Qwen3-235B-A22B-Thinking-2507 ontwikkelt de redeneertak van Qwen3 voor complexe logische, wiskundige, wetenschappelijke en programmeertaken. Qwen noemt ook instructies volgen, toolgebruik, tekstgeneratie en lange-contextbegrip als verbeterde gebieden in deze editie. Het accepteert tekstgesprekken en genereert tekst. Een bruikbare opdracht geeft het volledige probleem, relevant bewijs, beperkingen en de exacte eindresultaatvorm: een bewijs, implementatieplan, gecorrigeerd programma of beslissing ondersteund door aangeleverde documenten.
Het model gebruikt een mixture-of-experts-architectuur met 235 miljard parameters in totaal en 22 miljard geactiveerd per token. De native context is 262.144 tokens. Die ruimte helpt verschillende gerelateerde specificaties, bronbestanden of onderzoeksfragmenten in één gesprek samen te brengen, met ruimte voor redeneren en het eindantwoord. Label documenten en codeblokken, geef aan welke bronnen voorrang hebben en wijs de belangrijke secties aan. Een softwareanalyse kan bijvoorbeeld foutief gedrag, verwacht gedrag, relevante functies en beperkingen aanleveren en vragen om een correctievoorstel met de aannames apart vermeld.
Dit is een thinking-only editie. Het schakelt niet naar de non-thinking modus van het oorspronkelijke Qwen3-model. De officiële chattemplate begint de redeneersectie automatisch, zodat uitvoer een afsluitend </think>-teken kan bevatten zonder een openingsteken in de gegenereerde tekst. Het voorbeeld van de producent scheidt die redeneersectie van het eindantwoord. Qwen beveelt bij een wiskundige taak aan om stapsgewijs redeneren en een eindantwoord in \\boxed{} te vragen. Bij meerkeuzevragen stelt het een antwoordveld met alleen de geselecteerde letter voor. Deze instructies helpen het resultaat te lezen of te verwerken nadat het redeneren is afgerond.
Qwens generatieadvies beveelt temperature 0,6, top-p 0,95, top-k 20 en min-p 0 aan. Het beveelt uitvoerruimte van 32.768 tokens voor de meeste vragen aan en beschrijft 81.920 tokens voor uitzonderlijk veeleisende wiskunde- en programmeerproblemen. Dit zijn aanbevelingen voor generatie, geen afzonderlijk gegarandeerde antwoordlimiet. Langer redeneren heeft ruimte vóór het eindantwoord nodig: te weinig ruimte kan het antwoord beëindigen vóór de gevraagde conclusie. Bij volgende beurten houdt de officiële richtlijn het eindantwoord in de geschiedenis en laat eerdere thinking-inhoud weg.
Voor agentwerk beveelt Qwen Qwen-Agent aan, dat toolaanroeptemplates en parsing levert. De voorbeelden combineren gedefinieerde tools, zoals informatieophaling en een code-interpreter, met het modelgesprek. Bereid toolbeschrijvingen, de stopvoorwaarde van de taak en het vereiste resultaat voor voordat je om een toolplan vraagt. Een praktische onderzoeksopdracht kan vragen om opgegeven bewijs te verzamelen, concurrerende verklaringen te vergelijken en een conclusie terug te geven met het bewijs per bron geordend. Toolaanroepen beschrijven werk dat een toepassing moet uitvoeren; de tekst van het model alleen is niet de externe actie of het resultaat daarvan.
De officiële kaart beschrijft ook een optionele contextuitbreiding tot ongeveer één miljoen tokens met een afzonderlijke configuratie, Dual Chunk Attention en sparse attention. Dit staat los van het native venster van 262.144 tokens en hangt van de voorgeschreven implementatie en aanzienlijke geheugenmiddelen af. De producent waarschuwt dat context- en geheugenbeperkingen kortere sequenties kunnen vereisen. Organiseer bij gewoon werk met lange documenten de invoer rond de daadwerkelijke vraag, behoud documentgrenzen en vraag om een beknopte eindsynthese met onopgelost bewijs aangegeven. Zo blijft het bruikbare resultaat los van het mogelijk lange redeneerproces.
", "aboutText": "Qwen3-235B-A22B-Thinking-2507 ontwikkelt de redeneertak van Qwen3 voor complexe logische, wiskundige, wetenschappelijke en programmeertaken. Qwen noemt ook instructies volgen, toolgebruik, tekstgeneratie en lange-contextbegrip als verbeterde gebieden in deze editie. Het accepteert tekstgesprekken en genereert tekst. Een bruikbare opdracht geeft het volledige probleem, relevant bewijs, beperkingen en de exacte eindresultaatvorm: een bewijs, implementatieplan, gecorrigeerd programma of beslissing ondersteund door aangeleverde documenten.\n\nHet model gebruikt een mixture-of-experts-architectuur met 235 miljard parameters in totaal en 22 miljard geactiveerd per token. De native context is 262.144 tokens. Die ruimte helpt verschillende gerelateerde specificaties, bronbestanden of onderzoeksfragmenten in één gesprek samen te brengen, met ruimte voor redeneren en het eindantwoord. Label documenten en codeblokken, geef aan welke bronnen voorrang hebben en wijs de belangrijke secties aan. Een softwareanalyse kan bijvoorbeeld foutief gedrag, verwacht gedrag, relevante functies en beperkingen aanleveren en vragen om een correctievoorstel met de aannames apart vermeld.\n\nDit is een thinking-only editie. Het schakelt niet naar de non-thinking modus van het oorspronkelijke Qwen3-model. De officiële chattemplate begint de redeneersectie automatisch, zodat uitvoer een afsluitend -teken kan bevatten zonder een openingsteken in de gegenereerde tekst. Het voorbeeld van de producent scheidt die redeneersectie van het eindantwoord. Qwen beveelt bij een wiskundige taak aan om stapsgewijs redeneren en een eindantwoord in \\boxed{} te vragen. Bij meerkeuzevragen stelt het een antwoordveld met alleen de geselecteerde letter voor. Deze instructies helpen het resultaat te lezen of te verwerken nadat het redeneren is afgerond.\n\nQwens generatieadvies beveelt temperature 0,6, top-p 0,95, top-k 20 en min-p 0 aan. Het beveelt uitvoerruimte van 32.768 tokens voor de meeste vragen aan en beschrijft 81.920 tokens voor uitzonderlijk veeleisende wiskunde- en programmeerproblemen. Dit zijn aanbevelingen voor generatie, geen afzonderlijk gegarandeerde antwoordlimiet. Langer redeneren heeft ruimte vóór het eindantwoord nodig: te weinig ruimte kan het antwoord beëindigen vóór de gevraagde conclusie. Bij volgende beurten houdt de officiële richtlijn het eindantwoord in de geschiedenis en laat eerdere thinking-inhoud weg.\n\nVoor agentwerk beveelt Qwen Qwen-Agent aan, dat toolaanroeptemplates en parsing levert. De voorbeelden combineren gedefinieerde tools, zoals informatieophaling en een code-interpreter, met het modelgesprek. Bereid toolbeschrijvingen, de stopvoorwaarde van de taak en het vereiste resultaat voor voordat je om een toolplan vraagt. Een praktische onderzoeksopdracht kan vragen om opgegeven bewijs te verzamelen, concurrerende verklaringen te vergelijken en een conclusie terug te geven met het bewijs per bron geordend. Toolaanroepen beschrijven werk dat een toepassing moet uitvoeren; de tekst van het model alleen is niet de externe actie of het resultaat daarvan.\n\nDe officiële kaart beschrijft ook een optionele contextuitbreiding tot ongeveer één miljoen tokens met een afzonderlijke configuratie, Dual Chunk Attention en sparse attention. Dit staat los van het native venster van 262.144 tokens en hangt van de voorgeschreven implementatie en aanzienlijke geheugenmiddelen af. De producent waarschuwt dat context- en geheugenbeperkingen kortere sequenties kunnen vereisen. Organiseer bij gewoon werk met lange documenten de invoer rond de daadwerkelijke vraag, behoud documentgrenzen en vraag om een beknopte eindsynthese met onopgelost bewijs aangegeven. Zo blijft het bruikbare resultaat los van het mogelijk lange redeneerproces.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507 is Qwens tekstmodel met uitsluitend reasoning voor veeleisende wiskunde, wetenschap, programmeren en analyse van lange documenten. De native context van 262.144 tokens en uitgebreid redeneren maken het geschikt voor problemen met meerdere samenhangende stappen.
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-Thinking-2507 ontwikkelt de redeneertak van Qwen3 voor complexe logische, wiskundige, wetenschappelijke en programmeertaken. Qwen noemt ook instructies volgen, toolgebruik, tekstgeneratie en lange-contextbegrip als verbeterde gebieden in deze editie. Het accepteert tekstgesprekken en genereert tekst. Een bruikbare opdracht geeft het volledige probleem, relevant bewijs, beperkingen en de exacte eindresultaatvorm: een bewijs, implementatieplan, gecorrigeerd programma of beslissing ondersteund door aangeleverde documenten.
Het model gebruikt een mixture-of-experts-architectuur met 235 miljard parameters in totaal en 22 miljard geactiveerd per token. De native context is 262.144 tokens. Die ruimte helpt verschillende gerelateerde specificaties, bronbestanden of onderzoeksfragmenten in één gesprek samen te brengen, met ruimte voor redeneren en het eindantwoord. Label documenten en codeblokken, geef aan welke bronnen voorrang hebben en wijs de belangrijke secties aan. Een softwareanalyse kan bijvoorbeeld foutief gedrag, verwacht gedrag, relevante functies en beperkingen aanleveren en vragen om een correctievoorstel met de aannames apart vermeld.
Dit is een thinking-only editie. Het schakelt niet naar de non-thinking modus van het oorspronkelijke Qwen3-model. De officiële chattemplate begint de redeneersectie automatisch, zodat uitvoer een afsluitend </think>-teken kan bevatten zonder een openingsteken in de gegenereerde tekst. Het voorbeeld van de producent scheidt die redeneersectie van het eindantwoord. Qwen beveelt bij een wiskundige taak aan om stapsgewijs redeneren en een eindantwoord in \\boxed{} te vragen. Bij meerkeuzevragen stelt het een antwoordveld met alleen de geselecteerde letter voor. Deze instructies helpen het resultaat te lezen of te verwerken nadat het redeneren is afgerond.
Qwens generatieadvies beveelt temperature 0,6, top-p 0,95, top-k 20 en min-p 0 aan. Het beveelt uitvoerruimte van 32.768 tokens voor de meeste vragen aan en beschrijft 81.920 tokens voor uitzonderlijk veeleisende wiskunde- en programmeerproblemen. Dit zijn aanbevelingen voor generatie, geen afzonderlijk gegarandeerde antwoordlimiet. Langer redeneren heeft ruimte vóór het eindantwoord nodig: te weinig ruimte kan het antwoord beëindigen vóór de gevraagde conclusie. Bij volgende beurten houdt de officiële richtlijn het eindantwoord in de geschiedenis en laat eerdere thinking-inhoud weg.
Voor agentwerk beveelt Qwen Qwen-Agent aan, dat toolaanroeptemplates en parsing levert. De voorbeelden combineren gedefinieerde tools, zoals informatieophaling en een code-interpreter, met het modelgesprek. Bereid toolbeschrijvingen, de stopvoorwaarde van de taak en het vereiste resultaat voor voordat je om een toolplan vraagt. Een praktische onderzoeksopdracht kan vragen om opgegeven bewijs te verzamelen, concurrerende verklaringen te vergelijken en een conclusie terug te geven met het bewijs per bron geordend. Toolaanroepen beschrijven werk dat een toepassing moet uitvoeren; de tekst van het model alleen is niet de externe actie of het resultaat daarvan.
De officiële kaart beschrijft ook een optionele contextuitbreiding tot ongeveer één miljoen tokens met een afzonderlijke configuratie, Dual Chunk Attention en sparse attention. Dit staat los van het native venster van 262.144 tokens en hangt van de voorgeschreven implementatie en aanzienlijke geheugenmiddelen af. De producent waarschuwt dat context- en geheugenbeperkingen kortere sequenties kunnen vereisen. Organiseer bij gewoon werk met lange documenten de invoer rond de daadwerkelijke vraag, behoud documentgrenzen en vraag om een beknopte eindsynthese met onopgelost bewijs aangegeven. Zo blijft het bruikbare resultaat los van het mogelijk lange redeneerproces.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-235b-a22b-thinking-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 $0.0009 / 1K tokens Uitvoer · Uitvoertokens $0.007 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 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 $0.0009 / 1K tokens Uitvoer · Uitvoertokens $0.007 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-235b-a22b-thinking-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-thinking-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-thinking-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-thinking-2507
Gebruik de hierboven getoonde methodepaden.
qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507 is Qwens tekstmodel met uitsluitend reasoning voor veeleisende wiskunde, wetenschap, programmeren en analyse van lange documenten. De native context van 262.144 tokens en uitgebreid redeneren maken het geschikt voor problemen met meerdere samenhangende stappen.
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-Thinking-2507 ontwikkelt de redeneertak van Qwen3 voor complexe logische, wiskundige, wetenschappelijke en programmeertaken. Qwen noemt ook instructies volgen, toolgebruik, tekstgeneratie en lange-contextbegrip als verbeterde gebieden in deze editie. Het accepteert tekstgesprekken en genereert tekst. Een bruikbare opdracht geeft het volledige probleem, relevant bewijs, beperkingen en de exacte eindresultaatvorm: een bewijs, implementatieplan, gecorrigeerd programma of beslissing ondersteund door aangeleverde documenten.
Het model gebruikt een mixture-of-experts-architectuur met 235 miljard parameters in totaal en 22 miljard geactiveerd per token. De native context is 262.144 tokens. Die ruimte helpt verschillende gerelateerde specificaties, bronbestanden of onderzoeksfragmenten in één gesprek samen te brengen, met ruimte voor redeneren en het eindantwoord. Label documenten en codeblokken, geef aan welke bronnen voorrang hebben en wijs de belangrijke secties aan. Een softwareanalyse kan bijvoorbeeld foutief gedrag, verwacht gedrag, relevante functies en beperkingen aanleveren en vragen om een correctievoorstel met de aannames apart vermeld.
Dit is een thinking-only editie. Het schakelt niet naar de non-thinking modus van het oorspronkelijke Qwen3-model. De officiële chattemplate begint de redeneersectie automatisch, zodat uitvoer een afsluitend </think>-teken kan bevatten zonder een openingsteken in de gegenereerde tekst. Het voorbeeld van de producent scheidt die redeneersectie van het eindantwoord. Qwen beveelt bij een wiskundige taak aan om stapsgewijs redeneren en een eindantwoord in \\boxed{} te vragen. Bij meerkeuzevragen stelt het een antwoordveld met alleen de geselecteerde letter voor. Deze instructies helpen het resultaat te lezen of te verwerken nadat het redeneren is afgerond.
Qwens generatieadvies beveelt temperature 0,6, top-p 0,95, top-k 20 en min-p 0 aan. Het beveelt uitvoerruimte van 32.768 tokens voor de meeste vragen aan en beschrijft 81.920 tokens voor uitzonderlijk veeleisende wiskunde- en programmeerproblemen. Dit zijn aanbevelingen voor generatie, geen afzonderlijk gegarandeerde antwoordlimiet. Langer redeneren heeft ruimte vóór het eindantwoord nodig: te weinig ruimte kan het antwoord beëindigen vóór de gevraagde conclusie. Bij volgende beurten houdt de officiële richtlijn het eindantwoord in de geschiedenis en laat eerdere thinking-inhoud weg.
Voor agentwerk beveelt Qwen Qwen-Agent aan, dat toolaanroeptemplates en parsing levert. De voorbeelden combineren gedefinieerde tools, zoals informatieophaling en een code-interpreter, met het modelgesprek. Bereid toolbeschrijvingen, de stopvoorwaarde van de taak en het vereiste resultaat voor voordat je om een toolplan vraagt. Een praktische onderzoeksopdracht kan vragen om opgegeven bewijs te verzamelen, concurrerende verklaringen te vergelijken en een conclusie terug te geven met het bewijs per bron geordend. Toolaanroepen beschrijven werk dat een toepassing moet uitvoeren; de tekst van het model alleen is niet de externe actie of het resultaat daarvan.
De officiële kaart beschrijft ook een optionele contextuitbreiding tot ongeveer één miljoen tokens met een afzonderlijke configuratie, Dual Chunk Attention en sparse attention. Dit staat los van het native venster van 262.144 tokens en hangt van de voorgeschreven implementatie en aanzienlijke geheugenmiddelen af. De producent waarschuwt dat context- en geheugenbeperkingen kortere sequenties kunnen vereisen. Organiseer bij gewoon werk met lange documenten de invoer rond de daadwerkelijke vraag, behoud documentgrenzen en vraag om een beknopte eindsynthese met onopgelost bewijs aangegeven. Zo blijft het bruikbare resultaat los van het mogelijk lange redeneerproces.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen/qwen3-235b-a22b-thinking-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 $0.0009 / 1K tokens Uitvoer · Uitvoertokens $0.007 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 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 $0.0009 / 1K tokens Uitvoer · Uitvoertokens $0.007 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen/qwen3-235b-a22b-thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-thinking-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-thinking-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-thinking-2507
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.