Qwen3-14B is een dense taalmodel uit de oorspronkelijke Qwen3-release dat thinking en non-thinking gedrag in één model combineert. Qwen positioneert de familie voor logisch redeneren, wiskunde, programmeren, creatief schrijven, rolgebaseerde dialoog en instructies volgen. Het accepteert en retourneert tekst, met meertalige instructie- en vertaalvaardigheden in de 119 talen en dialecten van de familie. Een nuttige gespreksopdracht geeft de taal, het kennisniveau van de lezer en het exacte resultaat aan: een uitleg, herschrijving, uitgewerkt probleem of voorgestelde codewijziging.
Het op instructies getrainde model heeft in totaal 14,8 miljard parameters in 40 lagen. Het is de dense 14B-editie, geen mixture-of-experts-model of een later model met een vergelijkbare familienaam. De native context is 32.768 tokens. Geef voor een documenttaak de relevante passages en hun koppen en vraag daarna om de specifieke vergelijking of uitleg die nodig is. Een opdracht kan bijvoorbeeld twee procesversies geven en om een tabel met gewijzigde voorwaarden vragen, gevolgd door een herziene procedure die de opgegeven uitzonderingen behoudt. Vraag de herziene procedure de bronkoppen te behouden en de gewijzigde voorwaarden te benoemen.
Thinking is standaard ingeschakeld in de chattemplate van de producent. De harde instelling enable_thinking=False schakelt de redeneersectie volledig uit. Als thinking ingeschakeld blijft, kunnen /think of /no_think in de prompt of systeeminstructie de gevraagde modus van beurt tot beurt veranderen; de nieuwste instructie geldt. Een ingeschakelde template kan nog steeds een leeg <think>-blok teruggeven bij een zacht non-thinking verzoek. De hard uitgeschakelde instelling kan niet worden teruggedraaid door /think aan de tekst toe te voegen. Kies de modus voor het probleem: een directe herschrijving kan een andere antwoordstijl gebruiken dan een wiskundige uitleg met meerdere stappen.
Het officiële generatievoorbeeld scheidt thinking-inhoud van het eindantwoord. Geef om dat eindantwoord bruikbaar te maken de uitgangspunten of het bronmateriaal en definieer de structuur vóór generatie. Qwen beveelt voor wiskunde een omkaderd eindresultaat aan en voor meerkeuzevragen een expliciet antwoordveld. Een onderwijsopdracht kan op dezelfde manier vragen om het resultaat, de kernuitleg en één uitgewerkt voorbeeld. Bij gesprekken met meerdere beurten beveelt de producent aan het eindantwoord in de geschiedenis te houden en eerdere thinking-inhoud weg te laten, zodat volgende vragen voortbouwen op het geleverde resultaat.
Qwen beschrijft agent- en toolaanroepmogelijkheden in zowel thinking als non-thinking. De aanbevolen Qwen-Agent-integratie geeft templates en parsers voor gedefinieerde tools, met informatieophaling en een code-interpreter in het voorbeeld. Een toepassing kan benoemde tools, toegestane argumenten en een stopvoorwaarde aan het model geven. Bereid voor codeonderzoek het bronfragment en de foutdetails voor, vraag om benodigde controles te vinden en geef vervolgens het daadwerkelijke toolresultaat terug voor interpretatie. Het eindantwoord kan een diagnose, een voorgestelde wijziging en resterende vragen zijn die bij het aangeleverde bewijs horen.
De producent valideert een uitbreiding tot 131.072 tokens met YaRN, los van het native venster. Hij waarschuwt dat statische schaling het gedrag bij korte invoer kan beïnvloeden en beveelt configuratie ervan aan wanneer langere context nodig is. De kaart verklaart ook een standaardtoewijzing van 40.960 posities voor typische prompt- en uitvoerlengten. Organiseer lange invoer in benoemde secties en reserveer ruimte voor redeneren en het eindresultaat in plaats van alle posities met achtergrondmateriaal te vullen. De uitgebreide instelling hangt af van de voorgeschreven configuratie.
Qwen beveelt temperature 0,6 en top-p 0,95 voor thinking aan en 0,7 en 0,8 voor non-thinking, met top-k 20 en min-p 0 in beide gevallen. Het waarschuwt tegen greedy decoding in thinking-modus vanwege mogelijke verslechtering en herhaling. De aanbevolen uitvoerruimte is 32.768 tokens voor de meeste vragen, met 38.912 voor bijzonder complexe wiskunde- en programmeertaken. Deze aanbevelingen sturen generatie; ze definiëren geen zelfstandige vaste antwoordlimiet. Expliciete taal- en opmaakinstructies zijn vooral nuttig wanneer een resultaat binnen een meertalig gesprek consistent moet blijven.
", "aboutText": "Qwen3-14B is een dense taalmodel uit de oorspronkelijke Qwen3-release dat thinking en non-thinking gedrag in één model combineert. Qwen positioneert de familie voor logisch redeneren, wiskunde, programmeren, creatief schrijven, rolgebaseerde dialoog en instructies volgen. Het accepteert en retourneert tekst, met meertalige instructie- en vertaalvaardigheden in de 119 talen en dialecten van de familie. Een nuttige gespreksopdracht geeft de taal, het kennisniveau van de lezer en het exacte resultaat aan: een uitleg, herschrijving, uitgewerkt probleem of voorgestelde codewijziging.\n\nHet op instructies getrainde model heeft in totaal 14,8 miljard parameters in 40 lagen. Het is de dense 14B-editie, geen mixture-of-experts-model of een later model met een vergelijkbare familienaam. De native context is 32.768 tokens. Geef voor een documenttaak de relevante passages en hun koppen en vraag daarna om de specifieke vergelijking of uitleg die nodig is. Een opdracht kan bijvoorbeeld twee procesversies geven en om een tabel met gewijzigde voorwaarden vragen, gevolgd door een herziene procedure die de opgegeven uitzonderingen behoudt. Vraag de herziene procedure de bronkoppen te behouden en de gewijzigde voorwaarden te benoemen.\n\nThinking is standaard ingeschakeld in de chattemplate van de producent. De harde instelling enable_thinking=False schakelt de redeneersectie volledig uit. Als thinking ingeschakeld blijft, kunnen /think of /no_think in de prompt of systeeminstructie de gevraagde modus van beurt tot beurt veranderen; de nieuwste instructie geldt. Een ingeschakelde template kan nog steeds een leegTechnisch voorbeeld in het Engels
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.qwen/qwen3-14bQwen3-14B is Qwens dense tekstmodel voor meertalige gesprekken, schrijven, programmeren en stapsgewijs redeneren. Het oorspronkelijke hybride ontwerp wisselt tussen thinking en directe-antwoordenmodi en heeft een native context van 32.768 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen3-14B is een dense taalmodel uit de oorspronkelijke Qwen3-release dat thinking en non-thinking gedrag in één model combineert. Qwen positioneert de familie voor logisch redeneren, wiskunde, programmeren, creatief schrijven, rolgebaseerde dialoog en instructies volgen. Het accepteert en retourneert tekst, met meertalige instructie- en vertaalvaardigheden in de 119 talen en dialecten van de familie. Een nuttige gespreksopdracht geeft de taal, het kennisniveau van de lezer en het exacte resultaat aan: een uitleg, herschrijving, uitgewerkt probleem of voorgestelde codewijziging.
Het op instructies getrainde model heeft in totaal 14,8 miljard parameters in 40 lagen. Het is de dense 14B-editie, geen mixture-of-experts-model of een later model met een vergelijkbare familienaam. De native context is 32.768 tokens. Geef voor een documenttaak de relevante passages en hun koppen en vraag daarna om de specifieke vergelijking of uitleg die nodig is. Een opdracht kan bijvoorbeeld twee procesversies geven en om een tabel met gewijzigde voorwaarden vragen, gevolgd door een herziene procedure die de opgegeven uitzonderingen behoudt. Vraag de herziene procedure de bronkoppen te behouden en de gewijzigde voorwaarden te benoemen.
Thinking is standaard ingeschakeld in de chattemplate van de producent. De harde instelling enable_thinking=False schakelt de redeneersectie volledig uit. Als thinking ingeschakeld blijft, kunnen /think of /no_think in de prompt of systeeminstructie de gevraagde modus van beurt tot beurt veranderen; de nieuwste instructie geldt. Een ingeschakelde template kan nog steeds een leeg <think>-blok teruggeven bij een zacht non-thinking verzoek. De hard uitgeschakelde instelling kan niet worden teruggedraaid door /think aan de tekst toe te voegen. Kies de modus voor het probleem: een directe herschrijving kan een andere antwoordstijl gebruiken dan een wiskundige uitleg met meerdere stappen.
Het officiële generatievoorbeeld scheidt thinking-inhoud van het eindantwoord. Geef om dat eindantwoord bruikbaar te maken de uitgangspunten of het bronmateriaal en definieer de structuur vóór generatie. Qwen beveelt voor wiskunde een omkaderd eindresultaat aan en voor meerkeuzevragen een expliciet antwoordveld. Een onderwijsopdracht kan op dezelfde manier vragen om het resultaat, de kernuitleg en één uitgewerkt voorbeeld. Bij gesprekken met meerdere beurten beveelt de producent aan het eindantwoord in de geschiedenis te houden en eerdere thinking-inhoud weg te laten, zodat volgende vragen voortbouwen op het geleverde resultaat.
Qwen beschrijft agent- en toolaanroepmogelijkheden in zowel thinking als non-thinking. De aanbevolen Qwen-Agent-integratie geeft templates en parsers voor gedefinieerde tools, met informatieophaling en een code-interpreter in het voorbeeld. Een toepassing kan benoemde tools, toegestane argumenten en een stopvoorwaarde aan het model geven. Bereid voor codeonderzoek het bronfragment en de foutdetails voor, vraag om benodigde controles te vinden en geef vervolgens het daadwerkelijke toolresultaat terug voor interpretatie. Het eindantwoord kan een diagnose, een voorgestelde wijziging en resterende vragen zijn die bij het aangeleverde bewijs horen.
De producent valideert een uitbreiding tot 131.072 tokens met YaRN, los van het native venster. Hij waarschuwt dat statische schaling het gedrag bij korte invoer kan beïnvloeden en beveelt configuratie ervan aan wanneer langere context nodig is. De kaart verklaart ook een standaardtoewijzing van 40.960 posities voor typische prompt- en uitvoerlengten. Organiseer lange invoer in benoemde secties en reserveer ruimte voor redeneren en het eindresultaat in plaats van alle posities met achtergrondmateriaal te vullen. De uitgebreide instelling hangt af van de voorgeschreven configuratie.
Qwen beveelt temperature 0,6 en top-p 0,95 voor thinking aan en 0,7 en 0,8 voor non-thinking, met top-k 20 en min-p 0 in beide gevallen. Het waarschuwt tegen greedy decoding in thinking-modus vanwege mogelijke verslechtering en herhaling. De aanbevolen uitvoerruimte is 32.768 tokens voor de meeste vragen, met 38.912 voor bijzonder complexe wiskunde- en programmeertaken. Deze aanbevelingen sturen generatie; ze definiëren geen zelfstandige vaste antwoordlimiet. Expliciete taal- en opmaakinstructies zijn vooral nuttig wanneer een resultaat binnen een meertalig gesprek consistent moet blijven.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-14b | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.00058 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.00058 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-14b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-14b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-14b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen/qwen3-14b
Gebruik de hierboven getoonde methodepaden.
qwen/qwen3-14bQwen3-14B is Qwens dense tekstmodel voor meertalige gesprekken, schrijven, programmeren en stapsgewijs redeneren. Het oorspronkelijke hybride ontwerp wisselt tussen thinking en directe-antwoordenmodi en heeft een native context van 32.768 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen3-14B is een dense taalmodel uit de oorspronkelijke Qwen3-release dat thinking en non-thinking gedrag in één model combineert. Qwen positioneert de familie voor logisch redeneren, wiskunde, programmeren, creatief schrijven, rolgebaseerde dialoog en instructies volgen. Het accepteert en retourneert tekst, met meertalige instructie- en vertaalvaardigheden in de 119 talen en dialecten van de familie. Een nuttige gespreksopdracht geeft de taal, het kennisniveau van de lezer en het exacte resultaat aan: een uitleg, herschrijving, uitgewerkt probleem of voorgestelde codewijziging.
Het op instructies getrainde model heeft in totaal 14,8 miljard parameters in 40 lagen. Het is de dense 14B-editie, geen mixture-of-experts-model of een later model met een vergelijkbare familienaam. De native context is 32.768 tokens. Geef voor een documenttaak de relevante passages en hun koppen en vraag daarna om de specifieke vergelijking of uitleg die nodig is. Een opdracht kan bijvoorbeeld twee procesversies geven en om een tabel met gewijzigde voorwaarden vragen, gevolgd door een herziene procedure die de opgegeven uitzonderingen behoudt. Vraag de herziene procedure de bronkoppen te behouden en de gewijzigde voorwaarden te benoemen.
Thinking is standaard ingeschakeld in de chattemplate van de producent. De harde instelling enable_thinking=False schakelt de redeneersectie volledig uit. Als thinking ingeschakeld blijft, kunnen /think of /no_think in de prompt of systeeminstructie de gevraagde modus van beurt tot beurt veranderen; de nieuwste instructie geldt. Een ingeschakelde template kan nog steeds een leeg <think>-blok teruggeven bij een zacht non-thinking verzoek. De hard uitgeschakelde instelling kan niet worden teruggedraaid door /think aan de tekst toe te voegen. Kies de modus voor het probleem: een directe herschrijving kan een andere antwoordstijl gebruiken dan een wiskundige uitleg met meerdere stappen.
Het officiële generatievoorbeeld scheidt thinking-inhoud van het eindantwoord. Geef om dat eindantwoord bruikbaar te maken de uitgangspunten of het bronmateriaal en definieer de structuur vóór generatie. Qwen beveelt voor wiskunde een omkaderd eindresultaat aan en voor meerkeuzevragen een expliciet antwoordveld. Een onderwijsopdracht kan op dezelfde manier vragen om het resultaat, de kernuitleg en één uitgewerkt voorbeeld. Bij gesprekken met meerdere beurten beveelt de producent aan het eindantwoord in de geschiedenis te houden en eerdere thinking-inhoud weg te laten, zodat volgende vragen voortbouwen op het geleverde resultaat.
Qwen beschrijft agent- en toolaanroepmogelijkheden in zowel thinking als non-thinking. De aanbevolen Qwen-Agent-integratie geeft templates en parsers voor gedefinieerde tools, met informatieophaling en een code-interpreter in het voorbeeld. Een toepassing kan benoemde tools, toegestane argumenten en een stopvoorwaarde aan het model geven. Bereid voor codeonderzoek het bronfragment en de foutdetails voor, vraag om benodigde controles te vinden en geef vervolgens het daadwerkelijke toolresultaat terug voor interpretatie. Het eindantwoord kan een diagnose, een voorgestelde wijziging en resterende vragen zijn die bij het aangeleverde bewijs horen.
De producent valideert een uitbreiding tot 131.072 tokens met YaRN, los van het native venster. Hij waarschuwt dat statische schaling het gedrag bij korte invoer kan beïnvloeden en beveelt configuratie ervan aan wanneer langere context nodig is. De kaart verklaart ook een standaardtoewijzing van 40.960 posities voor typische prompt- en uitvoerlengten. Organiseer lange invoer in benoemde secties en reserveer ruimte voor redeneren en het eindresultaat in plaats van alle posities met achtergrondmateriaal te vullen. De uitgebreide instelling hangt af van de voorgeschreven configuratie.
Qwen beveelt temperature 0,6 en top-p 0,95 voor thinking aan en 0,7 en 0,8 voor non-thinking, met top-k 20 en min-p 0 in beide gevallen. Het waarschuwt tegen greedy decoding in thinking-modus vanwege mogelijke verslechtering en herhaling. De aanbevolen uitvoerruimte is 32.768 tokens voor de meeste vragen, met 38.912 voor bijzonder complexe wiskunde- en programmeertaken. Deze aanbevelingen sturen generatie; ze definiëren geen zelfstandige vaste antwoordlimiet. Expliciete taal- en opmaakinstructies zijn vooral nuttig wanneer een resultaat binnen een meertalig gesprek consistent moet blijven.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-14b | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.00058 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.00058 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen/qwen3-14b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-14b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-14b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen/qwen3-14b
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.