Destaques: programação à escala do repositório
Qwen3-Coder-30B-A3B-Instruct é um modelo de texto orientado para instruções, destinado a agentes de programação. A Qwen documenta programação, utilização com agentes de navegador e compreensão à escala do repositório, com um formato próprio para chamadas de funções e integração através de fluxos de trabalho como o Qwen Code. A entrada e a saída são texto. Preserve este checkpoint Coder exato, em vez de o substituir pelo Qwen3-30B-A3B-Instruct-2507 de uso geral ou pelo Qwen3-Coder-Next, cujo foco de treino e orientações de geração são diferentes.
O contexto nativo é de 262 144 tokens, e o fabricante descreve uma extensão para aproximadamente um milhão através de YaRN. Um contexto grande permite reunir mais elementos do repositório, mas uma tarefa clara continua a precisar dos módulos, interfaces e requisitos relevantes. Indique o produto esperado e o comportamento observável antes de pedir uma alteração ao código.
Visão geral do modelo
O modelo de mistura de especialistas tem 30,5 mil milhões de parâmetros no total e ativa 3,3 mil milhões. Tem 48 camadas, 128 especialistas e oito especialistas selecionados por token. Os parâmetros totais e os parâmetros ativados têm significados diferentes; o número de parâmetros ativados não corresponde ao tamanho do checkpoint completo. A configuração como modelo de linguagem causal é a de um modelo de texto, não de uma interface de visão ou de voz.
Coder-30B-A3B-Instruct suporta apenas o modo non-thinking e não gera blocos de thinking explícitos. Definir enable_thinking=False é desnecessário no exemplo do fabricante. Pode, ainda assim, explicar um algoritmo ou justificar uma alteração em texto normal. Um pedido de passos de raciocínio não deve ser confundido com a ativação do comportamento Thinking separado de outra edição Qwen.
Preparar um pedido de desenvolvimento
Forneça o código relevante, uma entrada que demonstre o comportamento atual, o resultado observado e a alteração pretendida. Para um algoritmo, especifique as restrições da entrada e a saída necessária antes de pedir uma abordagem. Para uma modificação num repositório, identifique a funcionalidade afetada e as interfaces que a implementação deve preservar. Peça uma alteração editável ou uma função completa separadamente dos comentários explicativos.
Uma resposta útil pode organizar o diagnóstico, a alteração proposta e as verificações necessárias para a analisar. Quando uma tarefa parte de uma referência visual ou de um comportamento gravado, forneça uma representação textual adequada e preserve os identificadores que permitem comparar o resultado com o original. Compare a alteração proposta com o código fornecido, o comportamento esperado e os resultados devolvidos pelas verificações ligadas ao fluxo de trabalho.
Programação com agentes e fluxos de trabalho de navegador
O fabricante destaca as chamadas de ferramentas e um formato de chamadas de funções especialmente concebido. Um fluxo de trabalho com um agente ligado fornece descrições de ferramentas, esquemas de entrada e observações, e executa as operações reais. Defina as ações permitidas e uma condição de conclusão e, em seguida, devolva ao modelo os resultados reais de inspeção ou execução para que possa atualizar a proposta de trabalho.
A capacidade de agente de navegador significa participação num fluxo de trabalho com uma ferramenta de navegador ligada, não acesso automático ao navegador de um utilizador ou às páginas atuais. A mesma distinção aplica-se à inspeção do repositório e à execução de código. Uma ordem proposta, um pedido de ferramenta e uma operação concluída devem permanecer separados no relatório final. Preserve o formato de ferramentas nativo do modelo e o procedimento de interpretação, em vez de assumir que o template de conversa de outro modelo é intercambiável.
Contexto longo e configuração
O fabricante descreve a extensão YaRN do contexto nativo de 262 144 tokens para cerca de um milhão em tarefas à escala do repositório. Use uma configuração de contexto adequada ao material do repositório, reservando espaço para as observações das ferramentas e o resultado. O guia de início rápido também sugere um contexto menor, como 32 768, quando a pressão sobre a memória impede o funcionamento da configuração maior.
Preserve os caminhos do código, os nomes das funções e as definições relevantes numa entrada longa. Remova ficheiros gerados sem relação com a tarefa ou material repetido e reserve espaço para a resposta. O texto-fonte, o histórico, as observações das ferramentas e o código gerado partilham o limite de sequência configurado; a maior entrada possível não deve ser tratada como uma recordação perfeita de todas as dependências.
Orientações de geração
Best Practices recomenda temperature 0,7, top_p 0,8, top_k 20 e uma penalização de repetição de 1,05. A recomendação exata de penalização de repetição difere da de vários outros modelos Qwen e continua a fazer parte da configuração desta edição Coder. A Qwen recomenda um orçamento de geração de 65 536 tokens para a maioria dos pedidos, o que constitui uma recomendação e não um máximo absoluto estabelecido de forma independente.
Indique o idioma e a forma da saída, como uma alteração ao código, uma função completa ou uma explicação, e verifique a sintaxe e as interfaces do produto no fluxo de desenvolvimento real. O exemplo de função do fabricante ilustra o mecanismo da ferramenta; o contrato de uma ferramenta continua a exigir nomes de argumentos e semântica de retorno internamente coerentes na aplicação que a utiliza.
Limitações relevantes e resultado útil
A entrada documentada deste checkpoint é texto. Não estabelece diretamente compreensão de imagens, áudio ou vídeo. O código gerado e uma explicação confiante são produtos provisórios até que o ambiente ligado devolva efetivamente as verificações ou observações relevantes. O resultado útil é uma proposta de implementação que pode ser inspecionada e está ligada às condições do repositório fornecidas, preservando a identidade Coder exata, o modo non-thinking e as orientações de geração do produtor.
", "aboutText": "Destaques: programação à escala do repositório\n\nQwen3-Coder-30B-A3B-Instruct é um modelo de texto orientado para instruções, destinado a agentes de programação. A Qwen documenta programação, utilização com agentes de navegador e compreensão à escala do repositório, com um formato próprio para chamadas de funções e integração através de fluxos de trabalho como o Qwen Code. A entrada e a saída são texto. Preserve este checkpoint Coder exato, em vez de o substituir pelo Qwen3-30B-A3B-Instruct-2507 de uso geral ou pelo Qwen3-Coder-Next, cujo foco de treino e orientações de geração são diferentes.\n\nO contexto nativo é de 262 144 tokens, e o fabricante descreve uma extensão para aproximadamente um milhão através de YaRN. Um contexto grande permite reunir mais elementos do repositório, mas uma tarefa clara continua a precisar dos módulos, interfaces e requisitos relevantes. Indique o produto esperado e o comportamento observável antes de pedir uma alteração ao código.\n\nVisão geral do modelo\n\nO modelo de mistura de especialistas tem 30,5 mil milhões de parâmetros no total e ativa 3,3 mil milhões. Tem 48 camadas, 128 especialistas e oito especialistas selecionados por token. Os parâmetros totais e os parâmetros ativados têm significados diferentes; o número de parâmetros ativados não corresponde ao tamanho do checkpoint completo. A configuração como modelo de linguagem causal é a de um modelo de texto, não de uma interface de visão ou de voz.\n\nCoder-30B-A3B-Instruct suporta apenas o modo non-thinking e não gera blocos de thinking explícitos. Definir enable_thinking=False é desnecessário no exemplo do fabricante. Pode, ainda assim, explicar um algoritmo ou justificar uma alteração em texto normal. Um pedido de passos de raciocínio não deve ser confundido com a ativação do comportamento Thinking separado de outra edição Qwen.\n\nPreparar um pedido de desenvolvimento\n\nForneça o código relevante, uma entrada que demonstre o comportamento atual, o resultado observado e a alteração pretendida. Para um algoritmo, especifique as restrições da entrada e a saída necessária antes de pedir uma abordagem. Para uma modificação num repositório, identifique a funcionalidade afetada e as interfaces que a implementação deve preservar. Peça uma alteração editável ou uma função completa separadamente dos comentários explicativos.\n\nUma resposta útil pode organizar o diagnóstico, a alteração proposta e as verificações necessárias para a analisar. Quando uma tarefa parte de uma referência visual ou de um comportamento gravado, forneça uma representação textual adequada e preserve os identificadores que permitem comparar o resultado com o original. Compare a alteração proposta com o código fornecido, o comportamento esperado e os resultados devolvidos pelas verificações ligadas ao fluxo de trabalho.\n\nProgramação com agentes e fluxos de trabalho de navegador\n\nO fabricante destaca as chamadas de ferramentas e um formato de chamadas de funções especialmente concebido. Um fluxo de trabalho com um agente ligado fornece descrições de ferramentas, esquemas de entrada e observações, e executa as operações reais. Defina as ações permitidas e uma condição de conclusão e, em seguida, devolva ao modelo os resultados reais de inspeção ou execução para que possa atualizar a proposta de trabalho.\n\nA capacidade de agente de navegador significa participação num fluxo de trabalho com uma ferramenta de navegador ligada, não acesso automático ao navegador de um utilizador ou às páginas atuais. A mesma distinção aplica-se à inspeção do repositório e à execução de código. Uma ordem proposta, um pedido de ferramenta e uma operação concluída devem permanecer separados no relatório final. Preserve o formato de ferramentas nativo do modelo e o procedimento de interpretação, em vez de assumir que o template de conversa de outro modelo é intercambiável.\n\nContexto longo e configuração\n\nO fabricante descreve a extensão YaRN do contexto nativo de 262 144 tokens para cerca de um milhão em tarefas à escala do repositório. Use uma configuração de contexto adequada ao material do repositório, reservando espaço para as observações das ferramentas e o resultado. O guia de início rápido também sugere um contexto menor, como 32 768, quando a pressão sobre a memória impede o funcionamento da configuração maior.\n\nPreserve os caminhos do código, os nomes das funções e as definições relevantes numa entrada longa. Remova ficheiros gerados sem relação com a tarefa ou material repetido e reserve espaço para a resposta. O texto-fonte, o histórico, as observações das ferramentas e o código gerado partilham o limite de sequência configurado; a maior entrada possível não deve ser tratada como uma recordação perfeita de todas as dependências.\n\nOrientações de geração\n\nBest Practices recomenda temperature 0,7, top_p 0,8, top_k 20 e uma penalização de repetição de 1,05. A recomendação exata de penalização de repetição difere da de vários outros modelos Qwen e continua a fazer parte da configuração desta edição Coder. A Qwen recomenda um orçamento de geração de 65 536 tokens para a maioria dos pedidos, o que constitui uma recomendação e não um máximo absoluto estabelecido de forma independente.\n\nIndique o idioma e a forma da saída, como uma alteração ao código, uma função completa ou uma explicação, e verifique a sintaxe e as interfaces do produto no fluxo de desenvolvimento real. O exemplo de função do fabricante ilustra o mecanismo da ferramenta; o contrato de uma ferramenta continua a exigir nomes de argumentos e semântica de retorno internamente coerentes na aplicação que a utiliza.\n\nLimitações relevantes e resultado útil\n\nA entrada documentada deste checkpoint é texto. Não estabelece diretamente compreensão de imagens, áudio ou vídeo. O código gerado e uma explicação confiante são produtos provisórios até que o ambiente ligado devolva efetivamente as verificações ou observações relevantes. O resultado útil é uma proposta de implementação que pode ser inspecionada e está ligada às condições do repositório fornecidas, preservando a identidade Coder exata, o modo non-thinking e as orientações de geração do produtor.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct é o modelo textual de programação non-thinking da Qwen, com 30,5 mil milhões de parâmetros no total e 3,3 mil milhões ativados. Destina-se a desenvolvimento à escala do repositório, programação e fluxos de agentes de navegador, com contexto nativo de 262 144 tokens e um formato específico de chamadas de funções.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Destaques: programação à escala do repositório
Qwen3-Coder-30B-A3B-Instruct é um modelo de texto orientado para instruções, destinado a agentes de programação. A Qwen documenta programação, utilização com agentes de navegador e compreensão à escala do repositório, com um formato próprio para chamadas de funções e integração através de fluxos de trabalho como o Qwen Code. A entrada e a saída são texto. Preserve este checkpoint Coder exato, em vez de o substituir pelo Qwen3-30B-A3B-Instruct-2507 de uso geral ou pelo Qwen3-Coder-Next, cujo foco de treino e orientações de geração são diferentes.
O contexto nativo é de 262 144 tokens, e o fabricante descreve uma extensão para aproximadamente um milhão através de YaRN. Um contexto grande permite reunir mais elementos do repositório, mas uma tarefa clara continua a precisar dos módulos, interfaces e requisitos relevantes. Indique o produto esperado e o comportamento observável antes de pedir uma alteração ao código.
Visão geral do modelo
O modelo de mistura de especialistas tem 30,5 mil milhões de parâmetros no total e ativa 3,3 mil milhões. Tem 48 camadas, 128 especialistas e oito especialistas selecionados por token. Os parâmetros totais e os parâmetros ativados têm significados diferentes; o número de parâmetros ativados não corresponde ao tamanho do checkpoint completo. A configuração como modelo de linguagem causal é a de um modelo de texto, não de uma interface de visão ou de voz.
Coder-30B-A3B-Instruct suporta apenas o modo non-thinking e não gera blocos de thinking explícitos. Definir enable_thinking=False é desnecessário no exemplo do fabricante. Pode, ainda assim, explicar um algoritmo ou justificar uma alteração em texto normal. Um pedido de passos de raciocínio não deve ser confundido com a ativação do comportamento Thinking separado de outra edição Qwen.
Preparar um pedido de desenvolvimento
Forneça o código relevante, uma entrada que demonstre o comportamento atual, o resultado observado e a alteração pretendida. Para um algoritmo, especifique as restrições da entrada e a saída necessária antes de pedir uma abordagem. Para uma modificação num repositório, identifique a funcionalidade afetada e as interfaces que a implementação deve preservar. Peça uma alteração editável ou uma função completa separadamente dos comentários explicativos.
Uma resposta útil pode organizar o diagnóstico, a alteração proposta e as verificações necessárias para a analisar. Quando uma tarefa parte de uma referência visual ou de um comportamento gravado, forneça uma representação textual adequada e preserve os identificadores que permitem comparar o resultado com o original. Compare a alteração proposta com o código fornecido, o comportamento esperado e os resultados devolvidos pelas verificações ligadas ao fluxo de trabalho.
Programação com agentes e fluxos de trabalho de navegador
O fabricante destaca as chamadas de ferramentas e um formato de chamadas de funções especialmente concebido. Um fluxo de trabalho com um agente ligado fornece descrições de ferramentas, esquemas de entrada e observações, e executa as operações reais. Defina as ações permitidas e uma condição de conclusão e, em seguida, devolva ao modelo os resultados reais de inspeção ou execução para que possa atualizar a proposta de trabalho.
A capacidade de agente de navegador significa participação num fluxo de trabalho com uma ferramenta de navegador ligada, não acesso automático ao navegador de um utilizador ou às páginas atuais. A mesma distinção aplica-se à inspeção do repositório e à execução de código. Uma ordem proposta, um pedido de ferramenta e uma operação concluída devem permanecer separados no relatório final. Preserve o formato de ferramentas nativo do modelo e o procedimento de interpretação, em vez de assumir que o template de conversa de outro modelo é intercambiável.
Contexto longo e configuração
O fabricante descreve a extensão YaRN do contexto nativo de 262 144 tokens para cerca de um milhão em tarefas à escala do repositório. Use uma configuração de contexto adequada ao material do repositório, reservando espaço para as observações das ferramentas e o resultado. O guia de início rápido também sugere um contexto menor, como 32 768, quando a pressão sobre a memória impede o funcionamento da configuração maior.
Preserve os caminhos do código, os nomes das funções e as definições relevantes numa entrada longa. Remova ficheiros gerados sem relação com a tarefa ou material repetido e reserve espaço para a resposta. O texto-fonte, o histórico, as observações das ferramentas e o código gerado partilham o limite de sequência configurado; a maior entrada possível não deve ser tratada como uma recordação perfeita de todas as dependências.
Orientações de geração
Best Practices recomenda temperature 0,7, top_p 0,8, top_k 20 e uma penalização de repetição de 1,05. A recomendação exata de penalização de repetição difere da de vários outros modelos Qwen e continua a fazer parte da configuração desta edição Coder. A Qwen recomenda um orçamento de geração de 65 536 tokens para a maioria dos pedidos, o que constitui uma recomendação e não um máximo absoluto estabelecido de forma independente.
Indique o idioma e a forma da saída, como uma alteração ao código, uma função completa ou uma explicação, e verifique a sintaxe e as interfaces do produto no fluxo de desenvolvimento real. O exemplo de função do fabricante ilustra o mecanismo da ferramenta; o contrato de uma ferramenta continua a exigir nomes de argumentos e semântica de retorno internamente coerentes na aplicação que a utiliza.
Limitações relevantes e resultado útil
A entrada documentada deste checkpoint é texto. Não estabelece diretamente compreensão de imagens, áudio ou vídeo. O código gerado e uma explicação confiante são produtos provisórios até que o ambiente ligado devolva efetivamente as verificações ou observações relevantes. O resultado útil é uma proposta de implementação que pode ser inspecionada e está ligada às condições do repositório fornecidas, preservando a identidade Coder exata, o modo non-thinking e as orientações de geração do produtor.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen/qwen3-coder-30b-a3b-instruct | 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.0008 / 1K tokens Entrada · Leitura da cache $0 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.0008 / 1K tokens Entrada · Leitura da cache $0 / 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-coder-30b-a3b-instruct", "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-coder-30b-a3b-instruct',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-coder-30b-a3b-instruct',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-coder-30b-a3b-instruct
Use os caminhos dos métodos indicados acima.
qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct é o modelo textual de programação non-thinking da Qwen, com 30,5 mil milhões de parâmetros no total e 3,3 mil milhões ativados. Destina-se a desenvolvimento à escala do repositório, programação e fluxos de agentes de navegador, com contexto nativo de 262 144 tokens e um formato específico de chamadas de funções.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Destaques: programação à escala do repositório
Qwen3-Coder-30B-A3B-Instruct é um modelo de texto orientado para instruções, destinado a agentes de programação. A Qwen documenta programação, utilização com agentes de navegador e compreensão à escala do repositório, com um formato próprio para chamadas de funções e integração através de fluxos de trabalho como o Qwen Code. A entrada e a saída são texto. Preserve este checkpoint Coder exato, em vez de o substituir pelo Qwen3-30B-A3B-Instruct-2507 de uso geral ou pelo Qwen3-Coder-Next, cujo foco de treino e orientações de geração são diferentes.
O contexto nativo é de 262 144 tokens, e o fabricante descreve uma extensão para aproximadamente um milhão através de YaRN. Um contexto grande permite reunir mais elementos do repositório, mas uma tarefa clara continua a precisar dos módulos, interfaces e requisitos relevantes. Indique o produto esperado e o comportamento observável antes de pedir uma alteração ao código.
Visão geral do modelo
O modelo de mistura de especialistas tem 30,5 mil milhões de parâmetros no total e ativa 3,3 mil milhões. Tem 48 camadas, 128 especialistas e oito especialistas selecionados por token. Os parâmetros totais e os parâmetros ativados têm significados diferentes; o número de parâmetros ativados não corresponde ao tamanho do checkpoint completo. A configuração como modelo de linguagem causal é a de um modelo de texto, não de uma interface de visão ou de voz.
Coder-30B-A3B-Instruct suporta apenas o modo non-thinking e não gera blocos de thinking explícitos. Definir enable_thinking=False é desnecessário no exemplo do fabricante. Pode, ainda assim, explicar um algoritmo ou justificar uma alteração em texto normal. Um pedido de passos de raciocínio não deve ser confundido com a ativação do comportamento Thinking separado de outra edição Qwen.
Preparar um pedido de desenvolvimento
Forneça o código relevante, uma entrada que demonstre o comportamento atual, o resultado observado e a alteração pretendida. Para um algoritmo, especifique as restrições da entrada e a saída necessária antes de pedir uma abordagem. Para uma modificação num repositório, identifique a funcionalidade afetada e as interfaces que a implementação deve preservar. Peça uma alteração editável ou uma função completa separadamente dos comentários explicativos.
Uma resposta útil pode organizar o diagnóstico, a alteração proposta e as verificações necessárias para a analisar. Quando uma tarefa parte de uma referência visual ou de um comportamento gravado, forneça uma representação textual adequada e preserve os identificadores que permitem comparar o resultado com o original. Compare a alteração proposta com o código fornecido, o comportamento esperado e os resultados devolvidos pelas verificações ligadas ao fluxo de trabalho.
Programação com agentes e fluxos de trabalho de navegador
O fabricante destaca as chamadas de ferramentas e um formato de chamadas de funções especialmente concebido. Um fluxo de trabalho com um agente ligado fornece descrições de ferramentas, esquemas de entrada e observações, e executa as operações reais. Defina as ações permitidas e uma condição de conclusão e, em seguida, devolva ao modelo os resultados reais de inspeção ou execução para que possa atualizar a proposta de trabalho.
A capacidade de agente de navegador significa participação num fluxo de trabalho com uma ferramenta de navegador ligada, não acesso automático ao navegador de um utilizador ou às páginas atuais. A mesma distinção aplica-se à inspeção do repositório e à execução de código. Uma ordem proposta, um pedido de ferramenta e uma operação concluída devem permanecer separados no relatório final. Preserve o formato de ferramentas nativo do modelo e o procedimento de interpretação, em vez de assumir que o template de conversa de outro modelo é intercambiável.
Contexto longo e configuração
O fabricante descreve a extensão YaRN do contexto nativo de 262 144 tokens para cerca de um milhão em tarefas à escala do repositório. Use uma configuração de contexto adequada ao material do repositório, reservando espaço para as observações das ferramentas e o resultado. O guia de início rápido também sugere um contexto menor, como 32 768, quando a pressão sobre a memória impede o funcionamento da configuração maior.
Preserve os caminhos do código, os nomes das funções e as definições relevantes numa entrada longa. Remova ficheiros gerados sem relação com a tarefa ou material repetido e reserve espaço para a resposta. O texto-fonte, o histórico, as observações das ferramentas e o código gerado partilham o limite de sequência configurado; a maior entrada possível não deve ser tratada como uma recordação perfeita de todas as dependências.
Orientações de geração
Best Practices recomenda temperature 0,7, top_p 0,8, top_k 20 e uma penalização de repetição de 1,05. A recomendação exata de penalização de repetição difere da de vários outros modelos Qwen e continua a fazer parte da configuração desta edição Coder. A Qwen recomenda um orçamento de geração de 65 536 tokens para a maioria dos pedidos, o que constitui uma recomendação e não um máximo absoluto estabelecido de forma independente.
Indique o idioma e a forma da saída, como uma alteração ao código, uma função completa ou uma explicação, e verifique a sintaxe e as interfaces do produto no fluxo de desenvolvimento real. O exemplo de função do fabricante ilustra o mecanismo da ferramenta; o contrato de uma ferramenta continua a exigir nomes de argumentos e semântica de retorno internamente coerentes na aplicação que a utiliza.
Limitações relevantes e resultado útil
A entrada documentada deste checkpoint é texto. Não estabelece diretamente compreensão de imagens, áudio ou vídeo. O código gerado e uma explicação confiante são produtos provisórios até que o ambiente ligado devolva efetivamente as verificações ou observações relevantes. O resultado útil é uma proposta de implementação que pode ser inspecionada e está ligada às condições do repositório fornecidas, preservando a identidade Coder exata, o modo non-thinking e as orientações de geração do produtor.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen/qwen3-coder-30b-a3b-instruct | 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.0008 / 1K tokens Entrada · Leitura da cache $0 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.0008 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-coder-30b-a3b-instruct', '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-coder-30b-a3b-instruct', '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-coder-30b-a3b-instruct
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.