Qwen3-32B to największy gęsty model z pierwotnego wydania Qwen3. Łączy tryb myślenia rodziny do złożonej logiki, matematyki i programowania z odpowiedziami bez myślenia do ogólnej rozmowy. Qwen podkreśla także twórcze pisanie, dialogi oparte na rolach, wykonywanie instrukcji w wielu turach i agentowe korzystanie z narzędzi. Model przetwarza tekst i generuje tekst; instrukcje wielojęzyczne i tłumaczenie są częścią obsługi 119 języków i dialektów przez pierwotną rodzinę. Można zlecić mu wyjaśnienie analityczne, propozycję kodu lub starannie określony tekst.
Dokładna edycja ma łącznie 32,8 miliarda parametrów w 64 warstwach. Jest to model gęsty, odrębny od architektury kierowania do ekspertów Qwen3-30B-A3B i od późniejszych osobno nazwanych edycji Qwen3. Jego natywny kontekst wynosi 32 768 tokenów. Przygotuj wymagające zadanie wraz z istotnymi dowodami, wymaganiami i oczekiwanym wynikiem. W przeglądzie inżynierskim podaj opis komponentu, ograniczenia interfejsu i problem do rozstrzygnięcia, a następnie poproś o propozycję wskazującą założenia, zależności i alternatywy, w odpowiednich sytuacjach wyłącznie na podstawie dostarczonego materiału.
Szablon rozmowy producenta domyślnie włącza myślenie i udostępnia twardy przełącznik enable_thinking. Twarde wyłączenie całkowicie zapobiega pojawieniu się treści myślenia. Przy włączonym myśleniu /think i /no_think w instrukcjach użytkownika lub systemowych zapewniają miękkie sterowanie każdą turą, a najnowsza instrukcja określa żądane zachowanie. Miękka prośba o odpowiedź bez myślenia może pozostawić pusty blok myślenia; znacznik /think nie może uchylić twardo wyłączonego szablonu. Pozwala to pierwotnemu modelowi przechodzić między bezpośrednią prośbą o szkic a pytaniem korzystającym z rozbudowanego łańcucha rozumowania, gdy stosuje się określone kontrolki.
Przykład generowania parsuje sekcję <think> oddzielnie od końcowej odpowiedzi. Qwen zaleca wyraźne określenie końcowego formatu, takiego jak odpowiedź matematyczna w ramce lub jedno pole odpowiedzi dla pytania wielokrotnego wyboru. W praktycznej analizie określ żądany wniosek i materiał wspierający: na przykład ostateczny wybór projektowy, a następnie ograniczenia, które spełnia, oraz kwestie pozostające otwarte. Zgodnie ze wskazówkami producenta w kolejnej historii rozmowy zachowuj końcową odpowiedź, a nie wcześniejszą treść myślenia. Utrzymuje to wynik potrzebny późniejszym pytaniom bez przenoszenia każdego kroku rozumowania dalej.
Wywoływanie narzędzi jest częścią udokumentowanego opisu modelu w obu trybach. Qwen zaleca Qwen-Agent do szablonów i parserów wywołań narzędzi i pokazuje wyszukiwanie informacji, informacje o czasie i interpreter kodu. Jasno zdefiniuj narzędzia, wyjaśnij ich argumenty i powiedz modelowi, co stanowi zakończone zadanie. Przydatny przepływ może wymagać pobrania wybranych informacji, dostarczyć rzeczywistą zwróconą treść, a następnie poprosić o syntezę lub proponowaną implementację. Żądane wywołanie modelu i wykonanie narzędzia przez aplikację są odrębnymi etapami; końcowa odpowiedź powinna opierać się na zwróconych dowodach.
Dla dłuższych wejść karta dokumentuje rozszerzenie YaRN do 131 072 tokenów. Natywne okno jest mniejsze, a statyczne skalowanie może wpływać na działanie przy krótkich wejściach. Qwen zaleca włączenie rozszerzenia, gdy dłuższy kontekst jest rzeczywiście potrzebny; karta dodatkowo wyjaśnia domyślną alokację 40 960 pozycji na prompt i wyjście. Wybierz istotne dokumenty i zachowaj nagłówki, granice źródeł oraz terminologię. Pozostaw miejsce na rozumowanie i końcową odpowiedź, szczególnie gdy zadanie wymaga uzgodnienia kilku specyfikacji zamiast podsumowania jednego fragmentu.
Oficjalne zalecenia to temperature 0,6, top-p 0,95, top-k 20 i min-p 0 dla myślenia; w trybie bez myślenia temperature 0,7 i top-p 0,8 zastępują pierwsze dwa ustawienia. Qwen odradza dekodowanie zachłanne w trybie z myśleniem i zauważa, że wysokie presence penalty może powodować mieszanie języków lub spadek jakości. Zaleca pulę wyjścia 32 768 tokenów dla większości zapytań i opisuje 38 912 dla szczególnie wymagających problemów matematycznych i programistycznych. Te pule są wskazówkami generowania, a nie uniwersalnym twardym limitem odpowiedzi. Precyzyjne polecenie i zdefiniowany końcowy format pomagają skupić dostępne rozumowanie modelu na pracy potrzebnej odbiorcy.
", "aboutText": "Qwen3-32B to największy gęsty model z pierwotnego wydania Qwen3. Łączy tryb myślenia rodziny do złożonej logiki, matematyki i programowania z odpowiedziami bez myślenia do ogólnej rozmowy. Qwen podkreśla także twórcze pisanie, dialogi oparte na rolach, wykonywanie instrukcji w wielu turach i agentowe korzystanie z narzędzi. Model przetwarza tekst i generuje tekst; instrukcje wielojęzyczne i tłumaczenie są częścią obsługi 119 języków i dialektów przez pierwotną rodzinę. Można zlecić mu wyjaśnienie analityczne, propozycję kodu lub starannie określony tekst.\n\nDokładna edycja ma łącznie 32,8 miliarda parametrów w 64 warstwach. Jest to model gęsty, odrębny od architektury kierowania do ekspertów Qwen3-30B-A3B i od późniejszych osobno nazwanych edycji Qwen3. Jego natywny kontekst wynosi 32 768 tokenów. Przygotuj wymagające zadanie wraz z istotnymi dowodami, wymaganiami i oczekiwanym wynikiem. W przeglądzie inżynierskim podaj opis komponentu, ograniczenia interfejsu i problem do rozstrzygnięcia, a następnie poproś o propozycję wskazującą założenia, zależności i alternatywy, w odpowiednich sytuacjach wyłącznie na podstawie dostarczonego materiału.\n\nSzablon rozmowy producenta domyślnie włącza myślenie i udostępnia twardy przełącznik enable_thinking. Twarde wyłączenie całkowicie zapobiega pojawieniu się treści myślenia. Przy włączonym myśleniu /think i /no_think w instrukcjach użytkownika lub systemowych zapewniają miękkie sterowanie każdą turą, a najnowsza instrukcja określa żądane zachowanie. Miękka prośba o odpowiedź bez myślenia może pozostawić pusty blok myślenia; znacznik /think nie może uchylić twardo wyłączonego szablonu. Pozwala to pierwotnemu modelowi przechodzić między bezpośrednią prośbą o szkic a pytaniem korzystającym z rozbudowanego łańcucha rozumowania, gdy stosuje się określone kontrolki.\n\nPrzykład generowania parsuje sekcjęPrzykład techniczny po angielsku
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.qwen/qwen3-32bQwen3-32B to gęsty hybrydowy model tekstowy Qwen do złożonego rozumowania, programowania, pisania wielojęzycznego i zadań kierowanych do narzędzi. Łączy tryby z myśleniem i bez myślenia w jednym modelu i ma natywny kontekst 32 768 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen3-32B to największy gęsty model z pierwotnego wydania Qwen3. Łączy tryb myślenia rodziny do złożonej logiki, matematyki i programowania z odpowiedziami bez myślenia do ogólnej rozmowy. Qwen podkreśla także twórcze pisanie, dialogi oparte na rolach, wykonywanie instrukcji w wielu turach i agentowe korzystanie z narzędzi. Model przetwarza tekst i generuje tekst; instrukcje wielojęzyczne i tłumaczenie są częścią obsługi 119 języków i dialektów przez pierwotną rodzinę. Można zlecić mu wyjaśnienie analityczne, propozycję kodu lub starannie określony tekst.
Dokładna edycja ma łącznie 32,8 miliarda parametrów w 64 warstwach. Jest to model gęsty, odrębny od architektury kierowania do ekspertów Qwen3-30B-A3B i od późniejszych osobno nazwanych edycji Qwen3. Jego natywny kontekst wynosi 32 768 tokenów. Przygotuj wymagające zadanie wraz z istotnymi dowodami, wymaganiami i oczekiwanym wynikiem. W przeglądzie inżynierskim podaj opis komponentu, ograniczenia interfejsu i problem do rozstrzygnięcia, a następnie poproś o propozycję wskazującą założenia, zależności i alternatywy, w odpowiednich sytuacjach wyłącznie na podstawie dostarczonego materiału.
Szablon rozmowy producenta domyślnie włącza myślenie i udostępnia twardy przełącznik enable_thinking. Twarde wyłączenie całkowicie zapobiega pojawieniu się treści myślenia. Przy włączonym myśleniu /think i /no_think w instrukcjach użytkownika lub systemowych zapewniają miękkie sterowanie każdą turą, a najnowsza instrukcja określa żądane zachowanie. Miękka prośba o odpowiedź bez myślenia może pozostawić pusty blok myślenia; znacznik /think nie może uchylić twardo wyłączonego szablonu. Pozwala to pierwotnemu modelowi przechodzić między bezpośrednią prośbą o szkic a pytaniem korzystającym z rozbudowanego łańcucha rozumowania, gdy stosuje się określone kontrolki.
Przykład generowania parsuje sekcję <think> oddzielnie od końcowej odpowiedzi. Qwen zaleca wyraźne określenie końcowego formatu, takiego jak odpowiedź matematyczna w ramce lub jedno pole odpowiedzi dla pytania wielokrotnego wyboru. W praktycznej analizie określ żądany wniosek i materiał wspierający: na przykład ostateczny wybór projektowy, a następnie ograniczenia, które spełnia, oraz kwestie pozostające otwarte. Zgodnie ze wskazówkami producenta w kolejnej historii rozmowy zachowuj końcową odpowiedź, a nie wcześniejszą treść myślenia. Utrzymuje to wynik potrzebny późniejszym pytaniom bez przenoszenia każdego kroku rozumowania dalej.
Wywoływanie narzędzi jest częścią udokumentowanego opisu modelu w obu trybach. Qwen zaleca Qwen-Agent do szablonów i parserów wywołań narzędzi i pokazuje wyszukiwanie informacji, informacje o czasie i interpreter kodu. Jasno zdefiniuj narzędzia, wyjaśnij ich argumenty i powiedz modelowi, co stanowi zakończone zadanie. Przydatny przepływ może wymagać pobrania wybranych informacji, dostarczyć rzeczywistą zwróconą treść, a następnie poprosić o syntezę lub proponowaną implementację. Żądane wywołanie modelu i wykonanie narzędzia przez aplikację są odrębnymi etapami; końcowa odpowiedź powinna opierać się na zwróconych dowodach.
Dla dłuższych wejść karta dokumentuje rozszerzenie YaRN do 131 072 tokenów. Natywne okno jest mniejsze, a statyczne skalowanie może wpływać na działanie przy krótkich wejściach. Qwen zaleca włączenie rozszerzenia, gdy dłuższy kontekst jest rzeczywiście potrzebny; karta dodatkowo wyjaśnia domyślną alokację 40 960 pozycji na prompt i wyjście. Wybierz istotne dokumenty i zachowaj nagłówki, granice źródeł oraz terminologię. Pozostaw miejsce na rozumowanie i końcową odpowiedź, szczególnie gdy zadanie wymaga uzgodnienia kilku specyfikacji zamiast podsumowania jednego fragmentu.
Oficjalne zalecenia to temperature 0,6, top-p 0,95, top-k 20 i min-p 0 dla myślenia; w trybie bez myślenia temperature 0,7 i top-p 0,8 zastępują pierwsze dwa ustawienia. Qwen odradza dekodowanie zachłanne w trybie z myśleniem i zauważa, że wysokie presence penalty może powodować mieszanie języków lub spadek jakości. Zaleca pulę wyjścia 32 768 tokenów dla większości zapytań i opisuje 38 912 dla szczególnie wymagających problemów matematycznych i programistycznych. Te pule są wskazówkami generowania, a nie uniwersalnym twardym limitem odpowiedzi. Precyzyjne polecenie i zdefiniowany końcowy format pomagają skupić dostępne rozumowanie modelu na pracy potrzebnej odbiorcy.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen/qwen3-32b | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000286 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001144 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000286 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001144 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-32b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-32b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-32b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra qwen/qwen3-32b
Użyj ścieżek metod podanych powyżej.
qwen/qwen3-32bQwen3-32B to gęsty hybrydowy model tekstowy Qwen do złożonego rozumowania, programowania, pisania wielojęzycznego i zadań kierowanych do narzędzi. Łączy tryby z myśleniem i bez myślenia w jednym modelu i ma natywny kontekst 32 768 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen3-32B to największy gęsty model z pierwotnego wydania Qwen3. Łączy tryb myślenia rodziny do złożonej logiki, matematyki i programowania z odpowiedziami bez myślenia do ogólnej rozmowy. Qwen podkreśla także twórcze pisanie, dialogi oparte na rolach, wykonywanie instrukcji w wielu turach i agentowe korzystanie z narzędzi. Model przetwarza tekst i generuje tekst; instrukcje wielojęzyczne i tłumaczenie są częścią obsługi 119 języków i dialektów przez pierwotną rodzinę. Można zlecić mu wyjaśnienie analityczne, propozycję kodu lub starannie określony tekst.
Dokładna edycja ma łącznie 32,8 miliarda parametrów w 64 warstwach. Jest to model gęsty, odrębny od architektury kierowania do ekspertów Qwen3-30B-A3B i od późniejszych osobno nazwanych edycji Qwen3. Jego natywny kontekst wynosi 32 768 tokenów. Przygotuj wymagające zadanie wraz z istotnymi dowodami, wymaganiami i oczekiwanym wynikiem. W przeglądzie inżynierskim podaj opis komponentu, ograniczenia interfejsu i problem do rozstrzygnięcia, a następnie poproś o propozycję wskazującą założenia, zależności i alternatywy, w odpowiednich sytuacjach wyłącznie na podstawie dostarczonego materiału.
Szablon rozmowy producenta domyślnie włącza myślenie i udostępnia twardy przełącznik enable_thinking. Twarde wyłączenie całkowicie zapobiega pojawieniu się treści myślenia. Przy włączonym myśleniu /think i /no_think w instrukcjach użytkownika lub systemowych zapewniają miękkie sterowanie każdą turą, a najnowsza instrukcja określa żądane zachowanie. Miękka prośba o odpowiedź bez myślenia może pozostawić pusty blok myślenia; znacznik /think nie może uchylić twardo wyłączonego szablonu. Pozwala to pierwotnemu modelowi przechodzić między bezpośrednią prośbą o szkic a pytaniem korzystającym z rozbudowanego łańcucha rozumowania, gdy stosuje się określone kontrolki.
Przykład generowania parsuje sekcję <think> oddzielnie od końcowej odpowiedzi. Qwen zaleca wyraźne określenie końcowego formatu, takiego jak odpowiedź matematyczna w ramce lub jedno pole odpowiedzi dla pytania wielokrotnego wyboru. W praktycznej analizie określ żądany wniosek i materiał wspierający: na przykład ostateczny wybór projektowy, a następnie ograniczenia, które spełnia, oraz kwestie pozostające otwarte. Zgodnie ze wskazówkami producenta w kolejnej historii rozmowy zachowuj końcową odpowiedź, a nie wcześniejszą treść myślenia. Utrzymuje to wynik potrzebny późniejszym pytaniom bez przenoszenia każdego kroku rozumowania dalej.
Wywoływanie narzędzi jest częścią udokumentowanego opisu modelu w obu trybach. Qwen zaleca Qwen-Agent do szablonów i parserów wywołań narzędzi i pokazuje wyszukiwanie informacji, informacje o czasie i interpreter kodu. Jasno zdefiniuj narzędzia, wyjaśnij ich argumenty i powiedz modelowi, co stanowi zakończone zadanie. Przydatny przepływ może wymagać pobrania wybranych informacji, dostarczyć rzeczywistą zwróconą treść, a następnie poprosić o syntezę lub proponowaną implementację. Żądane wywołanie modelu i wykonanie narzędzia przez aplikację są odrębnymi etapami; końcowa odpowiedź powinna opierać się na zwróconych dowodach.
Dla dłuższych wejść karta dokumentuje rozszerzenie YaRN do 131 072 tokenów. Natywne okno jest mniejsze, a statyczne skalowanie może wpływać na działanie przy krótkich wejściach. Qwen zaleca włączenie rozszerzenia, gdy dłuższy kontekst jest rzeczywiście potrzebny; karta dodatkowo wyjaśnia domyślną alokację 40 960 pozycji na prompt i wyjście. Wybierz istotne dokumenty i zachowaj nagłówki, granice źródeł oraz terminologię. Pozostaw miejsce na rozumowanie i końcową odpowiedź, szczególnie gdy zadanie wymaga uzgodnienia kilku specyfikacji zamiast podsumowania jednego fragmentu.
Oficjalne zalecenia to temperature 0,6, top-p 0,95, top-k 20 i min-p 0 dla myślenia; w trybie bez myślenia temperature 0,7 i top-p 0,8 zastępują pierwsze dwa ustawienia. Qwen odradza dekodowanie zachłanne w trybie z myśleniem i zauważa, że wysokie presence penalty może powodować mieszanie języków lub spadek jakości. Zaleca pulę wyjścia 32 768 tokenów dla większości zapytań i opisuje 38 912 dla szczególnie wymagających problemów matematycznych i programistycznych. Te pule są wskazówkami generowania, a nie uniwersalnym twardym limitem odpowiedzi. Precyzyjne polecenie i zdefiniowany końcowy format pomagają skupić dostępne rozumowanie modelu na pracy potrzebnej odbiorcy.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen/qwen3-32b | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000286 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001144 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000286 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001144 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "qwen/qwen3-32b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-32b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-32b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra qwen/qwen3-32b
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.