigd moet blijven en beschrijf de behoeften van de lezer.
Dit is de oorspronkelijke mixture-of-experts-editie Qwen3-30B-A3B. De in totaal 30,5 miljard parameters omvatten 3,3 miljard die voor elk token worden geactiveerd; acht van de 128 experts worden in de expertlagen van het model geselecteerd. De sparse architectuur is een belangrijk onderscheid met de dense modellen van Qwen3. Dit profiel gaat over het oorspronkelijke hybride model, met een native context van 32.768 tokens, niet over een latere afzonderlijk benoemde Instruct-2507- of Thinking-2507-editie. Lever voor een analyseopdracht de relevante code of bronpassages, de op te lossen vraag en voorwaarden waaraan een geldig antwoord moet voldoen.
In het officiële chatsjabloon is Thinking standaard ingeschakeld. De harde enable_thinking-schakelaar kan het volledig uitschakelen. Als Thinking ingeschakeld blijft, werken /think en /no_think in een gebruikers- of systeeminstructie als tekstuele schakelaars; de meest recente instructie bepaalt het gevraagde gedrag over de beurten heen. Een /no_think-verzoek onder een ingeschakeld sjabloon kan nog steeds een leeg Thinking-blok opleveren; als de harde schakelaar is uitgeschakeld, activeert geen van de markeringen Thinking. Dit onderscheid is belangrijk als een proces afwisselt tussen een onmiddellijke herschrijving en een complexere debugging- of redeneervraag.
De voorbeelden van Qwen scheiden het <think>-gedeelte van het definitieve antwoord. Bereid voor een codeprobleem het kleinste relevante bronfragment, het waargenomen falen en gewenste resultaat voor en vraag vervolgens een diagnose en voorgestelde correctie. Voor een wiskundig probleem raadt de ontwikkelaar een expliciete stapsgewijze instructie aan met het eindantwoord in \\boxed{}. Een meerkeuzeopdracht kan in plaats daarvan één antwoordveld definiëren. Bij latere gespreksbeurten raadt Qwen aan het eindantwoord te behouden en de eerdere Thinking-inhoud uit de geschiedenis weg te laten, in plaats van telkens het volledige redeneergedeelte mee te nemen.
Toolaanroepen worden voor beide modi beschreven. Qwen raadt Qwen-Agent aan voor de toolsjablonen van het model en het parsen van zijn toolaanroepen, met voorbeelden van informatieophaling, tijdinformatie en een code-interpreter. Beschrijf de beschikbare tools en hun argumenten voordat u om een geplande reeks vraagt. Een nuttige opdracht kan een controle van geselecteerde documentatie vragen, gevolgd door een beredeneerd implementatievoorstel; geef elk toolresultaat aan het gesprek terug, zodat het model vanuit daadwerkelijk bewijs kan doorgaan. De tekstuele toolaanvraag en het door de toepassing uitgevoerde resultaat blijven afzonderlijke delen van die werkwijze.
De kaart beschrijft contextuitbreiding naar 131.072 tokens met YaRN. Dit is een configuratieafhankelijke uitbreiding van het native venster en Qwen waarschuwt dat statische schaling kortere invoer kan beïnvloeden. De kaart verklaart ook een standaardconfiguratie met 40.960 posities die ruimte voor een gebruikelijke prompt en lang antwoord toewijst; dit staat los van de beschrijving van de native context. Bereid lang materiaal voor met duidelijke documentgrenzen, geef voorrang aan de delen die voor de vraag relevant zijn en laat ruimte voor het antwoord en eventueel redeneren.
Voor Thinking raadt Qwen temperature 0,6, top-p 0,95, top-k 20 en min-p 0 aan en adviseert het tegen greedy decoding, omdat dat resultaten kan verslechteren of eindeloos kan herhalen. Voor non-Thinking verandert het advies temperature naar 0,7 en top-p naar 0,8. Het beveelt een uitvoerruimte van 32.768 tokens aan voor de meeste vragen en beschrijft 38.912 tokens voor bijzonder veeleisende wiskundige en programmeerproblemen. Dit zijn generatie-instellingen van de ontwikkelaar, geen afzonderlijke vaste antwoordgarantie. Kies de modus en het gevraagde eindresultaat samen, zodat er plaats is voor het nodige redeneren en het bruikbare eindantwoord.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-30b-a3b | 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 $0.00024 / 1K tokens Uitvoer · Uitvoertokens $0.001 / 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 $0.00024 / 1K tokens Uitvoer · Uitvoertokens $0.001 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen/qwen3-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b', '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/qwen3-30b-a3b
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.