Qwen3-235B-A22B-Instruct-2507 is de bijgewerkte instructievolgende, non-thinking editie van Qwen3s grote mixture-of-experts-model. Qwen benadrukt verbeteringen in tekstbegrip, logisch redeneren, wiskunde, wetenschap, programmeren en toolgebruik, naast bredere meertalige kennis en beter omgaan met vrij schrijven. De invoer en uitvoer zijn tekst. Het is nuttig om een duidelijke opdracht en aangeleverd materiaal om te zetten in een antwoord, analyse, programma of verzorgde tekst zonder een afzonderlijk gegenereerde thinking-sectie.
Het model heeft in totaal 235 miljard parameters en activeert 22 miljard per token. De native context is 262.144 tokens. Een praktisch verzoek met lange invoer kan een productspecificatie, implementatienotities en een lijst openstaande vragen combineren en om een gestructureerde vergelijking of bewerkte specificatie vragen. Behoud bronkoppen en geef het bedoelde publiek, te wijzigen secties en voorwaarden voor de uitvoer aan. Voeg bij een schrijfopdracht toon, lengte en vereiste feiten toe; bij een codetaak de interfaces, het verwachte gedrag en de omliggende code.
Deze editie ondersteunt alleen non-thinking en produceert geen <think>-blokken. De enable_thinking=False-schakelaar van het oorspronkelijke hybride model is niet nodig en vragen om de modus van het latere Thinking-2507-model verandert de editie niet. Directe uitvoer kan op verzoek nog steeds een uitleg, berekening of beredeneerd antwoord bevatten. Qwens voorbeelden standaardiseren een wiskundig antwoord met \\boxed{} en een meerkeuzeantwoord met een opgegeven antwoordveld. Vergelijkbare expliciete instructies kunnen om een korte onderbouwing met een eindaanbeveling vragen, of gedefinieerde JSON-velden waarvan de betekenis in de prompt staat.
Voor agentwerkstromen beveelt de officiële kaart Qwen-Agent aan, met toolaanroeptemplates en parsers. Tools kunnen afzonderlijk of via een gestructureerde toolconfiguratie worden gedefinieerd en de producent toont informatieophaling en een code-interpreter. Beschrijf bij de voorbereiding het doel en de argumenten van elke tool, lever reeds beschikbaar materiaal aan en geef het gewenste stoppunt aan. Een documentatieassistent kan bijvoorbeeld vragen krijgen om benoemde secties op te halen, verschillen te verzoenen en een bijgewerkte uitleg terug te geven. De omringende toepassing voert gevraagde tools uit en geeft de resultaten terug aan het gesprek.
De producent beveelt temperature 0,7, top-p 0,8, top-k 20 en min-p 0 aan, met uitvoerruimte van 16.384 tokens voor de meeste vragen. Dit is generatieadvies, geen uitspraak dat elk antwoord een vaste maximumlengte kan bereiken. De kaart merkt ook op dat een presence penalty herhaling kan verminderen, terwijl hogere waarden taalvermenging kunnen veroorzaken en de kwaliteit enigszins kunnen verlagen. Een gerichte opdracht en expliciete uitvoerstructuur zijn nuttig voordat je die instellingen wijzigt: vraag om de exacte secties, velden of voorbeelden en reserveer voldoende ruimte.
Qwen documenteert een optionele uitbreiding tot 1.010.000 tokens met een afzonderlijke configuratie die Dual Chunk Attention en sparse attention gebruikt. Het native venster blijft 262.144 tokens; de grotere instelling hangt af van de voorgeschreven implementatie en geheugenmiddelen. De kaart vermeldt expliciet dat geheugenbeperkingen een kortere geconfigureerde context kunnen vereisen. Selecteer bij uitgebreid materiaal de relevante bronnen, geef hun prioriteit aan en vraag het model conclusies die door de aangeleverde tekst worden ondersteund te scheiden van open vragen. Zo wordt een lange-contextresultaat bruikbaar zonder invoercapaciteit als vervanging voor een precieze taak te behandelen.
", "aboutText": "Qwen3-235B-A22B-Instruct-2507 is de bijgewerkte instructievolgende, non-thinking editie van Qwen3s grote mixture-of-experts-model. Qwen benadrukt verbeteringen in tekstbegrip, logisch redeneren, wiskunde, wetenschap, programmeren en toolgebruik, naast bredere meertalige kennis en beter omgaan met vrij schrijven. De invoer en uitvoer zijn tekst. Het is nuttig om een duidelijke opdracht en aangeleverd materiaal om te zetten in een antwoord, analyse, programma of verzorgde tekst zonder een afzonderlijk gegenereerde thinking-sectie.\n\nHet model heeft in totaal 235 miljard parameters en activeert 22 miljard per token. De native context is 262.144 tokens. Een praktisch verzoek met lange invoer kan een productspecificatie, implementatienotities en een lijst openstaande vragen combineren en om een gestructureerde vergelijking of bewerkte specificatie vragen. Behoud bronkoppen en geef het bedoelde publiek, te wijzigen secties en voorwaarden voor de uitvoer aan. Voeg bij een schrijfopdracht toon, lengte en vereiste feiten toe; bij een codetaak de interfaces, het verwachte gedrag en de omliggende code.\n\nDeze editie ondersteunt alleen non-thinking en produceert geenTechnisch voorbeeld in het Engels
Update a specification from notes\n\nProduce an updated export specification from these sources. [SPEC] Export all visible rows with headers. [IMPLEMENTATION] Current code exports selected rows only. [DECISION] Users must choose either selected rows or all filtered rows; headers are always included. Decision takes priority. Return the revised requirement, the implementation gap and questions still needed for an empty selection.A revised specification section, a source-labeled gap note and an empty-selection question.Check the two export choices remain distinct and headers stay mandatory.qwen/qwen3-235b-a22b-2507Qwen3-235B-A22B-Instruct-2507 is Qwens non-thinking tekstmodel voor meertalig schrijven, programmeren, instructies volgen en documentanalyse. Het genereert directe antwoorden zonder thinking-blokken en heeft een native context van 262.144 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen3-235B-A22B-Instruct-2507 is de bijgewerkte instructievolgende, non-thinking editie van Qwen3s grote mixture-of-experts-model. Qwen benadrukt verbeteringen in tekstbegrip, logisch redeneren, wiskunde, wetenschap, programmeren en toolgebruik, naast bredere meertalige kennis en beter omgaan met vrij schrijven. De invoer en uitvoer zijn tekst. Het is nuttig om een duidelijke opdracht en aangeleverd materiaal om te zetten in een antwoord, analyse, programma of verzorgde tekst zonder een afzonderlijk gegenereerde thinking-sectie.
Het model heeft in totaal 235 miljard parameters en activeert 22 miljard per token. De native context is 262.144 tokens. Een praktisch verzoek met lange invoer kan een productspecificatie, implementatienotities en een lijst openstaande vragen combineren en om een gestructureerde vergelijking of bewerkte specificatie vragen. Behoud bronkoppen en geef het bedoelde publiek, te wijzigen secties en voorwaarden voor de uitvoer aan. Voeg bij een schrijfopdracht toon, lengte en vereiste feiten toe; bij een codetaak de interfaces, het verwachte gedrag en de omliggende code.
Deze editie ondersteunt alleen non-thinking en produceert geen <think>-blokken. De enable_thinking=False-schakelaar van het oorspronkelijke hybride model is niet nodig en vragen om de modus van het latere Thinking-2507-model verandert de editie niet. Directe uitvoer kan op verzoek nog steeds een uitleg, berekening of beredeneerd antwoord bevatten. Qwens voorbeelden standaardiseren een wiskundig antwoord met \\boxed{} en een meerkeuzeantwoord met een opgegeven antwoordveld. Vergelijkbare expliciete instructies kunnen om een korte onderbouwing met een eindaanbeveling vragen, of gedefinieerde JSON-velden waarvan de betekenis in de prompt staat.
Voor agentwerkstromen beveelt de officiële kaart Qwen-Agent aan, met toolaanroeptemplates en parsers. Tools kunnen afzonderlijk of via een gestructureerde toolconfiguratie worden gedefinieerd en de producent toont informatieophaling en een code-interpreter. Beschrijf bij de voorbereiding het doel en de argumenten van elke tool, lever reeds beschikbaar materiaal aan en geef het gewenste stoppunt aan. Een documentatieassistent kan bijvoorbeeld vragen krijgen om benoemde secties op te halen, verschillen te verzoenen en een bijgewerkte uitleg terug te geven. De omringende toepassing voert gevraagde tools uit en geeft de resultaten terug aan het gesprek.
De producent beveelt temperature 0,7, top-p 0,8, top-k 20 en min-p 0 aan, met uitvoerruimte van 16.384 tokens voor de meeste vragen. Dit is generatieadvies, geen uitspraak dat elk antwoord een vaste maximumlengte kan bereiken. De kaart merkt ook op dat een presence penalty herhaling kan verminderen, terwijl hogere waarden taalvermenging kunnen veroorzaken en de kwaliteit enigszins kunnen verlagen. Een gerichte opdracht en expliciete uitvoerstructuur zijn nuttig voordat je die instellingen wijzigt: vraag om de exacte secties, velden of voorbeelden en reserveer voldoende ruimte.
Qwen documenteert een optionele uitbreiding tot 1.010.000 tokens met een afzonderlijke configuratie die Dual Chunk Attention en sparse attention gebruikt. Het native venster blijft 262.144 tokens; de grotere instelling hangt af van de voorgeschreven implementatie en geheugenmiddelen. De kaart vermeldt expliciet dat geheugenbeperkingen een kortere geconfigureerde context kunnen vereisen. Selecteer bij uitgebreid materiaal de relevante bronnen, geef hun prioriteit aan en vraag het model conclusies die door de aangeleverde tekst worden ondersteund te scheiden van open vragen. Zo wordt een lange-contextresultaat bruikbaar zonder invoercapaciteit als vervanging voor een precieze taak te behandelen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-235b-a22b-2507 | 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 $0.000572 / 1K tokens Uitvoer · Uitvoertokens $0.00228 / 1K tokens Invoer · Cache lezen $0.0001 / 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 $0.000572 / 1K tokens Uitvoer · Uitvoertokens $0.00228 / 1K tokens Invoer · Cache lezen $0.0001 / 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/qwen3-235b-a22b-2507", "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/qwen3-235b-a22b-2507',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/qwen3-235b-a22b-2507',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/qwen3-235b-a22b-2507
Gebruik de hierboven getoonde methodepaden.
qwen/qwen3-235b-a22b-2507Qwen3-235B-A22B-Instruct-2507 is Qwens non-thinking tekstmodel voor meertalig schrijven, programmeren, instructies volgen en documentanalyse. Het genereert directe antwoorden zonder thinking-blokken en heeft een native context van 262.144 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen3-235B-A22B-Instruct-2507 is de bijgewerkte instructievolgende, non-thinking editie van Qwen3s grote mixture-of-experts-model. Qwen benadrukt verbeteringen in tekstbegrip, logisch redeneren, wiskunde, wetenschap, programmeren en toolgebruik, naast bredere meertalige kennis en beter omgaan met vrij schrijven. De invoer en uitvoer zijn tekst. Het is nuttig om een duidelijke opdracht en aangeleverd materiaal om te zetten in een antwoord, analyse, programma of verzorgde tekst zonder een afzonderlijk gegenereerde thinking-sectie.
Het model heeft in totaal 235 miljard parameters en activeert 22 miljard per token. De native context is 262.144 tokens. Een praktisch verzoek met lange invoer kan een productspecificatie, implementatienotities en een lijst openstaande vragen combineren en om een gestructureerde vergelijking of bewerkte specificatie vragen. Behoud bronkoppen en geef het bedoelde publiek, te wijzigen secties en voorwaarden voor de uitvoer aan. Voeg bij een schrijfopdracht toon, lengte en vereiste feiten toe; bij een codetaak de interfaces, het verwachte gedrag en de omliggende code.
Deze editie ondersteunt alleen non-thinking en produceert geen <think>-blokken. De enable_thinking=False-schakelaar van het oorspronkelijke hybride model is niet nodig en vragen om de modus van het latere Thinking-2507-model verandert de editie niet. Directe uitvoer kan op verzoek nog steeds een uitleg, berekening of beredeneerd antwoord bevatten. Qwens voorbeelden standaardiseren een wiskundig antwoord met \\boxed{} en een meerkeuzeantwoord met een opgegeven antwoordveld. Vergelijkbare expliciete instructies kunnen om een korte onderbouwing met een eindaanbeveling vragen, of gedefinieerde JSON-velden waarvan de betekenis in de prompt staat.
Voor agentwerkstromen beveelt de officiële kaart Qwen-Agent aan, met toolaanroeptemplates en parsers. Tools kunnen afzonderlijk of via een gestructureerde toolconfiguratie worden gedefinieerd en de producent toont informatieophaling en een code-interpreter. Beschrijf bij de voorbereiding het doel en de argumenten van elke tool, lever reeds beschikbaar materiaal aan en geef het gewenste stoppunt aan. Een documentatieassistent kan bijvoorbeeld vragen krijgen om benoemde secties op te halen, verschillen te verzoenen en een bijgewerkte uitleg terug te geven. De omringende toepassing voert gevraagde tools uit en geeft de resultaten terug aan het gesprek.
De producent beveelt temperature 0,7, top-p 0,8, top-k 20 en min-p 0 aan, met uitvoerruimte van 16.384 tokens voor de meeste vragen. Dit is generatieadvies, geen uitspraak dat elk antwoord een vaste maximumlengte kan bereiken. De kaart merkt ook op dat een presence penalty herhaling kan verminderen, terwijl hogere waarden taalvermenging kunnen veroorzaken en de kwaliteit enigszins kunnen verlagen. Een gerichte opdracht en expliciete uitvoerstructuur zijn nuttig voordat je die instellingen wijzigt: vraag om de exacte secties, velden of voorbeelden en reserveer voldoende ruimte.
Qwen documenteert een optionele uitbreiding tot 1.010.000 tokens met een afzonderlijke configuratie die Dual Chunk Attention en sparse attention gebruikt. Het native venster blijft 262.144 tokens; de grotere instelling hangt af van de voorgeschreven implementatie en geheugenmiddelen. De kaart vermeldt expliciet dat geheugenbeperkingen een kortere geconfigureerde context kunnen vereisen. Selecteer bij uitgebreid materiaal de relevante bronnen, geef hun prioriteit aan en vraag het model conclusies die door de aangeleverde tekst worden ondersteund te scheiden van open vragen. Zo wordt een lange-contextresultaat bruikbaar zonder invoercapaciteit als vervanging voor een precieze taak te behandelen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-235b-a22b-2507 | 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 $0.000572 / 1K tokens Uitvoer · Uitvoertokens $0.00228 / 1K tokens Invoer · Cache lezen $0.0001 / 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 $0.000572 / 1K tokens Uitvoer · Uitvoertokens $0.00228 / 1K tokens Invoer · Cache lezen $0.0001 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen/qwen3-235b-a22b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-235b-a22b-2507', '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/qwen3-235b-a22b-2507', '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/qwen3-235b-a22b-2507
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Update a specification from notes\n\nProduce an updated export specification from these sources. [SPEC] Export all visible rows with headers. [IMPLEMENTATION] Current code exports selected rows only. [DECISION] Users must choose either selected rows or all filtered rows; headers are always included. Decision takes priority. Return the revised requirement, the implementation gap and questions still needed for an empty selection.A revised specification section, a source-labeled gap note and an empty-selection question.Check the two export choices remain distinct and headers stay mandatory.