Qwen3-32B is het grootste dense model in de oorspronkelijke Qwen3-release. Het combineert Thinking voor complexe logica, wiskunde en programmeren met non-Thinking-antwoorden voor algemene gesprekken. Qwen benadrukt ook creatief schrijven, rolgebaseerde dialoog, instructies volgen over meerdere beurten en toolgebruik met agents. Het model verwerkt en genereert tekst; meertalige instructie en vertaling maken deel uit van de ondersteuning voor 119 talen en dialecten door de oorspronkelijke familie. Het kan een opdracht voor analytische uitleg, een codevoorstel of een zorgvuldig omschreven tekst krijgen.
De exacte editie heeft in totaal 32,8 miljard parameters over 64 lagen. Het is een model met een dense architectuur, onderscheiden van de architectuur met expertrouting van Qwen3-30B-A3B en van latere afzonderlijk benoemde Qwen3-edities. De native context is 32.768 tokens. Bereid een veeleisende taak voor met het relevante bewijs, de vereisten en het verwachte resultaat samen. Lever voor een technische review de componentbeschrijving, interfacebeperkingen en het op te lossen probleem en vraag vervolgens een voorstel dat aannames, afhankelijkheden en alternatieven benoemt, waar passend uitsluitend met het aangeleverde materiaal.
Het chatsjabloon van de ontwikkelaar schakelt Thinking standaard in en biedt een harde enable_thinking-schakelaar. Hard uitschakelen voorkomt Thinking-inhoud volledig. Als Thinking is ingeschakeld, geven /think en /no_think in gebruikers- of systeeminstructies tekstuele controle per beurt; de laatste instructie bepaalt het gevraagde gedrag. Een tekstueel non-Thinking-verzoek kan een leeg Thinking-blok achterlaten; een /think-markering kan een hard uitgeschakeld sjabloon niet overrulen. Zo kan het oorspronkelijke model afwisselen tussen een directe schrijftaak en een vraag die baat heeft bij een uitgebreide redeneerketen, wanneer de voorgeschreven instellingen worden toegepast.
Het generatievoorbeeld parseert het <think>-gedeelte apart van het eindantwoord. Qwen raadt aan het eindformaat expliciet te maken, zoals een omkaderd wiskundig antwoord of één antwoordveld voor een meerkeuzetaak. Benoem in praktische analyse de gevraagde conclusie en het ondersteunende materiaal: bijvoorbeeld een definitieve ontwerpkeuze gevolgd door de beperkingen waaraan die voldoet en de nog open vragen. Behoud volgens het advies van de ontwikkelaar het eindantwoord, niet de eerdere Thinking-inhoud, in de latere gespreksgeschiedenis. Dat bewaart het resultaat dat volgende vragen nodig hebben zonder elke redeneerstap mee te nemen.
Toolaanroepen horen in beide modi bij het gedocumenteerde profiel. Qwen raadt Qwen-Agent aan voor sjablonen en parsers en toont informatieophaling, tijdinformatie en een code-interpreter. Definieer tools duidelijk, geef de betekenis van de argumenten en vertel het model wanneer de taak klaar is. Een nuttige werkwijze kan geselecteerde informatie laten ophalen, de daadwerkelijk geretourneerde inhoud aanleveren en vervolgens een synthese of voorgestelde implementatie vragen. De gevraagde aanroep van het model en de tooluitvoering door de toepassing zijn afzonderlijke fasen; het eindantwoord hoort op het geretourneerde bewijs te steunen.
Voor langere invoer documenteert de kaart YaRN-uitbreiding naar 131.072 tokens. Het native venster is kleiner en statische schaling kan prestaties bij korte invoer beïnvloeden. Qwen raadt aan de uitbreiding in te schakelen als langere context daadwerkelijk nodig is; de kaart verklaart ook een standaardtoewijzing van 40.960 posities voor prompt en uitvoer. Selecteer relevante documenten en behoud koppen, brongrenzen en terminologie. Laat ruimte voor redeneren en het eindantwoord, vooral als de taak meerdere specificaties moet afstemmen in plaats van één passage samenvatten.
De officiële aanbevelingen zijn temperature 0,6, top-p 0,95, top-k 20 en min-p 0 voor Thinking; voor non-Thinking vervangen temperature 0,7 en top-p 0,8 de eerste twee instellingen. Qwen adviseert tegen greedy decoding in Thinking-modus en merkt op dat een hoge presence penalty taalmenging of een lagere kwaliteit kan veroorzaken. Het raadt een uitvoerruimte van 32.768 tokens aan voor de meeste vragen en beschrijft 38.912 voor bijzonder veeleisende wiskundige en programmeerproblemen. Dit zijn generatieadviezen, geen universele harde antwoordlimiet. Een precieze opdracht en gedefinieerd eindformaat helpen het beschikbare redeneren te richten op het werk dat de lezer nodig heeft.
", "aboutText": "Qwen3-32B is het grootste dense model in de oorspronkelijke Qwen3-release. Het combineert Thinking voor complexe logica, wiskunde en programmeren met non-Thinking-antwoorden voor algemene gesprekken. Qwen benadrukt ook creatief schrijven, rolgebaseerde dialoog, instructies volgen over meerdere beurten en toolgebruik met agents. Het model verwerkt en genereert tekst; meertalige instructie en vertaling maken deel uit van de ondersteuning voor 119 talen en dialecten door de oorspronkelijke familie. Het kan een opdracht voor analytische uitleg, een codevoorstel of een zorgvuldig omschreven tekst krijgen.\n\nDe exacte editie heeft in totaal 32,8 miljard parameters over 64 lagen. Het is een model met een dense architectuur, onderscheiden van de architectuur met expertrouting van Qwen3-30B-A3B en van latere afzonderlijk benoemde Qwen3-edities. De native context is 32.768 tokens. Bereid een veeleisende taak voor met het relevante bewijs, de vereisten en het verwachte resultaat samen. Lever voor een technische review de componentbeschrijving, interfacebeperkingen en het op te lossen probleem en vraag vervolgens een voorstel dat aannames, afhankelijkheden en alternatieven benoemt, waar passend uitsluitend met het aangeleverde materiaal.\n\nHet chatsjabloon van de ontwikkelaar schakelt Thinking standaard in en biedt een harde enable_thinking-schakelaar. Hard uitschakelen voorkomt Thinking-inhoud volledig. Als Thinking is ingeschakeld, geven /think en /no_think in gebruikers- of systeeminstructies tekstuele controle per beurt; de laatste instructie bepaalt het gevraagde gedrag. Een tekstueel non-Thinking-verzoek kan een leeg Thinking-blok achterlaten; een /think-markering kan een hard uitgeschakeld sjabloon niet overrulen. Zo kan het oorspronkelijke model afwisselen tussen een directe schrijftaak en een vraag die baat heeft bij een uitgebreide redeneerketen, wanneer de voorgeschreven instellingen worden toegepast.\n\nHet generatievoorbeeld parseert hetTechnisch voorbeeld in het Engels
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.qwen/qwen3-32bQwen3-32B is het hybride tekstmodel met een dense architectuur van Qwen voor complex redeneren, programmeren, meertalig schrijven en toolgerichte taken. Het combineert Thinking- en non-Thinking-modi binnen één model 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.
Qwen3-32B is het grootste dense model in de oorspronkelijke Qwen3-release. Het combineert Thinking voor complexe logica, wiskunde en programmeren met non-Thinking-antwoorden voor algemene gesprekken. Qwen benadrukt ook creatief schrijven, rolgebaseerde dialoog, instructies volgen over meerdere beurten en toolgebruik met agents. Het model verwerkt en genereert tekst; meertalige instructie en vertaling maken deel uit van de ondersteuning voor 119 talen en dialecten door de oorspronkelijke familie. Het kan een opdracht voor analytische uitleg, een codevoorstel of een zorgvuldig omschreven tekst krijgen.
De exacte editie heeft in totaal 32,8 miljard parameters over 64 lagen. Het is een model met een dense architectuur, onderscheiden van de architectuur met expertrouting van Qwen3-30B-A3B en van latere afzonderlijk benoemde Qwen3-edities. De native context is 32.768 tokens. Bereid een veeleisende taak voor met het relevante bewijs, de vereisten en het verwachte resultaat samen. Lever voor een technische review de componentbeschrijving, interfacebeperkingen en het op te lossen probleem en vraag vervolgens een voorstel dat aannames, afhankelijkheden en alternatieven benoemt, waar passend uitsluitend met het aangeleverde materiaal.
Het chatsjabloon van de ontwikkelaar schakelt Thinking standaard in en biedt een harde enable_thinking-schakelaar. Hard uitschakelen voorkomt Thinking-inhoud volledig. Als Thinking is ingeschakeld, geven /think en /no_think in gebruikers- of systeeminstructies tekstuele controle per beurt; de laatste instructie bepaalt het gevraagde gedrag. Een tekstueel non-Thinking-verzoek kan een leeg Thinking-blok achterlaten; een /think-markering kan een hard uitgeschakeld sjabloon niet overrulen. Zo kan het oorspronkelijke model afwisselen tussen een directe schrijftaak en een vraag die baat heeft bij een uitgebreide redeneerketen, wanneer de voorgeschreven instellingen worden toegepast.
Het generatievoorbeeld parseert het <think>-gedeelte apart van het eindantwoord. Qwen raadt aan het eindformaat expliciet te maken, zoals een omkaderd wiskundig antwoord of één antwoordveld voor een meerkeuzetaak. Benoem in praktische analyse de gevraagde conclusie en het ondersteunende materiaal: bijvoorbeeld een definitieve ontwerpkeuze gevolgd door de beperkingen waaraan die voldoet en de nog open vragen. Behoud volgens het advies van de ontwikkelaar het eindantwoord, niet de eerdere Thinking-inhoud, in de latere gespreksgeschiedenis. Dat bewaart het resultaat dat volgende vragen nodig hebben zonder elke redeneerstap mee te nemen.
Toolaanroepen horen in beide modi bij het gedocumenteerde profiel. Qwen raadt Qwen-Agent aan voor sjablonen en parsers en toont informatieophaling, tijdinformatie en een code-interpreter. Definieer tools duidelijk, geef de betekenis van de argumenten en vertel het model wanneer de taak klaar is. Een nuttige werkwijze kan geselecteerde informatie laten ophalen, de daadwerkelijk geretourneerde inhoud aanleveren en vervolgens een synthese of voorgestelde implementatie vragen. De gevraagde aanroep van het model en de tooluitvoering door de toepassing zijn afzonderlijke fasen; het eindantwoord hoort op het geretourneerde bewijs te steunen.
Voor langere invoer documenteert de kaart YaRN-uitbreiding naar 131.072 tokens. Het native venster is kleiner en statische schaling kan prestaties bij korte invoer beïnvloeden. Qwen raadt aan de uitbreiding in te schakelen als langere context daadwerkelijk nodig is; de kaart verklaart ook een standaardtoewijzing van 40.960 posities voor prompt en uitvoer. Selecteer relevante documenten en behoud koppen, brongrenzen en terminologie. Laat ruimte voor redeneren en het eindantwoord, vooral als de taak meerdere specificaties moet afstemmen in plaats van één passage samenvatten.
De officiële aanbevelingen zijn temperature 0,6, top-p 0,95, top-k 20 en min-p 0 voor Thinking; voor non-Thinking vervangen temperature 0,7 en top-p 0,8 de eerste twee instellingen. Qwen adviseert tegen greedy decoding in Thinking-modus en merkt op dat een hoge presence penalty taalmenging of een lagere kwaliteit kan veroorzaken. Het raadt een uitvoerruimte van 32.768 tokens aan voor de meeste vragen en beschrijft 38.912 voor bijzonder veeleisende wiskundige en programmeerproblemen. Dit zijn generatieadviezen, geen universele harde antwoordlimiet. Een precieze opdracht en gedefinieerd eindformaat helpen het beschikbare redeneren te richten op het werk dat de lezer nodig heeft.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-32b | 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 $0.000286 / 1K tokens Uitvoer · Uitvoertokens $0.001144 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.000286 / 1K tokens Uitvoer · Uitvoertokens $0.001144 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-32b", "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/qwen3-32b',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/qwen3-32b',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/qwen3-32b
Gebruik de hierboven getoonde methodepaden.
qwen/qwen3-32bQwen3-32B is het hybride tekstmodel met een dense architectuur van Qwen voor complex redeneren, programmeren, meertalig schrijven en toolgerichte taken. Het combineert Thinking- en non-Thinking-modi binnen één model 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.
Qwen3-32B is het grootste dense model in de oorspronkelijke Qwen3-release. Het combineert Thinking voor complexe logica, wiskunde en programmeren met non-Thinking-antwoorden voor algemene gesprekken. Qwen benadrukt ook creatief schrijven, rolgebaseerde dialoog, instructies volgen over meerdere beurten en toolgebruik met agents. Het model verwerkt en genereert tekst; meertalige instructie en vertaling maken deel uit van de ondersteuning voor 119 talen en dialecten door de oorspronkelijke familie. Het kan een opdracht voor analytische uitleg, een codevoorstel of een zorgvuldig omschreven tekst krijgen.
De exacte editie heeft in totaal 32,8 miljard parameters over 64 lagen. Het is een model met een dense architectuur, onderscheiden van de architectuur met expertrouting van Qwen3-30B-A3B en van latere afzonderlijk benoemde Qwen3-edities. De native context is 32.768 tokens. Bereid een veeleisende taak voor met het relevante bewijs, de vereisten en het verwachte resultaat samen. Lever voor een technische review de componentbeschrijving, interfacebeperkingen en het op te lossen probleem en vraag vervolgens een voorstel dat aannames, afhankelijkheden en alternatieven benoemt, waar passend uitsluitend met het aangeleverde materiaal.
Het chatsjabloon van de ontwikkelaar schakelt Thinking standaard in en biedt een harde enable_thinking-schakelaar. Hard uitschakelen voorkomt Thinking-inhoud volledig. Als Thinking is ingeschakeld, geven /think en /no_think in gebruikers- of systeeminstructies tekstuele controle per beurt; de laatste instructie bepaalt het gevraagde gedrag. Een tekstueel non-Thinking-verzoek kan een leeg Thinking-blok achterlaten; een /think-markering kan een hard uitgeschakeld sjabloon niet overrulen. Zo kan het oorspronkelijke model afwisselen tussen een directe schrijftaak en een vraag die baat heeft bij een uitgebreide redeneerketen, wanneer de voorgeschreven instellingen worden toegepast.
Het generatievoorbeeld parseert het <think>-gedeelte apart van het eindantwoord. Qwen raadt aan het eindformaat expliciet te maken, zoals een omkaderd wiskundig antwoord of één antwoordveld voor een meerkeuzetaak. Benoem in praktische analyse de gevraagde conclusie en het ondersteunende materiaal: bijvoorbeeld een definitieve ontwerpkeuze gevolgd door de beperkingen waaraan die voldoet en de nog open vragen. Behoud volgens het advies van de ontwikkelaar het eindantwoord, niet de eerdere Thinking-inhoud, in de latere gespreksgeschiedenis. Dat bewaart het resultaat dat volgende vragen nodig hebben zonder elke redeneerstap mee te nemen.
Toolaanroepen horen in beide modi bij het gedocumenteerde profiel. Qwen raadt Qwen-Agent aan voor sjablonen en parsers en toont informatieophaling, tijdinformatie en een code-interpreter. Definieer tools duidelijk, geef de betekenis van de argumenten en vertel het model wanneer de taak klaar is. Een nuttige werkwijze kan geselecteerde informatie laten ophalen, de daadwerkelijk geretourneerde inhoud aanleveren en vervolgens een synthese of voorgestelde implementatie vragen. De gevraagde aanroep van het model en de tooluitvoering door de toepassing zijn afzonderlijke fasen; het eindantwoord hoort op het geretourneerde bewijs te steunen.
Voor langere invoer documenteert de kaart YaRN-uitbreiding naar 131.072 tokens. Het native venster is kleiner en statische schaling kan prestaties bij korte invoer beïnvloeden. Qwen raadt aan de uitbreiding in te schakelen als langere context daadwerkelijk nodig is; de kaart verklaart ook een standaardtoewijzing van 40.960 posities voor prompt en uitvoer. Selecteer relevante documenten en behoud koppen, brongrenzen en terminologie. Laat ruimte voor redeneren en het eindantwoord, vooral als de taak meerdere specificaties moet afstemmen in plaats van één passage samenvatten.
De officiële aanbevelingen zijn temperature 0,6, top-p 0,95, top-k 20 en min-p 0 voor Thinking; voor non-Thinking vervangen temperature 0,7 en top-p 0,8 de eerste twee instellingen. Qwen adviseert tegen greedy decoding in Thinking-modus en merkt op dat een hoge presence penalty taalmenging of een lagere kwaliteit kan veroorzaken. Het raadt een uitvoerruimte van 32.768 tokens aan voor de meeste vragen en beschrijft 38.912 voor bijzonder veeleisende wiskundige en programmeerproblemen. Dit zijn generatieadviezen, geen universele harde antwoordlimiet. Een precieze opdracht en gedefinieerd eindformaat helpen het beschikbare redeneren te richten op het werk dat de lezer nodig heeft.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-32b | 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 $0.000286 / 1K tokens Uitvoer · Uitvoertokens $0.001144 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.000286 / 1K tokens Uitvoer · Uitvoertokens $0.001144 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen/qwen3-32b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-32b', '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/qwen3-32b', '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/qwen3-32b
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.