Qwen3-235B-A22B-Thinking-2507 развивает ветвь рассуждения Qwen3 для сложных логических, математических, научных и программных задач. Qwen также называет следование инструкциям, инструменты, генерацию текста и понимание длинного контекста областями улучшения этой редакции. Она принимает текстовые беседы и генерирует текст. Полезное задание содержит полную задачу, свидетельства, ограничения и точную форму итога: доказательство, план реализации, исправленную программу или решение по предоставленным документам.
Архитектура модели — смесь экспертов с 235 миллиардами параметров, из которых 22 миллиарда активируются на токен. Нативный контекст — 262 144 токена. Это позволяет объединять связанные спецификации, исходные файлы или исследовательские фрагменты в одной беседе, оставив место для рассуждения и ответа. Обозначайте документы и блоки кода, приоритеты источников и важные разделы. Например, анализ программы может предоставлять сбой, ожидаемое поведение, нужные функции и ограничения, затем запрашивать предложенное исправление с отдельно перечисленными предположениями.
Это редакция только с рассуждением. Она не переключается в режим без рассуждения исходной Qwen3. Официальный чат-шаблон автоматически начинает раздел рассуждения, поэтому сгенерированный текст может содержать закрывающий </think> без открывающего маркера. Пример производителя отделяет этот раздел от итогового ответа. Для математики Qwen рекомендует пошаговое рассуждение и итог внутри \\boxed{}. Для вопроса с вариантами выбора — поле ответа только с выбранной буквой. Эти инструкции облегчают чтение или обработку результата после завершения рассуждения.
Рекомендации Qwen — temperature 0,6, top-p 0,95, top-k 20 и min-p 0. Для большинства запросов рекомендован бюджет вывода 32 768 токенов, а для исключительно сложных математических и программных задач описан бюджет 81 920. Это рекомендации производителя по генерации, а не отдельный гарантированный предел ответа. Длинному рассуждению нужно место до итога: слишком малый бюджет может оборвать ответ до нужного вывода. В последующих ходах официальное руководство сохраняет итог в истории и опускает предыдущее рассуждение.
Для агентной работы Qwen рекомендует Qwen-Agent с шаблонами и парсерами вызова инструментов. Примеры соединяют заданные инструменты поиска информации и интерпретатора кода с беседой модели. Перед планированием инструментов задайте их описания, условие остановки и необходимый результат. Практический исследовательский запрос может требовать собрать определённые свидетельства, сравнить объяснения и вернуть вывод с материалом, организованным по источникам. Вызовы описывают работу для выполнения приложением; сам текст модели не является внешним действием или его результатом.
Официальная карточка также описывает необязательное расширение контекста примерно до миллиона токенов через отдельную конфигурацию, Dual Chunk Attention и разреженное внимание. Это отличается от нативного окна 262 144 и зависит от предписанной реализации и значительных ресурсов памяти. Производитель предупреждает, что ограничения контекста и памяти могут требовать более коротких последовательностей. Для обычных длинных документов организуйте ввод вокруг фактического вопроса, сохраняйте границы документов и запрашивайте краткий итог с обозначением неразрешённых свидетельств. Так полезный результат остаётся отдельным от потенциально длинного рассуждения.
", "aboutText": "Qwen3-235B-A22B-Thinking-2507 развивает ветвь рассуждения Qwen3 для сложных логических, математических, научных и программных задач. Qwen также называет следование инструкциям, инструменты, генерацию текста и понимание длинного контекста областями улучшения этой редакции. Она принимает текстовые беседы и генерирует текст. Полезное задание содержит полную задачу, свидетельства, ограничения и точную форму итога: доказательство, план реализации, исправленную программу или решение по предоставленным документам.\n\nАрхитектура модели — смесь экспертов с 235 миллиардами параметров, из которых 22 миллиарда активируются на токен. Нативный контекст — 262 144 токена. Это позволяет объединять связанные спецификации, исходные файлы или исследовательские фрагменты в одной беседе, оставив место для рассуждения и ответа. Обозначайте документы и блоки кода, приоритеты источников и важные разделы. Например, анализ программы может предоставлять сбой, ожидаемое поведение, нужные функции и ограничения, затем запрашивать предложенное исправление с отдельно перечисленными предположениями.\n\nЭто редакция только с рассуждением. Она не переключается в режим без рассуждения исходной Qwen3. Официальный чат-шаблон автоматически начинает раздел рассуждения, поэтому сгенерированный текст может содержать закрывающий без открывающего маркера. Пример производителя отделяет этот раздел от итогового ответа. Для математики Qwen рекомендует пошаговое рассуждение и итог внутри \\boxed{}. Для вопроса с вариантами выбора — поле ответа только с выбранной буквой. Эти инструкции облегчают чтение или обработку результата после завершения рассуждения.\n\nРекомендации Qwen — temperature 0,6, top-p 0,95, top-k 20 и min-p 0. Для большинства запросов рекомендован бюджет вывода 32 768 токенов, а для исключительно сложных математических и программных задач описан бюджет 81 920. Это рекомендации производителя по генерации, а не отдельный гарантированный предел ответа. Длинному рассуждению нужно место до итога: слишком малый бюджет может оборвать ответ до нужного вывода. В последующих ходах официальное руководство сохраняет итог в истории и опускает предыдущее рассуждение.\n\nДля агентной работы Qwen рекомендует Qwen-Agent с шаблонами и парсерами вызова инструментов. Примеры соединяют заданные инструменты поиска информации и интерпретатора кода с беседой модели. Перед планированием инструментов задайте их описания, условие остановки и необходимый результат. Практический исследовательский запрос может требовать собрать определённые свидетельства, сравнить объяснения и вернуть вывод с материалом, организованным по источникам. Вызовы описывают работу для выполнения приложением; сам текст модели не является внешним действием или его результатом.\n\nОфициальная карточка также описывает необязательное расширение контекста примерно до миллиона токенов через отдельную конфигурацию, Dual Chunk Attention и разреженное внимание. Это отличается от нативного окна 262 144 и зависит от предписанной реализации и значительных ресурсов памяти. Производитель предупреждает, что ограничения контекста и памяти могут требовать более коротких последовательностей. Для обычных длинных документов организуйте ввод вокруг фактического вопроса, сохраняйте границы документов и запрашивайте краткий итог с обозначением неразрешённых свидетельств. Так полезный результат остаётся отдельным от потенциально длинного рассуждения.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507 — текстовая модель Qwen только с рассуждением для сложной математики, науки, кода и анализа длинных документов. Нативный контекст 262 144 токена и развёрнутое рассуждение подходят для задач с несколькими связанными шагами.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Qwen3-235B-A22B-Thinking-2507 развивает ветвь рассуждения Qwen3 для сложных логических, математических, научных и программных задач. Qwen также называет следование инструкциям, инструменты, генерацию текста и понимание длинного контекста областями улучшения этой редакции. Она принимает текстовые беседы и генерирует текст. Полезное задание содержит полную задачу, свидетельства, ограничения и точную форму итога: доказательство, план реализации, исправленную программу или решение по предоставленным документам.
Архитектура модели — смесь экспертов с 235 миллиардами параметров, из которых 22 миллиарда активируются на токен. Нативный контекст — 262 144 токена. Это позволяет объединять связанные спецификации, исходные файлы или исследовательские фрагменты в одной беседе, оставив место для рассуждения и ответа. Обозначайте документы и блоки кода, приоритеты источников и важные разделы. Например, анализ программы может предоставлять сбой, ожидаемое поведение, нужные функции и ограничения, затем запрашивать предложенное исправление с отдельно перечисленными предположениями.
Это редакция только с рассуждением. Она не переключается в режим без рассуждения исходной Qwen3. Официальный чат-шаблон автоматически начинает раздел рассуждения, поэтому сгенерированный текст может содержать закрывающий </think> без открывающего маркера. Пример производителя отделяет этот раздел от итогового ответа. Для математики Qwen рекомендует пошаговое рассуждение и итог внутри \\boxed{}. Для вопроса с вариантами выбора — поле ответа только с выбранной буквой. Эти инструкции облегчают чтение или обработку результата после завершения рассуждения.
Рекомендации Qwen — temperature 0,6, top-p 0,95, top-k 20 и min-p 0. Для большинства запросов рекомендован бюджет вывода 32 768 токенов, а для исключительно сложных математических и программных задач описан бюджет 81 920. Это рекомендации производителя по генерации, а не отдельный гарантированный предел ответа. Длинному рассуждению нужно место до итога: слишком малый бюджет может оборвать ответ до нужного вывода. В последующих ходах официальное руководство сохраняет итог в истории и опускает предыдущее рассуждение.
Для агентной работы Qwen рекомендует Qwen-Agent с шаблонами и парсерами вызова инструментов. Примеры соединяют заданные инструменты поиска информации и интерпретатора кода с беседой модели. Перед планированием инструментов задайте их описания, условие остановки и необходимый результат. Практический исследовательский запрос может требовать собрать определённые свидетельства, сравнить объяснения и вернуть вывод с материалом, организованным по источникам. Вызовы описывают работу для выполнения приложением; сам текст модели не является внешним действием или его результатом.
Официальная карточка также описывает необязательное расширение контекста примерно до миллиона токенов через отдельную конфигурацию, Dual Chunk Attention и разреженное внимание. Это отличается от нативного окна 262 144 и зависит от предписанной реализации и значительных ресурсов памяти. Производитель предупреждает, что ограничения контекста и памяти могут требовать более коротких последовательностей. Для обычных длинных документов организуйте ввод вокруг фактического вопроса, сохраняйте границы документов и запрашивайте краткий итог с обозначением неразрешённых свидетельств. Так полезный результат остаётся отдельным от потенциально длинного рассуждения.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen/qwen3-235b-a22b-thinking-2507 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0009 / 1K токенов Выход · Выходные токены $0.007 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0009 / 1K токенов Выход · Выходные токены $0.007 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${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-thinking-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-thinking-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-thinking-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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra qwen/qwen3-235b-a22b-thinking-2507
Используйте пути методов, указанные выше.
qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507 — текстовая модель Qwen только с рассуждением для сложной математики, науки, кода и анализа длинных документов. Нативный контекст 262 144 токена и развёрнутое рассуждение подходят для задач с несколькими связанными шагами.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Qwen3-235B-A22B-Thinking-2507 развивает ветвь рассуждения Qwen3 для сложных логических, математических, научных и программных задач. Qwen также называет следование инструкциям, инструменты, генерацию текста и понимание длинного контекста областями улучшения этой редакции. Она принимает текстовые беседы и генерирует текст. Полезное задание содержит полную задачу, свидетельства, ограничения и точную форму итога: доказательство, план реализации, исправленную программу или решение по предоставленным документам.
Архитектура модели — смесь экспертов с 235 миллиардами параметров, из которых 22 миллиарда активируются на токен. Нативный контекст — 262 144 токена. Это позволяет объединять связанные спецификации, исходные файлы или исследовательские фрагменты в одной беседе, оставив место для рассуждения и ответа. Обозначайте документы и блоки кода, приоритеты источников и важные разделы. Например, анализ программы может предоставлять сбой, ожидаемое поведение, нужные функции и ограничения, затем запрашивать предложенное исправление с отдельно перечисленными предположениями.
Это редакция только с рассуждением. Она не переключается в режим без рассуждения исходной Qwen3. Официальный чат-шаблон автоматически начинает раздел рассуждения, поэтому сгенерированный текст может содержать закрывающий </think> без открывающего маркера. Пример производителя отделяет этот раздел от итогового ответа. Для математики Qwen рекомендует пошаговое рассуждение и итог внутри \\boxed{}. Для вопроса с вариантами выбора — поле ответа только с выбранной буквой. Эти инструкции облегчают чтение или обработку результата после завершения рассуждения.
Рекомендации Qwen — temperature 0,6, top-p 0,95, top-k 20 и min-p 0. Для большинства запросов рекомендован бюджет вывода 32 768 токенов, а для исключительно сложных математических и программных задач описан бюджет 81 920. Это рекомендации производителя по генерации, а не отдельный гарантированный предел ответа. Длинному рассуждению нужно место до итога: слишком малый бюджет может оборвать ответ до нужного вывода. В последующих ходах официальное руководство сохраняет итог в истории и опускает предыдущее рассуждение.
Для агентной работы Qwen рекомендует Qwen-Agent с шаблонами и парсерами вызова инструментов. Примеры соединяют заданные инструменты поиска информации и интерпретатора кода с беседой модели. Перед планированием инструментов задайте их описания, условие остановки и необходимый результат. Практический исследовательский запрос может требовать собрать определённые свидетельства, сравнить объяснения и вернуть вывод с материалом, организованным по источникам. Вызовы описывают работу для выполнения приложением; сам текст модели не является внешним действием или его результатом.
Официальная карточка также описывает необязательное расширение контекста примерно до миллиона токенов через отдельную конфигурацию, Dual Chunk Attention и разреженное внимание. Это отличается от нативного окна 262 144 и зависит от предписанной реализации и значительных ресурсов памяти. Производитель предупреждает, что ограничения контекста и памяти могут требовать более коротких последовательностей. Для обычных длинных документов организуйте ввод вокруг фактического вопроса, сохраняйте границы документов и запрашивайте краткий итог с обозначением неразрешённых свидетельств. Так полезный результат остаётся отдельным от потенциально длинного рассуждения.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen/qwen3-235b-a22b-thinking-2507 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0009 / 1K токенов Выход · Выходные токены $0.007 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0009 / 1K токенов Выход · Выходные токены $0.007 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "qwen/qwen3-235b-a22b-thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-thinking-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-thinking-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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra qwen/qwen3-235b-a22b-thinking-2507
Используйте пути методов, указанные выше.
Технический пример на английском
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.