Qwen3-0.6B udostępnia hybrydowy interfejs tekstowy Qwen3 w gęstym modelu o 0.6 miliarda parametrów. Możliwości jego rodziny obejmują wykonywanie instrukcji, wielojęzyczne rozmowy, twórcze pisanie, interakcje oparte na rolach, matematykę, kod i logiczne rozumowanie. Rozumowanie i zwykłe generowanie są dostępne w tym samym wydaniu. Kompaktowy rozmiar identyfikuje wersję, a nie inny format wejściowy ani zastępczą nazwę większego modelu Qwen3.
Model ma 0.44 miliarda parametrów poza embeddingami i 28 warstw, z 16 głowami zapytań i ośmioma głowami kluczy/wartości w mechanizmie grouped-query attention. Karta tej konkretnej wersji dokumentuje kontekst 32,768 tokenów. Zarówno tekst wejściowy, jak i wygenerowana treść zajmują sekwencję modelu, dlatego przy układaniu instrukcji i przykładów zarezerwuj miejsce na odpowiedź. Karta tego wydania nie dokumentuje konfiguracji rozszerzonego kontekstu zawartej w kartach niektórych większych modeli Qwen3. Praktycznym pierwszym zadaniem jest jedna krótka, jasno określona operacja, której wynik można bezpośrednio porównać ze źródłem.
Użyj wskazanego przez producenta szablonu czatu do przedstawienia instrukcji i materiału. Na przykład podaj krótką notatkę serwisową i poproś o wiadomość dla klienta zachowującą bez zmian datę wizyty i nazwę produktu. Podaj zamierzonego odbiorcę, ton i maksymalną żądaną długość. W zadaniu wyboru etykiety wypisz dozwolone etykiety z definicjami i dołącz niejednoznaczny przykład pokazujący sposób zgłaszania niepewności. Poproś tylko o etykietę i odpowiadający jej fragment wejścia. Są to konkretne wymagania wyjściowe, a nie twierdzenie, że model zawsze spełni je bez sprawdzenia. Opublikowana integracja wymaga środowiska wykonawczego rozpoznającego Qwen3; karta ostrzega, że wersje Transformers poniżej 4.51.0 nie rozpoznają wymaganej architektury.
Dostarczony szablon domyślnie włącza rozumowanie. Twarde ustawienie bez rozumowania pomija sekcję rozumowania; jeśli pozostaje ono włączone, /think i /no_think mogą sterować trybem między turami zgodnie z najnowszą instrukcją. Twarde wyłączenie ma pierwszeństwo przed tymi miękkimi poleceniami. Wybierz ustawienie pasujące do operacji: prosta zmiana zatwierdzonego sformułowania może używać odpowiedzi bezpośredniej, a wyjaśnienie, dlaczego warunek ma zastosowanie, może wymagać rozumowania. Zapisuj w historii rozmowy odpowiedź końcową zamiast wcześniejszej sekcji rozumowania. Przy włączonym rozumowaniu nawet miękka prośba o brak rozumowania zachowuje blok rozumowania; jego treść może być pusta. Twarde wyłączenie usuwa ten blok.
Karta modelu opisuje zastosowania agentowe z narzędziami i zaleca Qwen-Agent do szablonów i parsowania. Dla małego asystenta słownikowego aplikacja może udostępniać jedno wyszukiwanie tylko do odczytu, sprawdzać jego argumenty, wykonywać je i zwracać wpis. Model może następnie wyjaśnić termin w stylu żądanym przez użytkownika. Z góry określ wynik narzędzia i zachowanie przy braku wpisu. Wygenerowane żądanie narzędzia powinno być traktowane jako żądanie, przy zachowaniu odpowiedzialności aplikacji za wykonanie i zwrócone dowody. Przewodnik Qwen3 opisuje również równoległe i wieloetapowe wywołania narzędzi, z argumentami reprezentowanymi jako obiekty i wynikami zwracanymi do rozmowy.
Opublikowany szybki start i zalecane długości wyjścia stanowią wskazówki generowania, a nie oddzielny gwarantowany limit API. Przy precyzyjnej operacji wybierz zwięzły rekord końcowy, na przykład przeredagowane zdanie z niezmienionymi nazwami albo etykietę i potwierdzający ją tekst. Sprawdź ten rekord względem dostarczonego materiału. Jeśli zadanie rozrasta się do długiego wyjaśnienia, oceń dłuższy wynik na tym samym rodzaju rzeczywistych danych wejściowych, zamiast zakładać, że kompaktowa tożsamość modelu określa jego dokładność lub jakość odpowiedzi. Dokumentacja Qwen3 omawia długości wiadomości asystenta wynoszące 38,912 tokenów w trybie rozumowania i 16,384 w trybie bez rozumowania w wyjaśnieniu długości treningowych oraz zaleca ocenę jakości dłuższego generowania. Liczby te różnią się od całego okna kontekstu i nie są sztywnym limitem konkretnego endpointu.
Karta tej konkretnej wersji dodaje wskazówki dotyczące znacznych powtórzeń: użyj zalecanej konfiguracji próbkowania i rozważ presence_penalty 1.5. Silniejsze kary mogą powodować mieszanie języków lub spadek skuteczności. Tryb rozumowania jest powiązany z temperature 0.6, top-p 0.95, top-k 20 i min-p 0; tryb bez rozumowania z temperature 0.7, top-p 0.8, top-k 20 i min-p 0. Producent ostrzega przed dekodowaniem zachłannym w trybie rozumowania. Sprawdź powtarzane frazy, zachowane nazwy i wybraną etykietę; odrzuć nieprawidłowy rekord zamiast traktować czytelną prozę jako dowód przestrzegania wymaganego formatu.
", "aboutText": "Qwen3-0.6B udostępnia hybrydowy interfejs tekstowy Qwen3 w gęstym modelu o 0.6 miliarda parametrów. Możliwości jego rodziny obejmują wykonywanie instrukcji, wielojęzyczne rozmowy, twórcze pisanie, interakcje oparte na rolach, matematykę, kod i logiczne rozumowanie. Rozumowanie i zwykłe generowanie są dostępne w tym samym wydaniu. Kompaktowy rozmiar identyfikuje wersję, a nie inny format wejściowy ani zastępczą nazwę większego modelu Qwen3.\n\nModel ma 0.44 miliarda parametrów poza embeddingami i 28 warstw, z 16 głowami zapytań i ośmioma głowami kluczy/wartości w mechanizmie grouped-query attention. Karta tej konkretnej wersji dokumentuje kontekst 32,768 tokenów. Zarówno tekst wejściowy, jak i wygenerowana treść zajmują sekwencję modelu, dlatego przy układaniu instrukcji i przykładów zarezerwuj miejsce na odpowiedź. Karta tego wydania nie dokumentuje konfiguracji rozszerzonego kontekstu zawartej w kartach niektórych większych modeli Qwen3. Praktycznym pierwszym zadaniem jest jedna krótka, jasno określona operacja, której wynik można bezpośrednio porównać ze źródłem.\n\nUżyj wskazanego przez producenta szablonu czatu do przedstawienia instrukcji i materiału. Na przykład podaj krótką notatkę serwisową i poproś o wiadomość dla klienta zachowującą bez zmian datę wizyty i nazwę produktu. Podaj zamierzonego odbiorcę, ton i maksymalną żądaną długość. W zadaniu wyboru etykiety wypisz dozwolone etykiety z definicjami i dołącz niejednoznaczny przykład pokazujący sposób zgłaszania niepewności. Poproś tylko o etykietę i odpowiadający jej fragment wejścia. Są to konkretne wymagania wyjściowe, a nie twierdzenie, że model zawsze spełni je bez sprawdzenia. Opublikowana integracja wymaga środowiska wykonawczego rozpoznającego Qwen3; karta ostrzega, że wersje Transformers poniżej 4.51.0 nie rozpoznają wymaganej architektury.\n\nDostarczony szablon domyślnie włącza rozumowanie. Twarde ustawienie bez rozumowania pomija sekcję rozumowania; jeśli pozostaje ono włączone, /think i /no_think mogą sterować trybem między turami zgodnie z najnowszą instrukcją. Twarde wyłączenie ma pierwszeństwo przed tymi miękkimi poleceniami. Wybierz ustawienie pasujące do operacji: prosta zmiana zatwierdzonego sformułowania może używać odpowiedzi bezpośredniej, a wyjaśnienie, dlaczego warunek ma zastosowanie, może wymagać rozumowania. Zapisuj w historii rozmowy odpowiedź końcową zamiast wcześniejszej sekcji rozumowania. Przy włączonym rozumowaniu nawet miękka prośba o brak rozumowania zachowuje blok rozumowania; jego treść może być pusta. Twarde wyłączenie usuwa ten blok.\n\nKarta modelu opisuje zastosowania agentowe z narzędziami i zaleca Qwen-Agent do szablonów i parsowania. Dla małego asystenta słownikowego aplikacja może udostępniać jedno wyszukiwanie tylko do odczytu, sprawdzać jego argumenty, wykonywać je i zwracać wpis. Model może następnie wyjaśnić termin w stylu żądanym przez użytkownika. Z góry określ wynik narzędzia i zachowanie przy braku wpisu. Wygenerowane żądanie narzędzia powinno być traktowane jako żądanie, przy zachowaniu odpowiedzialności aplikacji za wykonanie i zwrócone dowody. Przewodnik Qwen3 opisuje również równoległe i wieloetapowe wywołania narzędzi, z argumentami reprezentowanymi jako obiekty i wynikami zwracanymi do rozmowy.\n\nOpublikowany szybki start i zalecane długości wyjścia stanowią wskazówki generowania, a nie oddzielny gwarantowany limit API. Przy precyzyjnej operacji wybierz zwięzły rekord końcowy, na przykład przeredagowane zdanie z niezmienionymi nazwami albo etykietę i potwierdzający ją tekst. Sprawdź ten rekord względem dostarczonego materiału. Jeśli zadanie rozrasta się do długiego wyjaśnienia, oceń dłuższy wynik na tym samym rodzaju rzeczywistych danych wejściowych, zamiast zakładać, że kompaktowa tożsamość modelu określa jego dokładność lub jakość odpowiedzi. Dokumentacja Qwen3 omawia długości wiadomości asystenta wynoszące 38,912 tokenów w trybie rozumowania i 16,384 w trybie bez rozumowania w wyjaśnieniu długości treningowych oraz zaleca ocenę jakości dłuższego generowania. Liczby te różnią się od całego okna kontekstu i nie są sztywnym limitem konkretnego endpointu.\n\nKarta tej konkretnej wersji dodaje wskazówki dotyczące znacznych powtórzeń: użyj zalecanej konfiguracji próbkowania i rozważ presence_penalty 1.5. Silniejsze kary mogą powodować mieszanie języków lub spadek skuteczności. Tryb rozumowania jest powiązany z temperature 0.6, top-p 0.95, top-k 20 i min-p 0; tryb bez rozumowania z temperature 0.7, top-p 0.8, top-k 20 i min-p 0. Producent ostrzega przed dekodowaniem zachłannym w trybie rozumowania. Sprawdź powtarzane frazy, zachowane nazwy i wybraną etykietę; odrzuć nieprawidłowy rekord zamiast traktować czytelną prozę jako dowód przestrzegania wymaganego formatu.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
A single focused appointment rewrite\n\nRewrite this note as one friendly sentence for a customer, using at most 25 words: 'Appointment for Polar Fan repair: 14 June, 09:30. Bring the purchase receipt.' Preserve the product name, date, time and receipt instruction. Return only the sentence, with no heading or additional details.One customer-facing sentence of at most 25 words retaining all four facts.Polar Fan, 14 June and 09:30 remain exact, and the receipt instruction is present.qwen3-0.6bQwen3-0.6B to najmniejsze gęste wydanie w tym zestawie Qwen3, z 0.6 miliarda parametrów. Obsługuje instrukcje tekstowe i wielojęzyczny dialog w trybach bezpośrednim i rozumowania, z właściwym dla wersji kontekstem o długości 32,768 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen3-0.6B udostępnia hybrydowy interfejs tekstowy Qwen3 w gęstym modelu o 0.6 miliarda parametrów. Możliwości jego rodziny obejmują wykonywanie instrukcji, wielojęzyczne rozmowy, twórcze pisanie, interakcje oparte na rolach, matematykę, kod i logiczne rozumowanie. Rozumowanie i zwykłe generowanie są dostępne w tym samym wydaniu. Kompaktowy rozmiar identyfikuje wersję, a nie inny format wejściowy ani zastępczą nazwę większego modelu Qwen3.
Model ma 0.44 miliarda parametrów poza embeddingami i 28 warstw, z 16 głowami zapytań i ośmioma głowami kluczy/wartości w mechanizmie grouped-query attention. Karta tej konkretnej wersji dokumentuje kontekst 32,768 tokenów. Zarówno tekst wejściowy, jak i wygenerowana treść zajmują sekwencję modelu, dlatego przy układaniu instrukcji i przykładów zarezerwuj miejsce na odpowiedź. Karta tego wydania nie dokumentuje konfiguracji rozszerzonego kontekstu zawartej w kartach niektórych większych modeli Qwen3. Praktycznym pierwszym zadaniem jest jedna krótka, jasno określona operacja, której wynik można bezpośrednio porównać ze źródłem.
Użyj wskazanego przez producenta szablonu czatu do przedstawienia instrukcji i materiału. Na przykład podaj krótką notatkę serwisową i poproś o wiadomość dla klienta zachowującą bez zmian datę wizyty i nazwę produktu. Podaj zamierzonego odbiorcę, ton i maksymalną żądaną długość. W zadaniu wyboru etykiety wypisz dozwolone etykiety z definicjami i dołącz niejednoznaczny przykład pokazujący sposób zgłaszania niepewności. Poproś tylko o etykietę i odpowiadający jej fragment wejścia. Są to konkretne wymagania wyjściowe, a nie twierdzenie, że model zawsze spełni je bez sprawdzenia. Opublikowana integracja wymaga środowiska wykonawczego rozpoznającego Qwen3; karta ostrzega, że wersje Transformers poniżej 4.51.0 nie rozpoznają wymaganej architektury.
Dostarczony szablon domyślnie włącza rozumowanie. Twarde ustawienie bez rozumowania pomija sekcję rozumowania; jeśli pozostaje ono włączone, /think i /no_think mogą sterować trybem między turami zgodnie z najnowszą instrukcją. Twarde wyłączenie ma pierwszeństwo przed tymi miękkimi poleceniami. Wybierz ustawienie pasujące do operacji: prosta zmiana zatwierdzonego sformułowania może używać odpowiedzi bezpośredniej, a wyjaśnienie, dlaczego warunek ma zastosowanie, może wymagać rozumowania. Zapisuj w historii rozmowy odpowiedź końcową zamiast wcześniejszej sekcji rozumowania. Przy włączonym rozumowaniu nawet miękka prośba o brak rozumowania zachowuje blok rozumowania; jego treść może być pusta. Twarde wyłączenie usuwa ten blok.
Karta modelu opisuje zastosowania agentowe z narzędziami i zaleca Qwen-Agent do szablonów i parsowania. Dla małego asystenta słownikowego aplikacja może udostępniać jedno wyszukiwanie tylko do odczytu, sprawdzać jego argumenty, wykonywać je i zwracać wpis. Model może następnie wyjaśnić termin w stylu żądanym przez użytkownika. Z góry określ wynik narzędzia i zachowanie przy braku wpisu. Wygenerowane żądanie narzędzia powinno być traktowane jako żądanie, przy zachowaniu odpowiedzialności aplikacji za wykonanie i zwrócone dowody. Przewodnik Qwen3 opisuje również równoległe i wieloetapowe wywołania narzędzi, z argumentami reprezentowanymi jako obiekty i wynikami zwracanymi do rozmowy.
Opublikowany szybki start i zalecane długości wyjścia stanowią wskazówki generowania, a nie oddzielny gwarantowany limit API. Przy precyzyjnej operacji wybierz zwięzły rekord końcowy, na przykład przeredagowane zdanie z niezmienionymi nazwami albo etykietę i potwierdzający ją tekst. Sprawdź ten rekord względem dostarczonego materiału. Jeśli zadanie rozrasta się do długiego wyjaśnienia, oceń dłuższy wynik na tym samym rodzaju rzeczywistych danych wejściowych, zamiast zakładać, że kompaktowa tożsamość modelu określa jego dokładność lub jakość odpowiedzi. Dokumentacja Qwen3 omawia długości wiadomości asystenta wynoszące 38,912 tokenów w trybie rozumowania i 16,384 w trybie bez rozumowania w wyjaśnieniu długości treningowych oraz zaleca ocenę jakości dłuższego generowania. Liczby te różnią się od całego okna kontekstu i nie są sztywnym limitem konkretnego endpointu.
Karta tej konkretnej wersji dodaje wskazówki dotyczące znacznych powtórzeń: użyj zalecanej konfiguracji próbkowania i rozważ presence_penalty 1.5. Silniejsze kary mogą powodować mieszanie języków lub spadek skuteczności. Tryb rozumowania jest powiązany z temperature 0.6, top-p 0.95, top-k 20 i min-p 0; tryb bez rozumowania z temperature 0.7, top-p 0.8, top-k 20 i min-p 0. Producent ostrzega przed dekodowaniem zachłannym w trybie rozumowania. Sprawdź powtarzane frazy, zachowane nazwy i wybraną etykietę; odrzuć nieprawidłowy rekord zamiast traktować czytelną prozę jako dowód przestrzegania wymaganego formatu.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen3-0.6b | 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.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3-0.6b", "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='qwen3-0.6b',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='qwen3-0.6b',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 qwen3-0.6b
Użyj ścieżek metod podanych powyżej.
qwen3-0.6bQwen3-0.6B to najmniejsze gęste wydanie w tym zestawie Qwen3, z 0.6 miliarda parametrów. Obsługuje instrukcje tekstowe i wielojęzyczny dialog w trybach bezpośrednim i rozumowania, z właściwym dla wersji kontekstem o długości 32,768 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen3-0.6B udostępnia hybrydowy interfejs tekstowy Qwen3 w gęstym modelu o 0.6 miliarda parametrów. Możliwości jego rodziny obejmują wykonywanie instrukcji, wielojęzyczne rozmowy, twórcze pisanie, interakcje oparte na rolach, matematykę, kod i logiczne rozumowanie. Rozumowanie i zwykłe generowanie są dostępne w tym samym wydaniu. Kompaktowy rozmiar identyfikuje wersję, a nie inny format wejściowy ani zastępczą nazwę większego modelu Qwen3.
Model ma 0.44 miliarda parametrów poza embeddingami i 28 warstw, z 16 głowami zapytań i ośmioma głowami kluczy/wartości w mechanizmie grouped-query attention. Karta tej konkretnej wersji dokumentuje kontekst 32,768 tokenów. Zarówno tekst wejściowy, jak i wygenerowana treść zajmują sekwencję modelu, dlatego przy układaniu instrukcji i przykładów zarezerwuj miejsce na odpowiedź. Karta tego wydania nie dokumentuje konfiguracji rozszerzonego kontekstu zawartej w kartach niektórych większych modeli Qwen3. Praktycznym pierwszym zadaniem jest jedna krótka, jasno określona operacja, której wynik można bezpośrednio porównać ze źródłem.
Użyj wskazanego przez producenta szablonu czatu do przedstawienia instrukcji i materiału. Na przykład podaj krótką notatkę serwisową i poproś o wiadomość dla klienta zachowującą bez zmian datę wizyty i nazwę produktu. Podaj zamierzonego odbiorcę, ton i maksymalną żądaną długość. W zadaniu wyboru etykiety wypisz dozwolone etykiety z definicjami i dołącz niejednoznaczny przykład pokazujący sposób zgłaszania niepewności. Poproś tylko o etykietę i odpowiadający jej fragment wejścia. Są to konkretne wymagania wyjściowe, a nie twierdzenie, że model zawsze spełni je bez sprawdzenia. Opublikowana integracja wymaga środowiska wykonawczego rozpoznającego Qwen3; karta ostrzega, że wersje Transformers poniżej 4.51.0 nie rozpoznają wymaganej architektury.
Dostarczony szablon domyślnie włącza rozumowanie. Twarde ustawienie bez rozumowania pomija sekcję rozumowania; jeśli pozostaje ono włączone, /think i /no_think mogą sterować trybem między turami zgodnie z najnowszą instrukcją. Twarde wyłączenie ma pierwszeństwo przed tymi miękkimi poleceniami. Wybierz ustawienie pasujące do operacji: prosta zmiana zatwierdzonego sformułowania może używać odpowiedzi bezpośredniej, a wyjaśnienie, dlaczego warunek ma zastosowanie, może wymagać rozumowania. Zapisuj w historii rozmowy odpowiedź końcową zamiast wcześniejszej sekcji rozumowania. Przy włączonym rozumowaniu nawet miękka prośba o brak rozumowania zachowuje blok rozumowania; jego treść może być pusta. Twarde wyłączenie usuwa ten blok.
Karta modelu opisuje zastosowania agentowe z narzędziami i zaleca Qwen-Agent do szablonów i parsowania. Dla małego asystenta słownikowego aplikacja może udostępniać jedno wyszukiwanie tylko do odczytu, sprawdzać jego argumenty, wykonywać je i zwracać wpis. Model może następnie wyjaśnić termin w stylu żądanym przez użytkownika. Z góry określ wynik narzędzia i zachowanie przy braku wpisu. Wygenerowane żądanie narzędzia powinno być traktowane jako żądanie, przy zachowaniu odpowiedzialności aplikacji za wykonanie i zwrócone dowody. Przewodnik Qwen3 opisuje również równoległe i wieloetapowe wywołania narzędzi, z argumentami reprezentowanymi jako obiekty i wynikami zwracanymi do rozmowy.
Opublikowany szybki start i zalecane długości wyjścia stanowią wskazówki generowania, a nie oddzielny gwarantowany limit API. Przy precyzyjnej operacji wybierz zwięzły rekord końcowy, na przykład przeredagowane zdanie z niezmienionymi nazwami albo etykietę i potwierdzający ją tekst. Sprawdź ten rekord względem dostarczonego materiału. Jeśli zadanie rozrasta się do długiego wyjaśnienia, oceń dłuższy wynik na tym samym rodzaju rzeczywistych danych wejściowych, zamiast zakładać, że kompaktowa tożsamość modelu określa jego dokładność lub jakość odpowiedzi. Dokumentacja Qwen3 omawia długości wiadomości asystenta wynoszące 38,912 tokenów w trybie rozumowania i 16,384 w trybie bez rozumowania w wyjaśnieniu długości treningowych oraz zaleca ocenę jakości dłuższego generowania. Liczby te różnią się od całego okna kontekstu i nie są sztywnym limitem konkretnego endpointu.
Karta tej konkretnej wersji dodaje wskazówki dotyczące znacznych powtórzeń: użyj zalecanej konfiguracji próbkowania i rozważ presence_penalty 1.5. Silniejsze kary mogą powodować mieszanie języków lub spadek skuteczności. Tryb rozumowania jest powiązany z temperature 0.6, top-p 0.95, top-k 20 i min-p 0; tryb bez rozumowania z temperature 0.7, top-p 0.8, top-k 20 i min-p 0. Producent ostrzega przed dekodowaniem zachłannym w trybie rozumowania. Sprawdź powtarzane frazy, zachowane nazwy i wybraną etykietę; odrzuć nieprawidłowy rekord zamiast traktować czytelną prozę jako dowód przestrzegania wymaganego formatu.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen3-0.6b | 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.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "qwen3-0.6b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-0.6b', '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': 'qwen3-0.6b', '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 qwen3-0.6b
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
A single focused appointment rewrite\n\nRewrite this note as one friendly sentence for a customer, using at most 25 words: 'Appointment for Polar Fan repair: 14 June, 09:30. Bring the purchase receipt.' Preserve the product name, date, time and receipt instruction. Return only the sentence, with no heading or additional details.One customer-facing sentence of at most 25 words retaining all four facts.Polar Fan, 14 June and 09:30 remain exact, and the receipt instruction is present.