Возможности Qwen3.6: программирование и непрерывность рассуждений
Qwen3.6-35B-A3B — визуально-языковая модель, ориентированная на полезную работу с кодом и агентами. Qwen выделяет усиленные процессы разработки фронтенда и рассуждение на уровне репозитория, а также новую возможность сохранять размышление из предыдущих сообщений. Она принимает текст, изображения и видео и возвращает текст: объяснение, предложение кода, структурированный анализ или другой запрошенный текстовый артефакт. Сохраняйте конкретный выпуск 35B-A3B, не принимая его за плотную Qwen3.6-27B или более ранний аналог Qwen3.5.
Для задачи фронтенда предоставьте соответствующий снимок экрана, функциональные требования и контекст существующего кода. Запросите редактируемый исходный код и описание задуманных состояний и взаимодействий. Для задачи по репозиторию определите затронутую функцию, вход, выявляющий проблему, и ожидаемое поведение. Запросите предлагаемый патч с предположениями и соответствующими проверками.
Обзор модели
Модель со смесью экспертов имеет 35 миллиардов параметров в целом и активирует три миллиарда. Её гибридная структура из 40 слоёв повторяет три экспертных слоя Gated DeltaNet с последующим одним экспертным слоем внимания с гейтированием. В ней 256 маршрутизируемых экспертов, из которых выбираются восемь вместе с одним общим; предсказание нескольких токенов входит в обучение. Меньшее активируемое число не описывает полный размер версии. Визуальный кодировщик обеспечивает визуальную часть модели.
Собственный контекст составляет 262,144 токена, с условным расширением до 1,010,000. Разработчик рекомендует по возможности сохранять контекст не менее 128K для сложных задач размышления, даже если его сокращение снизило бы нагрузку на память. Исходный текст, представленные визуальные данные, предыдущие сообщения, рассуждение и окончательный ответ делят настроенный бюджет последовательности.
Использование входов и режимов ответа
Карточка показывает вопросы с текстом, изображениями и видео. Для схемы или страницы сохраняйте подписи и определяйте точный вопрос. Для фрагмента сохраняйте время и указывайте интересующее событие. Поддерживаемый пример видео разработчика по умолчанию использует два кадра в секунду и позволяет настраивать выборку. Рекомендуемый рецепт расширяет бюджет видеопроцессора примерно до 224K видеотокенов для анализа видео часовой длительности с более частой выборкой кадров; это пример конфигурации, а не жёсткий универсальный предел длительности фрагмента.
Размышление включено по умолчанию. Параметр разработчика enable_thinking может отключить его для прямого ответа. Qwen3.6 официально не поддерживает более ранние мягкие переключатели запросов Qwen3 /think и /nothink. При представлении результата отделяйте рассуждение от итогового артефакта и следуйте собственному интерфейсу этой версии, не предполагая применимость маркеров или настроек другого поколения.
Сохранение предыдущего размышления
По умолчанию шаблон сохраняет блоки размышления, связанные с последним сообщением пользователя. Qwen3.6 дополнительно обучена использовать предыдущие рассуждения при включённом preserve_thinking. Явный пример задаёт этой опции значение true. Это может помогать итеративной агентной задаче сохранять контекст решений вместо повторного вывода прежнего выбора; это также меняет объём истории, который несёт запрос. Доступность опции зависит от интерфейса, предоставляющего рецепт разработчика.
Агентное использование
Qwen документирует вызов инструментов и рекомендует Qwen-Agent для их настройки, включая инструменты, подключённые через MCP. Qwen Code — ещё один документированный разработчиком процесс агента для программирования. Определите разрешённые инструменты, цель задачи и ожидаемый результат, затем возвращайте модели фактические наблюдения инструментов. Модель может рассуждать о результате и пересматривать план; доступ к файлам или средам исполнения приходит от подключённого приложения, а не от названия модели.
Сверхдлинный текст
Документированное расширение контекста использует YaRN с чередующимися позиционными настройками версии. Коэффициент четыре нацелен на процесс примерно с миллионом токенов; для нагрузки в 524,288 токенов Qwen предлагает коэффициент два. Статическое масштабирование может влиять на работу с более коротким текстом, поэтому разработчик рекомендует менять его, когда нужен более длинный контекст. Сохраняйте идентификаторы разделов и кода в большом входе и просите показывать, какие свидетельства поддерживают каждый вывод.
Рекомендации и ограничения генерации
Для общего размышления разработчик рекомендует temperature 1.0, top_p 0.95, top_k 20, min_p 0, штраф за присутствие 1.5 и штраф за повторение 1.0. Для точного программирования temperature становится 0.6, а штраф за присутствие — нулём. Для прямых ответов рекомендуются temperature 0.7, top_p 0.8 и штраф за присутствие 1.5, с неизменными остальными значениями. Более высокие штрафы за присутствие могут уменьшать повторения, но способны смешивать языки или немного снижать качество.
Qwen рекомендует бюджет генерации в 32,768 токенов для большинства вопросов и 81,920 для необычно сложных математических задач или программирования. Это рекомендации, а не отдельно установленные жёсткие пределы вывода. Явно задавайте итоговый формат и сверяйте код, расчёты и извлечённые визуальные детали с источником. Непрерывность рассуждений и длинный контекст помогают сохранять свидетельства задачи, а проверяемый итоговый артефакт делает результат полезным.
", "aboutText": "Возможности Qwen3.6: программирование и непрерывность рассуждений\n\nQwen3.6-35B-A3B — визуально-языковая модель, ориентированная на полезную работу с кодом и агентами. Qwen выделяет усиленные процессы разработки фронтенда и рассуждение на уровне репозитория, а также новую возможность сохранять размышление из предыдущих сообщений. Она принимает текст, изображения и видео и возвращает текст: объяснение, предложение кода, структурированный анализ или другой запрошенный текстовый артефакт. Сохраняйте конкретный выпуск 35B-A3B, не принимая его за плотную Qwen3.6-27B или более ранний аналог Qwen3.5.\n\nДля задачи фронтенда предоставьте соответствующий снимок экрана, функциональные требования и контекст существующего кода. Запросите редактируемый исходный код и описание задуманных состояний и взаимодействий. Для задачи по репозиторию определите затронутую функцию, вход, выявляющий проблему, и ожидаемое поведение. Запросите предлагаемый патч с предположениями и соответствующими проверками.\n\nОбзор модели\n\nМодель со смесью экспертов имеет 35 миллиардов параметров в целом и активирует три миллиарда. Её гибридная структура из 40 слоёв повторяет три экспертных слоя Gated DeltaNet с последующим одним экспертным слоем внимания с гейтированием. В ней 256 маршрутизируемых экспертов, из которых выбираются восемь вместе с одним общим; предсказание нескольких токенов входит в обучение. Меньшее активируемое число не описывает полный размер версии. Визуальный кодировщик обеспечивает визуальную часть модели.\n\nСобственный контекст составляет 262,144 токена, с условным расширением до 1,010,000. Разработчик рекомендует по возможности сохранять контекст не менее 128K для сложных задач размышления, даже если его сокращение снизило бы нагрузку на память. Исходный текст, представленные визуальные данные, предыдущие сообщения, рассуждение и окончательный ответ делят настроенный бюджет последовательности.\n\nИспользование входов и режимов ответа\n\nКарточка показывает вопросы с текстом, изображениями и видео. Для схемы или страницы сохраняйте подписи и определяйте точный вопрос. Для фрагмента сохраняйте время и указывайте интересующее событие. Поддерживаемый пример видео разработчика по умолчанию использует два кадра в секунду и позволяет настраивать выборку. Рекомендуемый рецепт расширяет бюджет видеопроцессора примерно до 224K видеотокенов для анализа видео часовой длительности с более частой выборкой кадров; это пример конфигурации, а не жёсткий универсальный предел длительности фрагмента.\n\nРазмышление включено по умолчанию. Параметр разработчика enable_thinking может отключить его для прямого ответа. Qwen3.6 официально не поддерживает более ранние мягкие переключатели запросов Qwen3 /think и /nothink. При представлении результата отделяйте рассуждение от итогового артефакта и следуйте собственному интерфейсу этой версии, не предполагая применимость маркеров или настроек другого поколения.\n\nСохранение предыдущего размышления\n\nПо умолчанию шаблон сохраняет блоки размышления, связанные с последним сообщением пользователя. Qwen3.6 дополнительно обучена использовать предыдущие рассуждения при включённом preserve_thinking. Явный пример задаёт этой опции значение true. Это может помогать итеративной агентной задаче сохранять контекст решений вместо повторного вывода прежнего выбора; это также меняет объём истории, который несёт запрос. Доступность опции зависит от интерфейса, предоставляющего рецепт разработчика.\n\nАгентное использование\n\nQwen документирует вызов инструментов и рекомендует Qwen-Agent для их настройки, включая инструменты, подключённые через MCP. Qwen Code — ещё один документированный разработчиком процесс агента для программирования. Определите разрешённые инструменты, цель задачи и ожидаемый результат, затем возвращайте модели фактические наблюдения инструментов. Модель может рассуждать о результате и пересматривать план; доступ к файлам или средам исполнения приходит от подключённого приложения, а не от названия модели.\n\nСверхдлинный текст\n\nДокументированное расширение контекста использует YaRN с чередующимися позиционными настройками версии. Коэффициент четыре нацелен на процесс примерно с миллионом токенов; для нагрузки в 524,288 токенов Qwen предлагает коэффициент два. Статическое масштабирование может влиять на работу с более коротким текстом, поэтому разработчик рекомендует менять его, когда нужен более длинный контекст. Сохраняйте идентификаторы разделов и кода в большом входе и просите показывать, какие свидетельства поддерживают каждый вывод.\n\nРекомендации и ограничения генерации\n\nДля общего размышления разработчик рекомендует temperature 1.0, top_p 0.95, top_k 20, min_p 0, штраф за присутствие 1.5 и штраф за повторение 1.0. Для точного программирования temperature становится 0.6, а штраф за присутствие — нулём. Для прямых ответов рекомендуются temperature 0.7, top_p 0.8 и штраф за присутствие 1.5, с неизменными остальными значениями. Более высокие штрафы за присутствие могут уменьшать повторения, но способны смешивать языки или немного снижать качество.\n\nQwen рекомендует бюджет генерации в 32,768 токенов для большинства вопросов и 81,920 для необычно сложных математических задач или программирования. Это рекомендации, а не отдельно установленные жёсткие пределы вывода. Явно задавайте итоговый формат и сверяйте код, расчёты и извлечённые визуальные детали с источником. Непрерывность рассуждений и длинный контекст помогают сохранять свидетельства задачи, а проверяемый итоговый артефакт делает результат полезным.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Correct a button loading state\n\nPropose a small JavaScript change for a save form. Current handler sets button.disabled = true, awaits saveDraft(), then reenables the button. When saveDraft rejects, the button stays disabled. Preserve the save operation and show pseudocode for displaying an error and always restoring the button. Add success and failure acceptance checks.A focused async handler or pseudocode plus two checks covering button and error states.Verify the cleanup happens on rejection and success without converting a failed save into a success message.qwen/qwen3.6-35b-a3bQwen3.6-35B-A3B — визуально-языковая модель Qwen со смесью экспертов, с 35 миллиардами параметров в целом и 3 миллиардами активируемых. Она ориентирована на фронтенд и программирование на уровне репозитория, добавляет необязательное сохранение предыдущих рассуждений и принимает текст, изображения и видео с текстовым выводом.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Возможности Qwen3.6: программирование и непрерывность рассуждений
Qwen3.6-35B-A3B — визуально-языковая модель, ориентированная на полезную работу с кодом и агентами. Qwen выделяет усиленные процессы разработки фронтенда и рассуждение на уровне репозитория, а также новую возможность сохранять размышление из предыдущих сообщений. Она принимает текст, изображения и видео и возвращает текст: объяснение, предложение кода, структурированный анализ или другой запрошенный текстовый артефакт. Сохраняйте конкретный выпуск 35B-A3B, не принимая его за плотную Qwen3.6-27B или более ранний аналог Qwen3.5.
Для задачи фронтенда предоставьте соответствующий снимок экрана, функциональные требования и контекст существующего кода. Запросите редактируемый исходный код и описание задуманных состояний и взаимодействий. Для задачи по репозиторию определите затронутую функцию, вход, выявляющий проблему, и ожидаемое поведение. Запросите предлагаемый патч с предположениями и соответствующими проверками.
Обзор модели
Модель со смесью экспертов имеет 35 миллиардов параметров в целом и активирует три миллиарда. Её гибридная структура из 40 слоёв повторяет три экспертных слоя Gated DeltaNet с последующим одним экспертным слоем внимания с гейтированием. В ней 256 маршрутизируемых экспертов, из которых выбираются восемь вместе с одним общим; предсказание нескольких токенов входит в обучение. Меньшее активируемое число не описывает полный размер версии. Визуальный кодировщик обеспечивает визуальную часть модели.
Собственный контекст составляет 262,144 токена, с условным расширением до 1,010,000. Разработчик рекомендует по возможности сохранять контекст не менее 128K для сложных задач размышления, даже если его сокращение снизило бы нагрузку на память. Исходный текст, представленные визуальные данные, предыдущие сообщения, рассуждение и окончательный ответ делят настроенный бюджет последовательности.
Использование входов и режимов ответа
Карточка показывает вопросы с текстом, изображениями и видео. Для схемы или страницы сохраняйте подписи и определяйте точный вопрос. Для фрагмента сохраняйте время и указывайте интересующее событие. Поддерживаемый пример видео разработчика по умолчанию использует два кадра в секунду и позволяет настраивать выборку. Рекомендуемый рецепт расширяет бюджет видеопроцессора примерно до 224K видеотокенов для анализа видео часовой длительности с более частой выборкой кадров; это пример конфигурации, а не жёсткий универсальный предел длительности фрагмента.
Размышление включено по умолчанию. Параметр разработчика enable_thinking может отключить его для прямого ответа. Qwen3.6 официально не поддерживает более ранние мягкие переключатели запросов Qwen3 /think и /nothink. При представлении результата отделяйте рассуждение от итогового артефакта и следуйте собственному интерфейсу этой версии, не предполагая применимость маркеров или настроек другого поколения.
Сохранение предыдущего размышления
По умолчанию шаблон сохраняет блоки размышления, связанные с последним сообщением пользователя. Qwen3.6 дополнительно обучена использовать предыдущие рассуждения при включённом preserve_thinking. Явный пример задаёт этой опции значение true. Это может помогать итеративной агентной задаче сохранять контекст решений вместо повторного вывода прежнего выбора; это также меняет объём истории, который несёт запрос. Доступность опции зависит от интерфейса, предоставляющего рецепт разработчика.
Агентное использование
Qwen документирует вызов инструментов и рекомендует Qwen-Agent для их настройки, включая инструменты, подключённые через MCP. Qwen Code — ещё один документированный разработчиком процесс агента для программирования. Определите разрешённые инструменты, цель задачи и ожидаемый результат, затем возвращайте модели фактические наблюдения инструментов. Модель может рассуждать о результате и пересматривать план; доступ к файлам или средам исполнения приходит от подключённого приложения, а не от названия модели.
Сверхдлинный текст
Документированное расширение контекста использует YaRN с чередующимися позиционными настройками версии. Коэффициент четыре нацелен на процесс примерно с миллионом токенов; для нагрузки в 524,288 токенов Qwen предлагает коэффициент два. Статическое масштабирование может влиять на работу с более коротким текстом, поэтому разработчик рекомендует менять его, когда нужен более длинный контекст. Сохраняйте идентификаторы разделов и кода в большом входе и просите показывать, какие свидетельства поддерживают каждый вывод.
Рекомендации и ограничения генерации
Для общего размышления разработчик рекомендует temperature 1.0, top_p 0.95, top_k 20, min_p 0, штраф за присутствие 1.5 и штраф за повторение 1.0. Для точного программирования temperature становится 0.6, а штраф за присутствие — нулём. Для прямых ответов рекомендуются temperature 0.7, top_p 0.8 и штраф за присутствие 1.5, с неизменными остальными значениями. Более высокие штрафы за присутствие могут уменьшать повторения, но способны смешивать языки или немного снижать качество.
Qwen рекомендует бюджет генерации в 32,768 токенов для большинства вопросов и 81,920 для необычно сложных математических задач или программирования. Это рекомендации, а не отдельно установленные жёсткие пределы вывода. Явно задавайте итоговый формат и сверяйте код, расчёты и извлечённые визуальные детали с источником. Непрерывность рассуждений и длинный контекст помогают сохранять свидетельства задачи, а проверяемый итоговый артефакт делает результат полезным.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen/qwen3.6-35b-a3b | 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 $0.000566 / 1K токенов Выход · Выходные токены $0.00341 / 1K токенов Вход · Чтение кэша $0.0001 / 1K токенов Вход · Запись в кэш $0 / 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 $0.000566 / 1K токенов Выход · Выходные токены $0.00341 / 1K токенов Вход · Чтение кэша $0.0001 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.6-35b-a3b", "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/qwen3.6-35b-a3b',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/qwen3.6-35b-a3b',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/qwen3.6-35b-a3b
Используйте пути методов, указанные выше.
qwen/qwen3.6-35b-a3bQwen3.6-35B-A3B — визуально-языковая модель Qwen со смесью экспертов, с 35 миллиардами параметров в целом и 3 миллиардами активируемых. Она ориентирована на фронтенд и программирование на уровне репозитория, добавляет необязательное сохранение предыдущих рассуждений и принимает текст, изображения и видео с текстовым выводом.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Возможности Qwen3.6: программирование и непрерывность рассуждений
Qwen3.6-35B-A3B — визуально-языковая модель, ориентированная на полезную работу с кодом и агентами. Qwen выделяет усиленные процессы разработки фронтенда и рассуждение на уровне репозитория, а также новую возможность сохранять размышление из предыдущих сообщений. Она принимает текст, изображения и видео и возвращает текст: объяснение, предложение кода, структурированный анализ или другой запрошенный текстовый артефакт. Сохраняйте конкретный выпуск 35B-A3B, не принимая его за плотную Qwen3.6-27B или более ранний аналог Qwen3.5.
Для задачи фронтенда предоставьте соответствующий снимок экрана, функциональные требования и контекст существующего кода. Запросите редактируемый исходный код и описание задуманных состояний и взаимодействий. Для задачи по репозиторию определите затронутую функцию, вход, выявляющий проблему, и ожидаемое поведение. Запросите предлагаемый патч с предположениями и соответствующими проверками.
Обзор модели
Модель со смесью экспертов имеет 35 миллиардов параметров в целом и активирует три миллиарда. Её гибридная структура из 40 слоёв повторяет три экспертных слоя Gated DeltaNet с последующим одним экспертным слоем внимания с гейтированием. В ней 256 маршрутизируемых экспертов, из которых выбираются восемь вместе с одним общим; предсказание нескольких токенов входит в обучение. Меньшее активируемое число не описывает полный размер версии. Визуальный кодировщик обеспечивает визуальную часть модели.
Собственный контекст составляет 262,144 токена, с условным расширением до 1,010,000. Разработчик рекомендует по возможности сохранять контекст не менее 128K для сложных задач размышления, даже если его сокращение снизило бы нагрузку на память. Исходный текст, представленные визуальные данные, предыдущие сообщения, рассуждение и окончательный ответ делят настроенный бюджет последовательности.
Использование входов и режимов ответа
Карточка показывает вопросы с текстом, изображениями и видео. Для схемы или страницы сохраняйте подписи и определяйте точный вопрос. Для фрагмента сохраняйте время и указывайте интересующее событие. Поддерживаемый пример видео разработчика по умолчанию использует два кадра в секунду и позволяет настраивать выборку. Рекомендуемый рецепт расширяет бюджет видеопроцессора примерно до 224K видеотокенов для анализа видео часовой длительности с более частой выборкой кадров; это пример конфигурации, а не жёсткий универсальный предел длительности фрагмента.
Размышление включено по умолчанию. Параметр разработчика enable_thinking может отключить его для прямого ответа. Qwen3.6 официально не поддерживает более ранние мягкие переключатели запросов Qwen3 /think и /nothink. При представлении результата отделяйте рассуждение от итогового артефакта и следуйте собственному интерфейсу этой версии, не предполагая применимость маркеров или настроек другого поколения.
Сохранение предыдущего размышления
По умолчанию шаблон сохраняет блоки размышления, связанные с последним сообщением пользователя. Qwen3.6 дополнительно обучена использовать предыдущие рассуждения при включённом preserve_thinking. Явный пример задаёт этой опции значение true. Это может помогать итеративной агентной задаче сохранять контекст решений вместо повторного вывода прежнего выбора; это также меняет объём истории, который несёт запрос. Доступность опции зависит от интерфейса, предоставляющего рецепт разработчика.
Агентное использование
Qwen документирует вызов инструментов и рекомендует Qwen-Agent для их настройки, включая инструменты, подключённые через MCP. Qwen Code — ещё один документированный разработчиком процесс агента для программирования. Определите разрешённые инструменты, цель задачи и ожидаемый результат, затем возвращайте модели фактические наблюдения инструментов. Модель может рассуждать о результате и пересматривать план; доступ к файлам или средам исполнения приходит от подключённого приложения, а не от названия модели.
Сверхдлинный текст
Документированное расширение контекста использует YaRN с чередующимися позиционными настройками версии. Коэффициент четыре нацелен на процесс примерно с миллионом токенов; для нагрузки в 524,288 токенов Qwen предлагает коэффициент два. Статическое масштабирование может влиять на работу с более коротким текстом, поэтому разработчик рекомендует менять его, когда нужен более длинный контекст. Сохраняйте идентификаторы разделов и кода в большом входе и просите показывать, какие свидетельства поддерживают каждый вывод.
Рекомендации и ограничения генерации
Для общего размышления разработчик рекомендует temperature 1.0, top_p 0.95, top_k 20, min_p 0, штраф за присутствие 1.5 и штраф за повторение 1.0. Для точного программирования temperature становится 0.6, а штраф за присутствие — нулём. Для прямых ответов рекомендуются temperature 0.7, top_p 0.8 и штраф за присутствие 1.5, с неизменными остальными значениями. Более высокие штрафы за присутствие могут уменьшать повторения, но способны смешивать языки или немного снижать качество.
Qwen рекомендует бюджет генерации в 32,768 токенов для большинства вопросов и 81,920 для необычно сложных математических задач или программирования. Это рекомендации, а не отдельно установленные жёсткие пределы вывода. Явно задавайте итоговый формат и сверяйте код, расчёты и извлечённые визуальные детали с источником. Непрерывность рассуждений и длинный контекст помогают сохранять свидетельства задачи, а проверяемый итоговый артефакт делает результат полезным.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen/qwen3.6-35b-a3b | 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 $0.000566 / 1K токенов Выход · Выходные токены $0.00341 / 1K токенов Вход · Чтение кэша $0.0001 / 1K токенов Вход · Запись в кэш $0 / 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 $0.000566 / 1K токенов Выход · Выходные токены $0.00341 / 1K токенов Вход · Чтение кэша $0.0001 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "qwen/qwen3.6-35b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.6-35b-a3b', '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/qwen3.6-35b-a3b', '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/qwen3.6-35b-a3b
Используйте пути методов, указанные выше.
Технический пример на английском
Correct a button loading state\n\nPropose a small JavaScript change for a save form. Current handler sets button.disabled = true, awaits saveDraft(), then reenables the button. When saveDraft rejects, the button stays disabled. Preserve the save operation and show pseudocode for displaying an error and always restoring the button. Add success and failure acceptance checks.A focused async handler or pseudocode plus two checks covering button and error states.Verify the cleanup happens on rejection and success without converting a failed save into a success message.