Qwen3-4B aplica o sistema de resposta híbrido da Qwen3 a um modelo de linguagem denso e compacto. O fabricante descreve raciocínio matemático e lógico, geração de código, escrita criativa, interação baseada em papéis e diálogo com vários turnos, além do seguimento de instruções em mais de 100 línguas e dialetos. Uma tarefa editorial ou técnica delimitada é uma forma útil de o utilizar: forneça um fragmento de origem específico e peça uma transformação bem definida, em vez de uma visão geral aberta.
A versão contém quatro mil milhões de parâmetros, dos quais 3,6 mil milhões fora dos embeddings, e tem 36 camadas. A atenção com consultas agrupadas usa 32 cabeças de consulta e oito cabeças de chave/valor. Tanto a entrada como a saída são texto. Esta ficha descreve a versão híbrida original Qwen3-4B, não um modelo Thinking ou Instruct posterior com uma data no nome. Um exemplo prático consiste em transformar uma breve nota de incidente numa passagem de informação operacional com a falha observada, o impacto conhecido e o próximo passo da investigação. Forneça esses factos em campos separados e exija que o modelo assinale informações em falta, em vez de as preencher.
Prepare a instrução e a fonte como partes distintas de uma mensagem de conversação. Para programação, junte uma pequena função, uma entrada representativa e o valor de retorno pretendido, depois peça uma explicação ou uma alteração delimitada. Peça um caso normal e um caso limite como parte da saída. Para escrita, indique o público, a extensão e o vocabulário que deve permanecer inalterado. Para classificação, forneça as etiquetas permitidas, as respetivas definições e uma saída de exemplo; a escolha devolvida deve depois ser verificada face a essa lista. A integração publicada exige um ambiente de execução compatível com Qwen3; a ficha avisa que as versões de Transformers anteriores à 4.51.0 não reconhecem a arquitetura necessária.
As modalidades com e sem raciocínio estão integradas na mesma versão. No modelo de conversação do fabricante, o raciocínio está ativo por predefinição e um interruptor rígido desativa-o. Com o raciocínio ativo, /think e /no_think são instruções flexíveis que podem mudar o comportamento entre turnos; aplica-se a instrução mais recente. Não reativam uma modalidade desativada pelo interruptor rígido. Uma transformação de texto curta pode pedir uma resposta direta, enquanto uma explicação de condições contraditórias pode usar raciocínio. Guarde a resposta final, em vez do texto de raciocínio anterior, como resultado útil de um turno da conversa. Com o raciocínio ativo, mesmo um pedido flexível sem raciocínio mantém um bloco de raciocínio; o conteúdo pode estar vazio. A desativação rígida remove esse bloco.
A ficha do modelo inclui a utilização com agentes e recomenda Qwen-Agent para definições de ferramentas e análise das respostas. Num assistente que classifica um pedido de apoio e depois consulta a descrição de uma categoria, a aplicação disponibilizaria a ferramenta de consulta, executaria qualquer chamada aceite e forneceria o resultado. Defina previamente os argumentos e os campos esperados. Peça um registo final do pedido com a categoria selecionada, uma justificação curta e os campos desconhecidos. Valide o registo e conserve o resultado da ferramenta usado para o criar. O guia Qwen3 também descreve chamadas de ferramentas paralelas e com vários passos, com argumentos representados como objetos e resultados devolvidos à conversa.
A ficha exata indica 32 768 tokens de contexto nativo e documenta a extensão para 131 072 com YaRN. O valor expandido depende da configuração; o redimensionamento estático pode afetar entradas mais curtas. Planeie o pedido completo e a resposta em conjunto. Para uma coleção de notas curtas, identifique cada elemento, peça um identificador de saída correspondente e use um esquema conciso para que o resultado gerado continue a caber. Os exemplos e as recomendações de comprimento de saída da ficha não constituem um limite rígido universal de geração. Na explicação das extensões de treino, a documentação Qwen3 aborda mensagens do assistente com 38 912 tokens em modo de raciocínio e 16 384 sem raciocínio, e recomenda avaliar a qualidade de gerações mais longas. Estes valores são distintos da janela de contexto global e não constituem um limite rígido específico de um endpoint. A ficha explica ainda a alocação posicional predefinida de 40 960 tokens: 8 192 para prompts típicos e 32 768 para a saída. São orientações de configuração do fabricante, separadas do contexto nativo de treino e de qualquer limite do endpoint.
Esta edição tem um aviso adicional sobre repetição persistente. O fabricante remete para a configuração de amostragem recomendada e sugere presence_penalty 1.5 se houver repetição significativa. A orientação geral nota que penalizações mais fortes podem introduzir saídas com mistura de línguas ou reduzir a qualidade; trata-se, portanto, de uma configuração dirigida, não de uma garantia. O modo de raciocínio usa temperatura 0.6, top-p 0.95, top-k 20 e min-p 0; sem raciocínio usa 0.7, 0.8, 20 e 0. Evite a descodificação gulosa no raciocínio, exija uma resposta final claramente delimitada e inspecione o resultado para detetar frases repetidas, campos em falta e terminologia alterada.
", "aboutText": "Qwen3-4B aplica o sistema de resposta híbrido da Qwen3 a um modelo de linguagem denso e compacto. O fabricante descreve raciocínio matemático e lógico, geração de código, escrita criativa, interação baseada em papéis e diálogo com vários turnos, além do seguimento de instruções em mais de 100 línguas e dialetos. Uma tarefa editorial ou técnica delimitada é uma forma útil de o utilizar: forneça um fragmento de origem específico e peça uma transformação bem definida, em vez de uma visão geral aberta.\n\nA versão contém quatro mil milhões de parâmetros, dos quais 3,6 mil milhões fora dos embeddings, e tem 36 camadas. A atenção com consultas agrupadas usa 32 cabeças de consulta e oito cabeças de chave/valor. Tanto a entrada como a saída são texto. Esta ficha descreve a versão híbrida original Qwen3-4B, não um modelo Thinking ou Instruct posterior com uma data no nome. Um exemplo prático consiste em transformar uma breve nota de incidente numa passagem de informação operacional com a falha observada, o impacto conhecido e o próximo passo da investigação. Forneça esses factos em campos separados e exija que o modelo assinale informações em falta, em vez de as preencher.\n\nPrepare a instrução e a fonte como partes distintas de uma mensagem de conversação. Para programação, junte uma pequena função, uma entrada representativa e o valor de retorno pretendido, depois peça uma explicação ou uma alteração delimitada. Peça um caso normal e um caso limite como parte da saída. Para escrita, indique o público, a extensão e o vocabulário que deve permanecer inalterado. Para classificação, forneça as etiquetas permitidas, as respetivas definições e uma saída de exemplo; a escolha devolvida deve depois ser verificada face a essa lista. A integração publicada exige um ambiente de execução compatível com Qwen3; a ficha avisa que as versões de Transformers anteriores à 4.51.0 não reconhecem a arquitetura necessária.\n\nAs modalidades com e sem raciocínio estão integradas na mesma versão. No modelo de conversação do fabricante, o raciocínio está ativo por predefinição e um interruptor rígido desativa-o. Com o raciocínio ativo, /think e /no_think são instruções flexíveis que podem mudar o comportamento entre turnos; aplica-se a instrução mais recente. Não reativam uma modalidade desativada pelo interruptor rígido. Uma transformação de texto curta pode pedir uma resposta direta, enquanto uma explicação de condições contraditórias pode usar raciocínio. Guarde a resposta final, em vez do texto de raciocínio anterior, como resultado útil de um turno da conversa. Com o raciocínio ativo, mesmo um pedido flexível sem raciocínio mantém um bloco de raciocínio; o conteúdo pode estar vazio. A desativação rígida remove esse bloco.\n\nA ficha do modelo inclui a utilização com agentes e recomenda Qwen-Agent para definições de ferramentas e análise das respostas. Num assistente que classifica um pedido de apoio e depois consulta a descrição de uma categoria, a aplicação disponibilizaria a ferramenta de consulta, executaria qualquer chamada aceite e forneceria o resultado. Defina previamente os argumentos e os campos esperados. Peça um registo final do pedido com a categoria selecionada, uma justificação curta e os campos desconhecidos. Valide o registo e conserve o resultado da ferramenta usado para o criar. O guia Qwen3 também descreve chamadas de ferramentas paralelas e com vários passos, com argumentos representados como objetos e resultados devolvidos à conversa.\n\nA ficha exata indica 32 768 tokens de contexto nativo e documenta a extensão para 131 072 com YaRN. O valor expandido depende da configuração; o redimensionamento estático pode afetar entradas mais curtas. Planeie o pedido completo e a resposta em conjunto. Para uma coleção de notas curtas, identifique cada elemento, peça um identificador de saída correspondente e use um esquema conciso para que o resultado gerado continue a caber. Os exemplos e as recomendações de comprimento de saída da ficha não constituem um limite rígido universal de geração. Na explicação das extensões de treino, a documentação Qwen3 aborda mensagens do assistente com 38 912 tokens em modo de raciocínio e 16 384 sem raciocínio, e recomenda avaliar a qualidade de gerações mais longas. Estes valores são distintos da janela de contexto global e não constituem um limite rígido específico de um endpoint. A ficha explica ainda a alocação posicional predefinida de 40 960 tokens: 8 192 para prompts típicos e 32 768 para a saída. São orientações de configuração do fabricante, separadas do contexto nativo de treino e de qualquer limite do endpoint.\n\nEsta edição tem um aviso adicional sobre repetição persistente. O fabricante remete para a configuração de amostragem recomendada e sugere presence_penalty 1.5 se houver repetição significativa. A orientação geral nota que penalizações mais fortes podem introduzir saídas com mistura de línguas ou reduzir a qualidade; trata-se, portanto, de uma configuração dirigida, não de uma garantia. O modo de raciocínio usa temperatura 0.6, top-p 0.95, top-k 20 e min-p 0; sem raciocínio usa 0.7, 0.8, 20 e 0. Evite a descodificação gulosa no raciocínio, exija uma resposta final claramente delimitada e inspecione o resultado para detetar frases repetidas, campos em falta e terminologia alterada.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Turn an incident note into a handoff\n\nTurn these facts into an operational handoff. Observed failure: report export stops with Disk full. Known impact: exports for Team C failed; other teams were not checked. Last completed step: temporary files listed, none deleted. Next step: identify approved cleanup candidates. Use four labelled lines and do not invent a restoration time or wider impact.Four labelled lines: Failure, Confirmed impact, Completed work and Next step.Check that listing files is not reported as deleting them and untested teams remain outside confirmed impact.qwen3-4bQwen3-4B é um modelo de texto de quatro mil milhões de parâmetros para seguir instruções, diálogo multilingue e código. O seu desenho híbrido admite respostas diretas e um modo de raciocínio, com orientações específicas desta edição para controlar a repetição.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen3-4B aplica o sistema de resposta híbrido da Qwen3 a um modelo de linguagem denso e compacto. O fabricante descreve raciocínio matemático e lógico, geração de código, escrita criativa, interação baseada em papéis e diálogo com vários turnos, além do seguimento de instruções em mais de 100 línguas e dialetos. Uma tarefa editorial ou técnica delimitada é uma forma útil de o utilizar: forneça um fragmento de origem específico e peça uma transformação bem definida, em vez de uma visão geral aberta.
A versão contém quatro mil milhões de parâmetros, dos quais 3,6 mil milhões fora dos embeddings, e tem 36 camadas. A atenção com consultas agrupadas usa 32 cabeças de consulta e oito cabeças de chave/valor. Tanto a entrada como a saída são texto. Esta ficha descreve a versão híbrida original Qwen3-4B, não um modelo Thinking ou Instruct posterior com uma data no nome. Um exemplo prático consiste em transformar uma breve nota de incidente numa passagem de informação operacional com a falha observada, o impacto conhecido e o próximo passo da investigação. Forneça esses factos em campos separados e exija que o modelo assinale informações em falta, em vez de as preencher.
Prepare a instrução e a fonte como partes distintas de uma mensagem de conversação. Para programação, junte uma pequena função, uma entrada representativa e o valor de retorno pretendido, depois peça uma explicação ou uma alteração delimitada. Peça um caso normal e um caso limite como parte da saída. Para escrita, indique o público, a extensão e o vocabulário que deve permanecer inalterado. Para classificação, forneça as etiquetas permitidas, as respetivas definições e uma saída de exemplo; a escolha devolvida deve depois ser verificada face a essa lista. A integração publicada exige um ambiente de execução compatível com Qwen3; a ficha avisa que as versões de Transformers anteriores à 4.51.0 não reconhecem a arquitetura necessária.
As modalidades com e sem raciocínio estão integradas na mesma versão. No modelo de conversação do fabricante, o raciocínio está ativo por predefinição e um interruptor rígido desativa-o. Com o raciocínio ativo, /think e /no_think são instruções flexíveis que podem mudar o comportamento entre turnos; aplica-se a instrução mais recente. Não reativam uma modalidade desativada pelo interruptor rígido. Uma transformação de texto curta pode pedir uma resposta direta, enquanto uma explicação de condições contraditórias pode usar raciocínio. Guarde a resposta final, em vez do texto de raciocínio anterior, como resultado útil de um turno da conversa. Com o raciocínio ativo, mesmo um pedido flexível sem raciocínio mantém um bloco de raciocínio; o conteúdo pode estar vazio. A desativação rígida remove esse bloco.
A ficha do modelo inclui a utilização com agentes e recomenda Qwen-Agent para definições de ferramentas e análise das respostas. Num assistente que classifica um pedido de apoio e depois consulta a descrição de uma categoria, a aplicação disponibilizaria a ferramenta de consulta, executaria qualquer chamada aceite e forneceria o resultado. Defina previamente os argumentos e os campos esperados. Peça um registo final do pedido com a categoria selecionada, uma justificação curta e os campos desconhecidos. Valide o registo e conserve o resultado da ferramenta usado para o criar. O guia Qwen3 também descreve chamadas de ferramentas paralelas e com vários passos, com argumentos representados como objetos e resultados devolvidos à conversa.
A ficha exata indica 32 768 tokens de contexto nativo e documenta a extensão para 131 072 com YaRN. O valor expandido depende da configuração; o redimensionamento estático pode afetar entradas mais curtas. Planeie o pedido completo e a resposta em conjunto. Para uma coleção de notas curtas, identifique cada elemento, peça um identificador de saída correspondente e use um esquema conciso para que o resultado gerado continue a caber. Os exemplos e as recomendações de comprimento de saída da ficha não constituem um limite rígido universal de geração. Na explicação das extensões de treino, a documentação Qwen3 aborda mensagens do assistente com 38 912 tokens em modo de raciocínio e 16 384 sem raciocínio, e recomenda avaliar a qualidade de gerações mais longas. Estes valores são distintos da janela de contexto global e não constituem um limite rígido específico de um endpoint. A ficha explica ainda a alocação posicional predefinida de 40 960 tokens: 8 192 para prompts típicos e 32 768 para a saída. São orientações de configuração do fabricante, separadas do contexto nativo de treino e de qualquer limite do endpoint.
Esta edição tem um aviso adicional sobre repetição persistente. O fabricante remete para a configuração de amostragem recomendada e sugere presence_penalty 1.5 se houver repetição significativa. A orientação geral nota que penalizações mais fortes podem introduzir saídas com mistura de línguas ou reduzir a qualidade; trata-se, portanto, de uma configuração dirigida, não de uma garantia. O modo de raciocínio usa temperatura 0.6, top-p 0.95, top-k 20 e min-p 0; sem raciocínio usa 0.7, 0.8, 20 e 0. Evite a descodificação gulosa no raciocínio, exija uma resposta final claramente delimitada e inspecione o resultado para detetar frases repetidas, campos em falta e terminologia alterada.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen3-4b | 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.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.0001 / 1K tokens Saída · Tokens de saída $0.001 / 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": "qwen3-4b", "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='qwen3-4b',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='qwen3-4b',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 qwen3-4b
Use os caminhos dos métodos indicados acima.
qwen3-4bQwen3-4B é um modelo de texto de quatro mil milhões de parâmetros para seguir instruções, diálogo multilingue e código. O seu desenho híbrido admite respostas diretas e um modo de raciocínio, com orientações específicas desta edição para controlar a repetição.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen3-4B aplica o sistema de resposta híbrido da Qwen3 a um modelo de linguagem denso e compacto. O fabricante descreve raciocínio matemático e lógico, geração de código, escrita criativa, interação baseada em papéis e diálogo com vários turnos, além do seguimento de instruções em mais de 100 línguas e dialetos. Uma tarefa editorial ou técnica delimitada é uma forma útil de o utilizar: forneça um fragmento de origem específico e peça uma transformação bem definida, em vez de uma visão geral aberta.
A versão contém quatro mil milhões de parâmetros, dos quais 3,6 mil milhões fora dos embeddings, e tem 36 camadas. A atenção com consultas agrupadas usa 32 cabeças de consulta e oito cabeças de chave/valor. Tanto a entrada como a saída são texto. Esta ficha descreve a versão híbrida original Qwen3-4B, não um modelo Thinking ou Instruct posterior com uma data no nome. Um exemplo prático consiste em transformar uma breve nota de incidente numa passagem de informação operacional com a falha observada, o impacto conhecido e o próximo passo da investigação. Forneça esses factos em campos separados e exija que o modelo assinale informações em falta, em vez de as preencher.
Prepare a instrução e a fonte como partes distintas de uma mensagem de conversação. Para programação, junte uma pequena função, uma entrada representativa e o valor de retorno pretendido, depois peça uma explicação ou uma alteração delimitada. Peça um caso normal e um caso limite como parte da saída. Para escrita, indique o público, a extensão e o vocabulário que deve permanecer inalterado. Para classificação, forneça as etiquetas permitidas, as respetivas definições e uma saída de exemplo; a escolha devolvida deve depois ser verificada face a essa lista. A integração publicada exige um ambiente de execução compatível com Qwen3; a ficha avisa que as versões de Transformers anteriores à 4.51.0 não reconhecem a arquitetura necessária.
As modalidades com e sem raciocínio estão integradas na mesma versão. No modelo de conversação do fabricante, o raciocínio está ativo por predefinição e um interruptor rígido desativa-o. Com o raciocínio ativo, /think e /no_think são instruções flexíveis que podem mudar o comportamento entre turnos; aplica-se a instrução mais recente. Não reativam uma modalidade desativada pelo interruptor rígido. Uma transformação de texto curta pode pedir uma resposta direta, enquanto uma explicação de condições contraditórias pode usar raciocínio. Guarde a resposta final, em vez do texto de raciocínio anterior, como resultado útil de um turno da conversa. Com o raciocínio ativo, mesmo um pedido flexível sem raciocínio mantém um bloco de raciocínio; o conteúdo pode estar vazio. A desativação rígida remove esse bloco.
A ficha do modelo inclui a utilização com agentes e recomenda Qwen-Agent para definições de ferramentas e análise das respostas. Num assistente que classifica um pedido de apoio e depois consulta a descrição de uma categoria, a aplicação disponibilizaria a ferramenta de consulta, executaria qualquer chamada aceite e forneceria o resultado. Defina previamente os argumentos e os campos esperados. Peça um registo final do pedido com a categoria selecionada, uma justificação curta e os campos desconhecidos. Valide o registo e conserve o resultado da ferramenta usado para o criar. O guia Qwen3 também descreve chamadas de ferramentas paralelas e com vários passos, com argumentos representados como objetos e resultados devolvidos à conversa.
A ficha exata indica 32 768 tokens de contexto nativo e documenta a extensão para 131 072 com YaRN. O valor expandido depende da configuração; o redimensionamento estático pode afetar entradas mais curtas. Planeie o pedido completo e a resposta em conjunto. Para uma coleção de notas curtas, identifique cada elemento, peça um identificador de saída correspondente e use um esquema conciso para que o resultado gerado continue a caber. Os exemplos e as recomendações de comprimento de saída da ficha não constituem um limite rígido universal de geração. Na explicação das extensões de treino, a documentação Qwen3 aborda mensagens do assistente com 38 912 tokens em modo de raciocínio e 16 384 sem raciocínio, e recomenda avaliar a qualidade de gerações mais longas. Estes valores são distintos da janela de contexto global e não constituem um limite rígido específico de um endpoint. A ficha explica ainda a alocação posicional predefinida de 40 960 tokens: 8 192 para prompts típicos e 32 768 para a saída. São orientações de configuração do fabricante, separadas do contexto nativo de treino e de qualquer limite do endpoint.
Esta edição tem um aviso adicional sobre repetição persistente. O fabricante remete para a configuração de amostragem recomendada e sugere presence_penalty 1.5 se houver repetição significativa. A orientação geral nota que penalizações mais fortes podem introduzir saídas com mistura de línguas ou reduzir a qualidade; trata-se, portanto, de uma configuração dirigida, não de uma garantia. O modo de raciocínio usa temperatura 0.6, top-p 0.95, top-k 20 e min-p 0; sem raciocínio usa 0.7, 0.8, 20 e 0. Evite a descodificação gulosa no raciocínio, exija uma resposta final claramente delimitada e inspecione o resultado para detetar frases repetidas, campos em falta e terminologia alterada.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen3-4b | 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.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.0001 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qwen3-4b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-4b', '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': 'qwen3-4b', '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 qwen3-4b
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Turn an incident note into a handoff\n\nTurn these facts into an operational handoff. Observed failure: report export stops with Disk full. Known impact: exports for Team C failed; other teams were not checked. Last completed step: temporary files listed, none deleted. Next step: identify approved cleanup candidates. Use four labelled lines and do not invent a restoration time or wider impact.Four labelled lines: Failure, Confirmed impact, Completed work and Next step.Check that listing files is not reported as deleting them and untested teams remain outside confirmed impact.