Qwen3-235B-A22B-Instruct-2507 é a edição atualizada de cumprimento de instruções, non-thinking, do grande modelo de mistura de especialistas de Qwen3. A Qwen destaca melhorias na compreensão de texto, no raciocínio lógico, na matemática, na ciência, na programação e no uso de ferramentas, juntamente com conhecimentos multilingues mais amplos e melhor tratamento de escrita aberta. As entradas e as saídas são texto. É útil para transformar um pedido bem definido e material fornecido numa resposta, numa análise, num programa ou num rascunho aperfeiçoado, sem uma secção de thinking gerada separadamente.
O modelo tem 235 mil milhões de parâmetros no total e ativa 22 mil milhões para cada token. O seu contexto nativo é de 262 144 tokens. Um pedido prático com entrada longa pode reunir uma especificação de produto, notas de implementação e uma lista de questões por resolver, solicitando depois uma comparação estruturada ou uma especificação editada. Preserve os títulos de origem e identifique o público pretendido, as secções a alterar e as condições que a saída deve cumprir. Para escrita, inclua o tom, a extensão e os factos exigidos; para programação, inclua as interfaces, o comportamento esperado e o código envolvente.
Esta edição suporta apenas o modo non-thinking e não produz blocos <think>. Não precisa do parâmetro enable_thinking=False do modelo híbrido original, e pedir o modo do modelo Thinking-2507 posterior não altera a sua edição. A saída direta continua a permitir uma explicação, um cálculo ou uma resposta fundamentada quando pedidos. Os exemplos da Qwen uniformizam uma resposta matemática com \\boxed{} e uma resposta de escolha múltipla com um campo de resposta especificado. Instruções explícitas semelhantes podem pedir uma justificação breve seguida de uma recomendação final, ou campos JSON definidos cujos significados sejam dados no prompt.
Para fluxos de agentes, a ficha oficial recomenda Qwen-Agent, com os seus templates e analisadores de chamadas de ferramentas. As ferramentas podem ser definidas individualmente ou através de uma configuração estruturada, e o produtor demonstra recuperação de informação e um interpretador de código. A preparação útil consiste em descrever a finalidade e os argumentos de cada ferramenta, fornecer o material já disponível e especificar o ponto de paragem pretendido. Por exemplo, pode pedir a um assistente de documentação que recupere secções identificadas pelo nome, concilie diferenças e devolva uma explicação atualizada. A aplicação que envolve o modelo executa as ferramentas pedidas e devolve os seus resultados à conversa.
O produtor recomenda temperature de 0,7, top-p de 0,8, top-k de 20 e min-p de 0, com uma extensão de saída de 16 384 tokens para a maioria dos pedidos. São orientações de geração, e não uma afirmação de que todas as respostas podem atingir um máximo fixo. A ficha também nota que uma penalização de presença pode reduzir a saída repetitiva, enquanto valores mais elevados podem introduzir mistura de idiomas e reduzir ligeiramente a qualidade. Um pedido focado e uma estrutura de saída explícita são úteis antes de alterar estes controlos: peça as secções, os campos ou os exemplos exatos necessários e reserve espaço suficiente para eles.
A Qwen documenta uma extensão opcional para 1 010 000 tokens através de uma configuração separada que usa Dual Chunk Attention e atenção esparsa. A janela nativa continua a ser de 262 144 tokens; a definição maior depende da implementação prescrita e dos recursos de memória. A ficha nota explicitamente que as restrições de memória podem exigir um contexto configurado mais curto. Para material extenso, selecione as fontes relevantes, indique a sua prioridade e peça ao modelo que separe as conclusões apoiadas pelo texto fornecido das perguntas por resolver. Isto torna um resultado de contexto longo utilizável sem tratar a capacidade de entrada como substituto de uma tarefa precisa.
", "aboutText": "Qwen3-235B-A22B-Instruct-2507 é a edição atualizada de cumprimento de instruções, non-thinking, do grande modelo de mistura de especialistas de Qwen3. A Qwen destaca melhorias na compreensão de texto, no raciocínio lógico, na matemática, na ciência, na programação e no uso de ferramentas, juntamente com conhecimentos multilingues mais amplos e melhor tratamento de escrita aberta. As entradas e as saídas são texto. É útil para transformar um pedido bem definido e material fornecido numa resposta, numa análise, num programa ou num rascunho aperfeiçoado, sem uma secção de thinking gerada separadamente.\n\nO modelo tem 235 mil milhões de parâmetros no total e ativa 22 mil milhões para cada token. O seu contexto nativo é de 262 144 tokens. Um pedido prático com entrada longa pode reunir uma especificação de produto, notas de implementação e uma lista de questões por resolver, solicitando depois uma comparação estruturada ou uma especificação editada. Preserve os títulos de origem e identifique o público pretendido, as secções a alterar e as condições que a saída deve cumprir. Para escrita, inclua o tom, a extensão e os factos exigidos; para programação, inclua as interfaces, o comportamento esperado e o código envolvente.\n\nEsta edição suporta apenas o modo non-thinking e não produz blocosExemplo técnico em inglês
Update a specification from notes\n\nProduce an updated export specification from these sources. [SPEC] Export all visible rows with headers. [IMPLEMENTATION] Current code exports selected rows only. [DECISION] Users must choose either selected rows or all filtered rows; headers are always included. Decision takes priority. Return the revised requirement, the implementation gap and questions still needed for an empty selection.A revised specification section, a source-labeled gap note and an empty-selection question.Check the two export choices remain distinct and headers stay mandatory.qwen/qwen3-235b-a22b-2507Qwen3-235B-A22B-Instruct-2507 é o modelo textual non-thinking da Qwen para escrita multilingue, programação, cumprimento de instruções e análise documental. Gera respostas diretas sem blocos thinking e tem um contexto nativo de 262 144 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen3-235B-A22B-Instruct-2507 é a edição atualizada de cumprimento de instruções, non-thinking, do grande modelo de mistura de especialistas de Qwen3. A Qwen destaca melhorias na compreensão de texto, no raciocínio lógico, na matemática, na ciência, na programação e no uso de ferramentas, juntamente com conhecimentos multilingues mais amplos e melhor tratamento de escrita aberta. As entradas e as saídas são texto. É útil para transformar um pedido bem definido e material fornecido numa resposta, numa análise, num programa ou num rascunho aperfeiçoado, sem uma secção de thinking gerada separadamente.
O modelo tem 235 mil milhões de parâmetros no total e ativa 22 mil milhões para cada token. O seu contexto nativo é de 262 144 tokens. Um pedido prático com entrada longa pode reunir uma especificação de produto, notas de implementação e uma lista de questões por resolver, solicitando depois uma comparação estruturada ou uma especificação editada. Preserve os títulos de origem e identifique o público pretendido, as secções a alterar e as condições que a saída deve cumprir. Para escrita, inclua o tom, a extensão e os factos exigidos; para programação, inclua as interfaces, o comportamento esperado e o código envolvente.
Esta edição suporta apenas o modo non-thinking e não produz blocos <think>. Não precisa do parâmetro enable_thinking=False do modelo híbrido original, e pedir o modo do modelo Thinking-2507 posterior não altera a sua edição. A saída direta continua a permitir uma explicação, um cálculo ou uma resposta fundamentada quando pedidos. Os exemplos da Qwen uniformizam uma resposta matemática com \\boxed{} e uma resposta de escolha múltipla com um campo de resposta especificado. Instruções explícitas semelhantes podem pedir uma justificação breve seguida de uma recomendação final, ou campos JSON definidos cujos significados sejam dados no prompt.
Para fluxos de agentes, a ficha oficial recomenda Qwen-Agent, com os seus templates e analisadores de chamadas de ferramentas. As ferramentas podem ser definidas individualmente ou através de uma configuração estruturada, e o produtor demonstra recuperação de informação e um interpretador de código. A preparação útil consiste em descrever a finalidade e os argumentos de cada ferramenta, fornecer o material já disponível e especificar o ponto de paragem pretendido. Por exemplo, pode pedir a um assistente de documentação que recupere secções identificadas pelo nome, concilie diferenças e devolva uma explicação atualizada. A aplicação que envolve o modelo executa as ferramentas pedidas e devolve os seus resultados à conversa.
O produtor recomenda temperature de 0,7, top-p de 0,8, top-k de 20 e min-p de 0, com uma extensão de saída de 16 384 tokens para a maioria dos pedidos. São orientações de geração, e não uma afirmação de que todas as respostas podem atingir um máximo fixo. A ficha também nota que uma penalização de presença pode reduzir a saída repetitiva, enquanto valores mais elevados podem introduzir mistura de idiomas e reduzir ligeiramente a qualidade. Um pedido focado e uma estrutura de saída explícita são úteis antes de alterar estes controlos: peça as secções, os campos ou os exemplos exatos necessários e reserve espaço suficiente para eles.
A Qwen documenta uma extensão opcional para 1 010 000 tokens através de uma configuração separada que usa Dual Chunk Attention e atenção esparsa. A janela nativa continua a ser de 262 144 tokens; a definição maior depende da implementação prescrita e dos recursos de memória. A ficha nota explicitamente que as restrições de memória podem exigir um contexto configurado mais curto. Para material extenso, selecione as fontes relevantes, indique a sua prioridade e peça ao modelo que separe as conclusões apoiadas pelo texto fornecido das perguntas por resolver. Isto torna um resultado de contexto longo utilizável sem tratar a capacidade de entrada como substituto de uma tarefa precisa.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen/qwen3-235b-a22b-2507 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.000572 / 1K tokens Saída · Tokens de saída $0.00228 / 1K tokens Entrada · Leitura da cache $0.0001 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.000572 / 1K tokens Saída · Tokens de saída $0.00228 / 1K tokens Entrada · Leitura da cache $0.0001 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-235b-a22b-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-235b-a22b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-235b-a22b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra qwen/qwen3-235b-a22b-2507
Use os caminhos dos métodos indicados acima.
qwen/qwen3-235b-a22b-2507Qwen3-235B-A22B-Instruct-2507 é o modelo textual non-thinking da Qwen para escrita multilingue, programação, cumprimento de instruções e análise documental. Gera respostas diretas sem blocos thinking e tem um contexto nativo de 262 144 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen3-235B-A22B-Instruct-2507 é a edição atualizada de cumprimento de instruções, non-thinking, do grande modelo de mistura de especialistas de Qwen3. A Qwen destaca melhorias na compreensão de texto, no raciocínio lógico, na matemática, na ciência, na programação e no uso de ferramentas, juntamente com conhecimentos multilingues mais amplos e melhor tratamento de escrita aberta. As entradas e as saídas são texto. É útil para transformar um pedido bem definido e material fornecido numa resposta, numa análise, num programa ou num rascunho aperfeiçoado, sem uma secção de thinking gerada separadamente.
O modelo tem 235 mil milhões de parâmetros no total e ativa 22 mil milhões para cada token. O seu contexto nativo é de 262 144 tokens. Um pedido prático com entrada longa pode reunir uma especificação de produto, notas de implementação e uma lista de questões por resolver, solicitando depois uma comparação estruturada ou uma especificação editada. Preserve os títulos de origem e identifique o público pretendido, as secções a alterar e as condições que a saída deve cumprir. Para escrita, inclua o tom, a extensão e os factos exigidos; para programação, inclua as interfaces, o comportamento esperado e o código envolvente.
Esta edição suporta apenas o modo non-thinking e não produz blocos <think>. Não precisa do parâmetro enable_thinking=False do modelo híbrido original, e pedir o modo do modelo Thinking-2507 posterior não altera a sua edição. A saída direta continua a permitir uma explicação, um cálculo ou uma resposta fundamentada quando pedidos. Os exemplos da Qwen uniformizam uma resposta matemática com \\boxed{} e uma resposta de escolha múltipla com um campo de resposta especificado. Instruções explícitas semelhantes podem pedir uma justificação breve seguida de uma recomendação final, ou campos JSON definidos cujos significados sejam dados no prompt.
Para fluxos de agentes, a ficha oficial recomenda Qwen-Agent, com os seus templates e analisadores de chamadas de ferramentas. As ferramentas podem ser definidas individualmente ou através de uma configuração estruturada, e o produtor demonstra recuperação de informação e um interpretador de código. A preparação útil consiste em descrever a finalidade e os argumentos de cada ferramenta, fornecer o material já disponível e especificar o ponto de paragem pretendido. Por exemplo, pode pedir a um assistente de documentação que recupere secções identificadas pelo nome, concilie diferenças e devolva uma explicação atualizada. A aplicação que envolve o modelo executa as ferramentas pedidas e devolve os seus resultados à conversa.
O produtor recomenda temperature de 0,7, top-p de 0,8, top-k de 20 e min-p de 0, com uma extensão de saída de 16 384 tokens para a maioria dos pedidos. São orientações de geração, e não uma afirmação de que todas as respostas podem atingir um máximo fixo. A ficha também nota que uma penalização de presença pode reduzir a saída repetitiva, enquanto valores mais elevados podem introduzir mistura de idiomas e reduzir ligeiramente a qualidade. Um pedido focado e uma estrutura de saída explícita são úteis antes de alterar estes controlos: peça as secções, os campos ou os exemplos exatos necessários e reserve espaço suficiente para eles.
A Qwen documenta uma extensão opcional para 1 010 000 tokens através de uma configuração separada que usa Dual Chunk Attention e atenção esparsa. A janela nativa continua a ser de 262 144 tokens; a definição maior depende da implementação prescrita e dos recursos de memória. A ficha nota explicitamente que as restrições de memória podem exigir um contexto configurado mais curto. Para material extenso, selecione as fontes relevantes, indique a sua prioridade e peça ao modelo que separe as conclusões apoiadas pelo texto fornecido das perguntas por resolver. Isto torna um resultado de contexto longo utilizável sem tratar a capacidade de entrada como substituto de uma tarefa precisa.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen/qwen3-235b-a22b-2507 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.000572 / 1K tokens Saída · Tokens de saída $0.00228 / 1K tokens Entrada · Leitura da cache $0.0001 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.000572 / 1K tokens Saída · Tokens de saída $0.00228 / 1K tokens Entrada · Leitura da cache $0.0001 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qwen/qwen3-235b-a22b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-235b-a22b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-235b-a22b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra qwen/qwen3-235b-a22b-2507
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Update a specification from notes\n\nProduce an updated export specification from these sources. [SPEC] Export all visible rows with headers. [IMPLEMENTATION] Current code exports selected rows only. [DECISION] Users must choose either selected rows or all filtered rows; headers are always included. Decision takes priority. Return the revised requirement, the implementation gap and questions still needed for an empty selection.A revised specification section, a source-labeled gap note and an empty-selection question.Check the two export choices remain distinct and headers stay mandatory.