Hoofdpunten: programmeren op repositoryschaal
Qwen3-Coder-30B-A3B-Instruct is een op instructies gericht tekstmodel voor programmeeragents. Qwen documenteert programmeren, browseragentgebruik en repositorybreed begrip, met een eigen functieaanroepformaat en integratie via werkwijzen zoals Qwen Code. Invoer en uitvoer zijn tekst. Behoud dit exacte Coder-checkpoint in plaats van het algemene Qwen3-30B-A3B-Instruct-2507 of Qwen3-Coder-Next te gebruiken, die een andere trainingsfocus en andere generatieadviezen hebben.
De native context is 262.144 tokens en de ontwikkelaar beschrijft uitbreiding naar ongeveer één miljoen met YaRN. Een grote context kan meer repositorybewijs samenbrengen, maar een duidelijke taak heeft nog steeds relevante modules, interfaces en vereisten nodig. Geef het verwachte resultaat en waarneembare gedrag voordat u om een codewijziging vraagt.
Modeloverzicht
Het mixture-of-experts-model heeft in totaal 30,5 miljard parameters en activeert er 3,3 miljard. Het heeft 48 lagen, 128 experts en acht geselecteerde experts per token. Totale en actieve parameters hebben verschillende betekenissen; het actieve cijfer is niet de grootte van het volledige checkpoint. De configuratie als causaal taalmodel is een tekstmodel, geen beeld- of spraakinterface.
Coder-30B-A3B-Instruct ondersteunt uitsluitend non-Thinking en genereert geen expliciete Thinking-blokken. De instelling enable_thinking=False is in het voorbeeld van de ontwikkelaar overbodig. Het kan nog steeds een algoritme uitleggen of een patch in gewone tekst onderbouwen. Een verzoek om redeneerstappen hoort niet te worden verward met het inschakelen van het afzonderlijke Thinking-gedrag van een andere Qwen-editie.
Een ontwikkelaanvraag voorbereiden
Lever de relevante code, invoer die het huidige gedrag aantoont, het waargenomen resultaat en de gewenste wijziging. Specificeer voor een algoritme de invoerbeperkingen en vereiste uitvoer voordat u naar een aanpak vraagt. Benoem bij een repositorywijziging de betrokken functionaliteit en interfaces die de implementatie moet behouden. Vraag een bewerkbare patch of volledige functie apart van verklarend commentaar.
Een nuttig antwoord kan de diagnose, voorgestelde wijziging en controles voor de review organiseren. Als een taak door een visuele referentie of opgenomen gedrag wordt gestuurd, geef een geschikte tekstuele representatie en behoud identificaties waarmee het resultaat met het origineel kan worden vergeleken. Vergelijk de voorgestelde patch met de aangeleverde code, het verwachte gedrag en resultaten van aangesloten controles.
Programmeren met agents en browserprocessen
De ontwikkelaar benadrukt toolaanroepen en een speciaal ontworpen functieaanroepformaat. Een aangesloten agentproces levert toolbeschrijvingen, invoerschema's en waarnemingen en voert de daadwerkelijke bewerkingen uit. Definieer toegestane acties en een voltooiingsvoorwaarde en retourneer vervolgens daadwerkelijke inspectie- of uitvoeringsresultaten aan het model, zodat het de voorgestelde werkzaamheden kan bijwerken.
Browseragentmogelijkheden betekenen deelnemen aan een proces met een aangesloten browsertool, geen automatische toegang tot de browser van de gebruiker of actuele pagina's. Hetzelfde onderscheid geldt voor repositoryinspectie en codeuitvoering. Een voorgestelde opdracht, toolaanvraag en voltooide bewerking horen gescheiden te blijven in het eindrapport. Behoud het toolformaat en de parsingwerkwijze van het native model in plaats van te veronderstellen dat het sjabloon van een ander model uitwisselbaar is.
Lange context en configuratie
De ontwikkelaar beschrijft YaRN-uitbreiding van de native context van 262.144 tokens naar ongeveer één miljoen voor repositorybrede taken. Gebruik een contextconfiguratie die bij het repositorymateriaal past, met ruimte voor toolwaarnemingen en het resultaat. De snelstart suggereert ook een kleinere context, zoals 32.768, als geheugendruk de grotere instelling verhindert.
Behoud codepaden, functienamen en relevante definities in lange invoer. Verwijder niet-relevante gegenereerde bestanden of herhaald materiaal en reserveer ruimte voor het antwoord. Brontekst, geschiedenis, toolwaarnemingen en gegenereerde code delen de geconfigureerde sequentieruimte; de grootst mogelijke invoer hoort niet als perfecte herinnering aan elke afhankelijkheid te worden beschouwd.
Generatieadvies
Best Practices raadt temperature 0,7, top_p 0,8, top_k 20 en een repetition penalty van 1,05 aan. Die exacte aanbeveling voor herhalingsstraf verschilt van die voor verschillende andere Qwen-modellen en blijft bij de werkwijze van deze Coder-editie horen. Qwen raadt een generatieruimte van 65.536 tokens aan voor de meeste vragen; dit is een aanbeveling, geen onafhankelijk vastgesteld hard maximum.
Benoem de uitvoertaal en vorm, zoals een patch, volledige functie of uitleg, en controleer syntaxis en interfaces van het resultaat in het daadwerkelijke ontwikkelproces. Het functievoorbeeld van de ontwikkelaar illustreert het toolmechanisme; een toolcontract heeft nog steeds intern consistente argumentnamen en retoursemantiek nodig in de toepassing die het gebruikt.
Inhoudelijke grenzen en bruikbaar resultaat
De gedocumenteerde invoer van dit checkpoint is tekst. Dat bewijst niet rechtstreeks begrip van beeld, audio of video. Gegenereerde code en een zelfverzekerde uitleg blijven conceptresultaten tot de relevante controles of waarnemingen daadwerkelijk door de aangesloten omgeving worden geretourneerd. Het nuttige resultaat is een controleerbaar implementatievoorstel dat aan de aangeleverde repositoryvoorwaarden is gekoppeld, met behoud van de exacte Coder-identiteit, non-Thinking-modus en generatieadviezen van de ontwikkelaar.
", "aboutText": "Hoofdpunten: programmeren op repositoryschaal\n\nQwen3-Coder-30B-A3B-Instruct is een op instructies gericht tekstmodel voor programmeeragents. Qwen documenteert programmeren, browseragentgebruik en repositorybreed begrip, met een eigen functieaanroepformaat en integratie via werkwijzen zoals Qwen Code. Invoer en uitvoer zijn tekst. Behoud dit exacte Coder-checkpoint in plaats van het algemene Qwen3-30B-A3B-Instruct-2507 of Qwen3-Coder-Next te gebruiken, die een andere trainingsfocus en andere generatieadviezen hebben.\n\nDe native context is 262.144 tokens en de ontwikkelaar beschrijft uitbreiding naar ongeveer één miljoen met YaRN. Een grote context kan meer repositorybewijs samenbrengen, maar een duidelijke taak heeft nog steeds relevante modules, interfaces en vereisten nodig. Geef het verwachte resultaat en waarneembare gedrag voordat u om een codewijziging vraagt.\n\nModeloverzicht\n\nHet mixture-of-experts-model heeft in totaal 30,5 miljard parameters en activeert er 3,3 miljard. Het heeft 48 lagen, 128 experts en acht geselecteerde experts per token. Totale en actieve parameters hebben verschillende betekenissen; het actieve cijfer is niet de grootte van het volledige checkpoint. De configuratie als causaal taalmodel is een tekstmodel, geen beeld- of spraakinterface.\n\nCoder-30B-A3B-Instruct ondersteunt uitsluitend non-Thinking en genereert geen expliciete Thinking-blokken. De instelling enable_thinking=False is in het voorbeeld van de ontwikkelaar overbodig. Het kan nog steeds een algoritme uitleggen of een patch in gewone tekst onderbouwen. Een verzoek om redeneerstappen hoort niet te worden verward met het inschakelen van het afzonderlijke Thinking-gedrag van een andere Qwen-editie.\n\nEen ontwikkelaanvraag voorbereiden\n\nLever de relevante code, invoer die het huidige gedrag aantoont, het waargenomen resultaat en de gewenste wijziging. Specificeer voor een algoritme de invoerbeperkingen en vereiste uitvoer voordat u naar een aanpak vraagt. Benoem bij een repositorywijziging de betrokken functionaliteit en interfaces die de implementatie moet behouden. Vraag een bewerkbare patch of volledige functie apart van verklarend commentaar.\n\nEen nuttig antwoord kan de diagnose, voorgestelde wijziging en controles voor de review organiseren. Als een taak door een visuele referentie of opgenomen gedrag wordt gestuurd, geef een geschikte tekstuele representatie en behoud identificaties waarmee het resultaat met het origineel kan worden vergeleken. Vergelijk de voorgestelde patch met de aangeleverde code, het verwachte gedrag en resultaten van aangesloten controles.\n\nProgrammeren met agents en browserprocessen\n\nDe ontwikkelaar benadrukt toolaanroepen en een speciaal ontworpen functieaanroepformaat. Een aangesloten agentproces levert toolbeschrijvingen, invoerschema's en waarnemingen en voert de daadwerkelijke bewerkingen uit. Definieer toegestane acties en een voltooiingsvoorwaarde en retourneer vervolgens daadwerkelijke inspectie- of uitvoeringsresultaten aan het model, zodat het de voorgestelde werkzaamheden kan bijwerken.\n\nBrowseragentmogelijkheden betekenen deelnemen aan een proces met een aangesloten browsertool, geen automatische toegang tot de browser van de gebruiker of actuele pagina's. Hetzelfde onderscheid geldt voor repositoryinspectie en codeuitvoering. Een voorgestelde opdracht, toolaanvraag en voltooide bewerking horen gescheiden te blijven in het eindrapport. Behoud het toolformaat en de parsingwerkwijze van het native model in plaats van te veronderstellen dat het sjabloon van een ander model uitwisselbaar is.\n\nLange context en configuratie\n\nDe ontwikkelaar beschrijft YaRN-uitbreiding van de native context van 262.144 tokens naar ongeveer één miljoen voor repositorybrede taken. Gebruik een contextconfiguratie die bij het repositorymateriaal past, met ruimte voor toolwaarnemingen en het resultaat. De snelstart suggereert ook een kleinere context, zoals 32.768, als geheugendruk de grotere instelling verhindert.\n\nBehoud codepaden, functienamen en relevante definities in lange invoer. Verwijder niet-relevante gegenereerde bestanden of herhaald materiaal en reserveer ruimte voor het antwoord. Brontekst, geschiedenis, toolwaarnemingen en gegenereerde code delen de geconfigureerde sequentieruimte; de grootst mogelijke invoer hoort niet als perfecte herinnering aan elke afhankelijkheid te worden beschouwd.\n\nGeneratieadvies\n\nBest Practices raadt temperature 0,7, top_p 0,8, top_k 20 en een repetition penalty van 1,05 aan. Die exacte aanbeveling voor herhalingsstraf verschilt van die voor verschillende andere Qwen-modellen en blijft bij de werkwijze van deze Coder-editie horen. Qwen raadt een generatieruimte van 65.536 tokens aan voor de meeste vragen; dit is een aanbeveling, geen onafhankelijk vastgesteld hard maximum.\n\nBenoem de uitvoertaal en vorm, zoals een patch, volledige functie of uitleg, en controleer syntaxis en interfaces van het resultaat in het daadwerkelijke ontwikkelproces. Het functievoorbeeld van de ontwikkelaar illustreert het toolmechanisme; een toolcontract heeft nog steeds intern consistente argumentnamen en retoursemantiek nodig in de toepassing die het gebruikt.\n\nInhoudelijke grenzen en bruikbaar resultaat\n\nDe gedocumenteerde invoer van dit checkpoint is tekst. Dat bewijst niet rechtstreeks begrip van beeld, audio of video. Gegenereerde code en een zelfverzekerde uitleg blijven conceptresultaten tot de relevante controles of waarnemingen daadwerkelijk door de aangesloten omgeving worden geretourneerd. Het nuttige resultaat is een controleerbaar implementatievoorstel dat aan de aangeleverde repositoryvoorwaarden is gekoppeld, met behoud van de exacte Coder-identiteit, non-Thinking-modus en generatieadviezen van de ontwikkelaar.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct is het non-Thinking-tekstmodel van Qwen voor programmeren, met 30,5 miljard parameters in totaal en 3,3 miljard geactiveerd. Het richt zich op repositorybrede ontwikkeling, programmeren en browseragentprocessen, met native context van 262.144 tokens en een eigen functieaanroepformaat.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Hoofdpunten: programmeren op repositoryschaal
Qwen3-Coder-30B-A3B-Instruct is een op instructies gericht tekstmodel voor programmeeragents. Qwen documenteert programmeren, browseragentgebruik en repositorybreed begrip, met een eigen functieaanroepformaat en integratie via werkwijzen zoals Qwen Code. Invoer en uitvoer zijn tekst. Behoud dit exacte Coder-checkpoint in plaats van het algemene Qwen3-30B-A3B-Instruct-2507 of Qwen3-Coder-Next te gebruiken, die een andere trainingsfocus en andere generatieadviezen hebben.
De native context is 262.144 tokens en de ontwikkelaar beschrijft uitbreiding naar ongeveer één miljoen met YaRN. Een grote context kan meer repositorybewijs samenbrengen, maar een duidelijke taak heeft nog steeds relevante modules, interfaces en vereisten nodig. Geef het verwachte resultaat en waarneembare gedrag voordat u om een codewijziging vraagt.
Modeloverzicht
Het mixture-of-experts-model heeft in totaal 30,5 miljard parameters en activeert er 3,3 miljard. Het heeft 48 lagen, 128 experts en acht geselecteerde experts per token. Totale en actieve parameters hebben verschillende betekenissen; het actieve cijfer is niet de grootte van het volledige checkpoint. De configuratie als causaal taalmodel is een tekstmodel, geen beeld- of spraakinterface.
Coder-30B-A3B-Instruct ondersteunt uitsluitend non-Thinking en genereert geen expliciete Thinking-blokken. De instelling enable_thinking=False is in het voorbeeld van de ontwikkelaar overbodig. Het kan nog steeds een algoritme uitleggen of een patch in gewone tekst onderbouwen. Een verzoek om redeneerstappen hoort niet te worden verward met het inschakelen van het afzonderlijke Thinking-gedrag van een andere Qwen-editie.
Een ontwikkelaanvraag voorbereiden
Lever de relevante code, invoer die het huidige gedrag aantoont, het waargenomen resultaat en de gewenste wijziging. Specificeer voor een algoritme de invoerbeperkingen en vereiste uitvoer voordat u naar een aanpak vraagt. Benoem bij een repositorywijziging de betrokken functionaliteit en interfaces die de implementatie moet behouden. Vraag een bewerkbare patch of volledige functie apart van verklarend commentaar.
Een nuttig antwoord kan de diagnose, voorgestelde wijziging en controles voor de review organiseren. Als een taak door een visuele referentie of opgenomen gedrag wordt gestuurd, geef een geschikte tekstuele representatie en behoud identificaties waarmee het resultaat met het origineel kan worden vergeleken. Vergelijk de voorgestelde patch met de aangeleverde code, het verwachte gedrag en resultaten van aangesloten controles.
Programmeren met agents en browserprocessen
De ontwikkelaar benadrukt toolaanroepen en een speciaal ontworpen functieaanroepformaat. Een aangesloten agentproces levert toolbeschrijvingen, invoerschema's en waarnemingen en voert de daadwerkelijke bewerkingen uit. Definieer toegestane acties en een voltooiingsvoorwaarde en retourneer vervolgens daadwerkelijke inspectie- of uitvoeringsresultaten aan het model, zodat het de voorgestelde werkzaamheden kan bijwerken.
Browseragentmogelijkheden betekenen deelnemen aan een proces met een aangesloten browsertool, geen automatische toegang tot de browser van de gebruiker of actuele pagina's. Hetzelfde onderscheid geldt voor repositoryinspectie en codeuitvoering. Een voorgestelde opdracht, toolaanvraag en voltooide bewerking horen gescheiden te blijven in het eindrapport. Behoud het toolformaat en de parsingwerkwijze van het native model in plaats van te veronderstellen dat het sjabloon van een ander model uitwisselbaar is.
Lange context en configuratie
De ontwikkelaar beschrijft YaRN-uitbreiding van de native context van 262.144 tokens naar ongeveer één miljoen voor repositorybrede taken. Gebruik een contextconfiguratie die bij het repositorymateriaal past, met ruimte voor toolwaarnemingen en het resultaat. De snelstart suggereert ook een kleinere context, zoals 32.768, als geheugendruk de grotere instelling verhindert.
Behoud codepaden, functienamen en relevante definities in lange invoer. Verwijder niet-relevante gegenereerde bestanden of herhaald materiaal en reserveer ruimte voor het antwoord. Brontekst, geschiedenis, toolwaarnemingen en gegenereerde code delen de geconfigureerde sequentieruimte; de grootst mogelijke invoer hoort niet als perfecte herinnering aan elke afhankelijkheid te worden beschouwd.
Generatieadvies
Best Practices raadt temperature 0,7, top_p 0,8, top_k 20 en een repetition penalty van 1,05 aan. Die exacte aanbeveling voor herhalingsstraf verschilt van die voor verschillende andere Qwen-modellen en blijft bij de werkwijze van deze Coder-editie horen. Qwen raadt een generatieruimte van 65.536 tokens aan voor de meeste vragen; dit is een aanbeveling, geen onafhankelijk vastgesteld hard maximum.
Benoem de uitvoertaal en vorm, zoals een patch, volledige functie of uitleg, en controleer syntaxis en interfaces van het resultaat in het daadwerkelijke ontwikkelproces. Het functievoorbeeld van de ontwikkelaar illustreert het toolmechanisme; een toolcontract heeft nog steeds intern consistente argumentnamen en retoursemantiek nodig in de toepassing die het gebruikt.
Inhoudelijke grenzen en bruikbaar resultaat
De gedocumenteerde invoer van dit checkpoint is tekst. Dat bewijst niet rechtstreeks begrip van beeld, audio of video. Gegenereerde code en een zelfverzekerde uitleg blijven conceptresultaten tot de relevante controles of waarnemingen daadwerkelijk door de aangesloten omgeving worden geretourneerd. Het nuttige resultaat is een controleerbaar implementatievoorstel dat aan de aangeleverde repositoryvoorwaarden is gekoppeld, met behoud van de exacte Coder-identiteit, non-Thinking-modus en generatieadviezen van de ontwikkelaar.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-coder-30b-a3b-instruct | 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 $0.0008 / 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 $0.0008 / 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-coder-30b-a3b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-coder-30b-a3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-coder-30b-a3b-instruct',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-coder-30b-a3b-instruct
Gebruik de hierboven getoonde methodepaden.
qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct is het non-Thinking-tekstmodel van Qwen voor programmeren, met 30,5 miljard parameters in totaal en 3,3 miljard geactiveerd. Het richt zich op repositorybrede ontwikkeling, programmeren en browseragentprocessen, met native context van 262.144 tokens en een eigen functieaanroepformaat.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Hoofdpunten: programmeren op repositoryschaal
Qwen3-Coder-30B-A3B-Instruct is een op instructies gericht tekstmodel voor programmeeragents. Qwen documenteert programmeren, browseragentgebruik en repositorybreed begrip, met een eigen functieaanroepformaat en integratie via werkwijzen zoals Qwen Code. Invoer en uitvoer zijn tekst. Behoud dit exacte Coder-checkpoint in plaats van het algemene Qwen3-30B-A3B-Instruct-2507 of Qwen3-Coder-Next te gebruiken, die een andere trainingsfocus en andere generatieadviezen hebben.
De native context is 262.144 tokens en de ontwikkelaar beschrijft uitbreiding naar ongeveer één miljoen met YaRN. Een grote context kan meer repositorybewijs samenbrengen, maar een duidelijke taak heeft nog steeds relevante modules, interfaces en vereisten nodig. Geef het verwachte resultaat en waarneembare gedrag voordat u om een codewijziging vraagt.
Modeloverzicht
Het mixture-of-experts-model heeft in totaal 30,5 miljard parameters en activeert er 3,3 miljard. Het heeft 48 lagen, 128 experts en acht geselecteerde experts per token. Totale en actieve parameters hebben verschillende betekenissen; het actieve cijfer is niet de grootte van het volledige checkpoint. De configuratie als causaal taalmodel is een tekstmodel, geen beeld- of spraakinterface.
Coder-30B-A3B-Instruct ondersteunt uitsluitend non-Thinking en genereert geen expliciete Thinking-blokken. De instelling enable_thinking=False is in het voorbeeld van de ontwikkelaar overbodig. Het kan nog steeds een algoritme uitleggen of een patch in gewone tekst onderbouwen. Een verzoek om redeneerstappen hoort niet te worden verward met het inschakelen van het afzonderlijke Thinking-gedrag van een andere Qwen-editie.
Een ontwikkelaanvraag voorbereiden
Lever de relevante code, invoer die het huidige gedrag aantoont, het waargenomen resultaat en de gewenste wijziging. Specificeer voor een algoritme de invoerbeperkingen en vereiste uitvoer voordat u naar een aanpak vraagt. Benoem bij een repositorywijziging de betrokken functionaliteit en interfaces die de implementatie moet behouden. Vraag een bewerkbare patch of volledige functie apart van verklarend commentaar.
Een nuttig antwoord kan de diagnose, voorgestelde wijziging en controles voor de review organiseren. Als een taak door een visuele referentie of opgenomen gedrag wordt gestuurd, geef een geschikte tekstuele representatie en behoud identificaties waarmee het resultaat met het origineel kan worden vergeleken. Vergelijk de voorgestelde patch met de aangeleverde code, het verwachte gedrag en resultaten van aangesloten controles.
Programmeren met agents en browserprocessen
De ontwikkelaar benadrukt toolaanroepen en een speciaal ontworpen functieaanroepformaat. Een aangesloten agentproces levert toolbeschrijvingen, invoerschema's en waarnemingen en voert de daadwerkelijke bewerkingen uit. Definieer toegestane acties en een voltooiingsvoorwaarde en retourneer vervolgens daadwerkelijke inspectie- of uitvoeringsresultaten aan het model, zodat het de voorgestelde werkzaamheden kan bijwerken.
Browseragentmogelijkheden betekenen deelnemen aan een proces met een aangesloten browsertool, geen automatische toegang tot de browser van de gebruiker of actuele pagina's. Hetzelfde onderscheid geldt voor repositoryinspectie en codeuitvoering. Een voorgestelde opdracht, toolaanvraag en voltooide bewerking horen gescheiden te blijven in het eindrapport. Behoud het toolformaat en de parsingwerkwijze van het native model in plaats van te veronderstellen dat het sjabloon van een ander model uitwisselbaar is.
Lange context en configuratie
De ontwikkelaar beschrijft YaRN-uitbreiding van de native context van 262.144 tokens naar ongeveer één miljoen voor repositorybrede taken. Gebruik een contextconfiguratie die bij het repositorymateriaal past, met ruimte voor toolwaarnemingen en het resultaat. De snelstart suggereert ook een kleinere context, zoals 32.768, als geheugendruk de grotere instelling verhindert.
Behoud codepaden, functienamen en relevante definities in lange invoer. Verwijder niet-relevante gegenereerde bestanden of herhaald materiaal en reserveer ruimte voor het antwoord. Brontekst, geschiedenis, toolwaarnemingen en gegenereerde code delen de geconfigureerde sequentieruimte; de grootst mogelijke invoer hoort niet als perfecte herinnering aan elke afhankelijkheid te worden beschouwd.
Generatieadvies
Best Practices raadt temperature 0,7, top_p 0,8, top_k 20 en een repetition penalty van 1,05 aan. Die exacte aanbeveling voor herhalingsstraf verschilt van die voor verschillende andere Qwen-modellen en blijft bij de werkwijze van deze Coder-editie horen. Qwen raadt een generatieruimte van 65.536 tokens aan voor de meeste vragen; dit is een aanbeveling, geen onafhankelijk vastgesteld hard maximum.
Benoem de uitvoertaal en vorm, zoals een patch, volledige functie of uitleg, en controleer syntaxis en interfaces van het resultaat in het daadwerkelijke ontwikkelproces. Het functievoorbeeld van de ontwikkelaar illustreert het toolmechanisme; een toolcontract heeft nog steeds intern consistente argumentnamen en retoursemantiek nodig in de toepassing die het gebruikt.
Inhoudelijke grenzen en bruikbaar resultaat
De gedocumenteerde invoer van dit checkpoint is tekst. Dat bewijst niet rechtstreeks begrip van beeld, audio of video. Gegenereerde code en een zelfverzekerde uitleg blijven conceptresultaten tot de relevante controles of waarnemingen daadwerkelijk door de aangesloten omgeving worden geretourneerd. Het nuttige resultaat is een controleerbaar implementatievoorstel dat aan de aangeleverde repositoryvoorwaarden is gekoppeld, met behoud van de exacte Coder-identiteit, non-Thinking-modus en generatieadviezen van de ontwikkelaar.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-coder-30b-a3b-instruct | 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 $0.0008 / 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 $0.0008 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-coder-30b-a3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-coder-30b-a3b-instruct', '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-coder-30b-a3b-instruct
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.