Возможности Qwen3.8 в плотной визуально-языковой модели
Qwen3.8-27B переносит улучшения Qwen3.8 в программировании, профессиональной работе, исследованиях и агентных задачах в плотную модель с 27 миллиардами параметров. Она принимает текст, изображения и видео и возвращает текст. Документированный визуальный охват включает схемы из естественных наук, технологий, инженерии и математики, страницы документов и видео часовой длительности. Это отдельная версия, отличная от намного более крупной текстовой Qwen3.8-2.4T-A95B, поэтому их входные возможности и контракты размышления должны оставаться раздельными.
Qwen подчёркивает автономное планирование, использование обратной связи от среды и интеграцию со средами разработки. Для агентной задачи предоставьте цель, нужный материал, разрешённые инструменты и свидетельства, которые показали бы завершение. Модель может предлагать и пересматривать действия с использованием возвращённых результатов; действия выполняет подключённое программное обеспечение. Запрашивайте итоговый артефакт и нерешённые условия, не принимая план за исполненный результат.
Обзор модели
Модель 27B имеет 64 слоя языковой модели. Её гибридная структура объединяет три слоя Gated DeltaNet с последующим одним слоем внимания с гейтированием, с плотными сетями прямого распространения. Она обучается с предсказанием нескольких токенов и включает визуальный кодировщик. Эти архитектурные решения описывают выпущенную модель; они не подразумевают одинаковое потребление памяти или задержку в каждом развёртывании.
Собственный контекст составляет 262,144 токена, с документированным расширением до 1,000,000. Текст, визуальное представление, история диалога, размышление и итоговый вывод делят настроенный бюджет последовательности. Разработчик отдельно рассматривает управляемый выпуск с дополнительными функциями; эти функции нельзя автоматически приписывать открытой версии.
Использование текста, изображений и видео
Для задачи по коду предоставьте нужную функцию или модуль, вход, вызывающий сбой, и ожидаемое поведение, затем запросите патч с затронутыми предположениями и проверками. Для схемы сохраняйте подписи и давайте полный вопрос. Для документа запрашивайте именованные поля или выводы со ссылками на страницы. Для видео укажите интересующее событие и сохраняйте его время.
Пример видео разработчика по умолчанию использует два кадра в секунду в поддерживаемом процессе обслуживания, с необязательными настройками выборки. Общей сводке сцены и короткому событию может требоваться разная выборка. Рекомендации по длинному видео советуют расширить бюджет видеопроцессора для поддержки более частой выборки при материале часовой длительности; приведён пример, соответствующий примерно 224K видеотокенов. Это требует конфигурации и конкурирует с остальным содержимым контекста; это не универсальная гарантия длительности фрагмента.
Размышление и предыдущие рассуждения
Размышление включено по умолчанию и может отключаться для отдельного запроса через параметр разработчика enable_thinking. reasoning_effort поддерживает xhigh, medium и low, с xhigh по умолчанию. Меньшая глубина может сократить отдельный ход, но Qwen предупреждает, что недостаточный анализ в агентных задачах может приводить к сбоям и повторной работе, увеличивая общее время завершения.
preserve_thinking включён по умолчанию и сохраняет блоки рассуждений предыдущих сообщений для непрерывности работы. Отключение сохраняет только блоки размышления, сгенерированные при обработке последнего сообщения пользователя. Это отличается от более ранних рекомендаций Qwen, полностью отбрасывающих предыдущие рассуждения. Разделяйте рассуждение и итоговое содержимое в интерфейсе и сохраняйте точный формат диалога, ожидаемый версией. Настройки разработчика не устанавливают, какие параметры предоставляет другое приложение.
Рекомендации по генерации
Для размышления Qwen рекомендует temperature 1.0, top_p 0.95, top_k 20, min_p 0, штраф за присутствие 0 и штраф за повторение 1.0. Для прямых ответов рекомендуются соответственно 0.7, 0.8, 20, 0, 1.5 и 1.0. Более высокий штраф за присутствие может уменьшить повторения, но способен смешивать языки или немного снижать качество.
В настроенном процессе с миллионом токенов, поддерживающем отдельные ограничения, разработчик рекомендует бюджеты в 262,144 токена для рассуждения и 131,072 для итогового ответа. Это условные рекомендации по бюджету, а не независимые жёсткие пределы вывода или объёмы, одновременно помещающиеся в собственный контекст.
Сверхдлинный контекст и ограничения
Документированное расширение использует YaRN с собственными чередующимися позиционными настройками модели. Коэффициент четыре нацелен на процесс с миллионом токенов; для нагрузки около 524,288 токенов разработчик предлагает коэффициент два. Статическое масштабирование может влиять на качество при более коротком тексте, поэтому Qwen советует включать его, когда нужен более длинный контекст. Не копируйте коэффициент экстраполяции другого выпуска Qwen-VL без его собственного рецепта.
Организуйте длинный вход по документам, страницам или идентификаторам кода и запрашивайте проверяемый результат. Сверяйте расчёты, мелкие визуальные подписи и сгенерированные патчи с источником. Длинный контекст, сохраняемые рассуждения и увеличенные бюджеты видео помогают проносить через задачу больше свидетельств; сами по себе они не подтверждают полное воспроизведение информации, правильное рассуждение или завершённое внешнее действие.
", "aboutText": "Возможности Qwen3.8 в плотной визуально-языковой модели\n\nQwen3.8-27B переносит улучшения Qwen3.8 в программировании, профессиональной работе, исследованиях и агентных задачах в плотную модель с 27 миллиардами параметров. Она принимает текст, изображения и видео и возвращает текст. Документированный визуальный охват включает схемы из естественных наук, технологий, инженерии и математики, страницы документов и видео часовой длительности. Это отдельная версия, отличная от намного более крупной текстовой Qwen3.8-2.4T-A95B, поэтому их входные возможности и контракты размышления должны оставаться раздельными.\n\nQwen подчёркивает автономное планирование, использование обратной связи от среды и интеграцию со средами разработки. Для агентной задачи предоставьте цель, нужный материал, разрешённые инструменты и свидетельства, которые показали бы завершение. Модель может предлагать и пересматривать действия с использованием возвращённых результатов; действия выполняет подключённое программное обеспечение. Запрашивайте итоговый артефакт и нерешённые условия, не принимая план за исполненный результат.\n\nОбзор модели\n\nМодель 27B имеет 64 слоя языковой модели. Её гибридная структура объединяет три слоя Gated DeltaNet с последующим одним слоем внимания с гейтированием, с плотными сетями прямого распространения. Она обучается с предсказанием нескольких токенов и включает визуальный кодировщик. Эти архитектурные решения описывают выпущенную модель; они не подразумевают одинаковое потребление памяти или задержку в каждом развёртывании.\n\nСобственный контекст составляет 262,144 токена, с документированным расширением до 1,000,000. Текст, визуальное представление, история диалога, размышление и итоговый вывод делят настроенный бюджет последовательности. Разработчик отдельно рассматривает управляемый выпуск с дополнительными функциями; эти функции нельзя автоматически приписывать открытой версии.\n\nИспользование текста, изображений и видео\n\nДля задачи по коду предоставьте нужную функцию или модуль, вход, вызывающий сбой, и ожидаемое поведение, затем запросите патч с затронутыми предположениями и проверками. Для схемы сохраняйте подписи и давайте полный вопрос. Для документа запрашивайте именованные поля или выводы со ссылками на страницы. Для видео укажите интересующее событие и сохраняйте его время.\n\nПример видео разработчика по умолчанию использует два кадра в секунду в поддерживаемом процессе обслуживания, с необязательными настройками выборки. Общей сводке сцены и короткому событию может требоваться разная выборка. Рекомендации по длинному видео советуют расширить бюджет видеопроцессора для поддержки более частой выборки при материале часовой длительности; приведён пример, соответствующий примерно 224K видеотокенов. Это требует конфигурации и конкурирует с остальным содержимым контекста; это не универсальная гарантия длительности фрагмента.\n\nРазмышление и предыдущие рассуждения\n\nРазмышление включено по умолчанию и может отключаться для отдельного запроса через параметр разработчика enable_thinking. reasoning_effort поддерживает xhigh, medium и low, с xhigh по умолчанию. Меньшая глубина может сократить отдельный ход, но Qwen предупреждает, что недостаточный анализ в агентных задачах может приводить к сбоям и повторной работе, увеличивая общее время завершения.\n\npreserve_thinking включён по умолчанию и сохраняет блоки рассуждений предыдущих сообщений для непрерывности работы. Отключение сохраняет только блоки размышления, сгенерированные при обработке последнего сообщения пользователя. Это отличается от более ранних рекомендаций Qwen, полностью отбрасывающих предыдущие рассуждения. Разделяйте рассуждение и итоговое содержимое в интерфейсе и сохраняйте точный формат диалога, ожидаемый версией. Настройки разработчика не устанавливают, какие параметры предоставляет другое приложение.\n\nРекомендации по генерации\n\nДля размышления Qwen рекомендует temperature 1.0, top_p 0.95, top_k 20, min_p 0, штраф за присутствие 0 и штраф за повторение 1.0. Для прямых ответов рекомендуются соответственно 0.7, 0.8, 20, 0, 1.5 и 1.0. Более высокий штраф за присутствие может уменьшить повторения, но способен смешивать языки или немного снижать качество.\n\nВ настроенном процессе с миллионом токенов, поддерживающем отдельные ограничения, разработчик рекомендует бюджеты в 262,144 токена для рассуждения и 131,072 для итогового ответа. Это условные рекомендации по бюджету, а не независимые жёсткие пределы вывода или объёмы, одновременно помещающиеся в собственный контекст.\n\nСверхдлинный контекст и ограничения\n\nДокументированное расширение использует YaRN с собственными чередующимися позиционными настройками модели. Коэффициент четыре нацелен на процесс с миллионом токенов; для нагрузки около 524,288 токенов разработчик предлагает коэффициент два. Статическое масштабирование может влиять на качество при более коротком тексте, поэтому Qwen советует включать его, когда нужен более длинный контекст. Не копируйте коэффициент экстраполяции другого выпуска Qwen-VL без его собственного рецепта.\n\nОрганизуйте длинный вход по документам, страницам или идентификаторам кода и запрашивайте проверяемый результат. Сверяйте расчёты, мелкие визуальные подписи и сгенерированные патчи с источником. Длинный контекст, сохраняемые рассуждения и увеличенные бюджеты видео помогают проносить через задачу больше свидетельств; сами по себе они не подтверждают полное воспроизведение информации, правильное рассуждение или завершённое внешнее действие.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Analyze a circuit described in text\n\nA written circuit description gives two 6-ohm resistors connected in parallel across an ideal 12-volt source. Assume ideal wires and constant resistance. Derive the equivalent resistance, total current and current through each branch. Show the formulas and verify that branch currents add to the total. No circuit image or execution tool is provided.A short derivation with units, three requested quantities and a current-sum check.Equivalent resistance is 3 ohms and the two equal branch currents sum to the derived total current.qwen/qwen3.8-27bQwen3.8-27B — плотная визуально-языковая модель Qwen для текста, изображений и видео с текстовым выводом. Она сочетает программирование и многошаговую агентную работу с выбором режима размышления, сохранением рассуждений и собственным контекстом в 262,144 токена, расширяемым настройкой до миллиона.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Возможности Qwen3.8 в плотной визуально-языковой модели
Qwen3.8-27B переносит улучшения Qwen3.8 в программировании, профессиональной работе, исследованиях и агентных задачах в плотную модель с 27 миллиардами параметров. Она принимает текст, изображения и видео и возвращает текст. Документированный визуальный охват включает схемы из естественных наук, технологий, инженерии и математики, страницы документов и видео часовой длительности. Это отдельная версия, отличная от намного более крупной текстовой Qwen3.8-2.4T-A95B, поэтому их входные возможности и контракты размышления должны оставаться раздельными.
Qwen подчёркивает автономное планирование, использование обратной связи от среды и интеграцию со средами разработки. Для агентной задачи предоставьте цель, нужный материал, разрешённые инструменты и свидетельства, которые показали бы завершение. Модель может предлагать и пересматривать действия с использованием возвращённых результатов; действия выполняет подключённое программное обеспечение. Запрашивайте итоговый артефакт и нерешённые условия, не принимая план за исполненный результат.
Обзор модели
Модель 27B имеет 64 слоя языковой модели. Её гибридная структура объединяет три слоя Gated DeltaNet с последующим одним слоем внимания с гейтированием, с плотными сетями прямого распространения. Она обучается с предсказанием нескольких токенов и включает визуальный кодировщик. Эти архитектурные решения описывают выпущенную модель; они не подразумевают одинаковое потребление памяти или задержку в каждом развёртывании.
Собственный контекст составляет 262,144 токена, с документированным расширением до 1,000,000. Текст, визуальное представление, история диалога, размышление и итоговый вывод делят настроенный бюджет последовательности. Разработчик отдельно рассматривает управляемый выпуск с дополнительными функциями; эти функции нельзя автоматически приписывать открытой версии.
Использование текста, изображений и видео
Для задачи по коду предоставьте нужную функцию или модуль, вход, вызывающий сбой, и ожидаемое поведение, затем запросите патч с затронутыми предположениями и проверками. Для схемы сохраняйте подписи и давайте полный вопрос. Для документа запрашивайте именованные поля или выводы со ссылками на страницы. Для видео укажите интересующее событие и сохраняйте его время.
Пример видео разработчика по умолчанию использует два кадра в секунду в поддерживаемом процессе обслуживания, с необязательными настройками выборки. Общей сводке сцены и короткому событию может требоваться разная выборка. Рекомендации по длинному видео советуют расширить бюджет видеопроцессора для поддержки более частой выборки при материале часовой длительности; приведён пример, соответствующий примерно 224K видеотокенов. Это требует конфигурации и конкурирует с остальным содержимым контекста; это не универсальная гарантия длительности фрагмента.
Размышление и предыдущие рассуждения
Размышление включено по умолчанию и может отключаться для отдельного запроса через параметр разработчика enable_thinking. reasoning_effort поддерживает xhigh, medium и low, с xhigh по умолчанию. Меньшая глубина может сократить отдельный ход, но Qwen предупреждает, что недостаточный анализ в агентных задачах может приводить к сбоям и повторной работе, увеличивая общее время завершения.
preserve_thinking включён по умолчанию и сохраняет блоки рассуждений предыдущих сообщений для непрерывности работы. Отключение сохраняет только блоки размышления, сгенерированные при обработке последнего сообщения пользователя. Это отличается от более ранних рекомендаций Qwen, полностью отбрасывающих предыдущие рассуждения. Разделяйте рассуждение и итоговое содержимое в интерфейсе и сохраняйте точный формат диалога, ожидаемый версией. Настройки разработчика не устанавливают, какие параметры предоставляет другое приложение.
Рекомендации по генерации
Для размышления Qwen рекомендует temperature 1.0, top_p 0.95, top_k 20, min_p 0, штраф за присутствие 0 и штраф за повторение 1.0. Для прямых ответов рекомендуются соответственно 0.7, 0.8, 20, 0, 1.5 и 1.0. Более высокий штраф за присутствие может уменьшить повторения, но способен смешивать языки или немного снижать качество.
В настроенном процессе с миллионом токенов, поддерживающем отдельные ограничения, разработчик рекомендует бюджеты в 262,144 токена для рассуждения и 131,072 для итогового ответа. Это условные рекомендации по бюджету, а не независимые жёсткие пределы вывода или объёмы, одновременно помещающиеся в собственный контекст.
Сверхдлинный контекст и ограничения
Документированное расширение использует YaRN с собственными чередующимися позиционными настройками модели. Коэффициент четыре нацелен на процесс с миллионом токенов; для нагрузки около 524,288 токенов разработчик предлагает коэффициент два. Статическое масштабирование может влиять на качество при более коротком тексте, поэтому Qwen советует включать его, когда нужен более длинный контекст. Не копируйте коэффициент экстраполяции другого выпуска Qwen-VL без его собственного рецепта.
Организуйте длинный вход по документам, страницам или идентификаторам кода и запрашивайте проверяемый результат. Сверяйте расчёты, мелкие визуальные подписи и сгенерированные патчи с источником. Длинный контекст, сохраняемые рассуждения и увеличенные бюджеты видео помогают проносить через задачу больше свидетельств; сами по себе они не подтверждают полное воспроизведение информации, правильное рассуждение или завершённое внешнее действие.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen/qwen3.8-27b | 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 $0.00085 / 1K токенов Выход · Выходные токены $0.0051 / 1K токенов Вход · Чтение кэша $0.00017 / 1K токенов Вход · Запись в кэш $0.0010625 / 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 $0.00085 / 1K токенов Выход · Выходные токены $0.0051 / 1K токенов Вход · Чтение кэша $0.00017 / 1K токенов Вход · Запись в кэш $0.0010625 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-27b", "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/qwen3.8-27b',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/qwen3.8-27b',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/qwen3.8-27b
Используйте пути методов, указанные выше.
qwen/qwen3.8-27bQwen3.8-27B — плотная визуально-языковая модель Qwen для текста, изображений и видео с текстовым выводом. Она сочетает программирование и многошаговую агентную работу с выбором режима размышления, сохранением рассуждений и собственным контекстом в 262,144 токена, расширяемым настройкой до миллиона.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Возможности Qwen3.8 в плотной визуально-языковой модели
Qwen3.8-27B переносит улучшения Qwen3.8 в программировании, профессиональной работе, исследованиях и агентных задачах в плотную модель с 27 миллиардами параметров. Она принимает текст, изображения и видео и возвращает текст. Документированный визуальный охват включает схемы из естественных наук, технологий, инженерии и математики, страницы документов и видео часовой длительности. Это отдельная версия, отличная от намного более крупной текстовой Qwen3.8-2.4T-A95B, поэтому их входные возможности и контракты размышления должны оставаться раздельными.
Qwen подчёркивает автономное планирование, использование обратной связи от среды и интеграцию со средами разработки. Для агентной задачи предоставьте цель, нужный материал, разрешённые инструменты и свидетельства, которые показали бы завершение. Модель может предлагать и пересматривать действия с использованием возвращённых результатов; действия выполняет подключённое программное обеспечение. Запрашивайте итоговый артефакт и нерешённые условия, не принимая план за исполненный результат.
Обзор модели
Модель 27B имеет 64 слоя языковой модели. Её гибридная структура объединяет три слоя Gated DeltaNet с последующим одним слоем внимания с гейтированием, с плотными сетями прямого распространения. Она обучается с предсказанием нескольких токенов и включает визуальный кодировщик. Эти архитектурные решения описывают выпущенную модель; они не подразумевают одинаковое потребление памяти или задержку в каждом развёртывании.
Собственный контекст составляет 262,144 токена, с документированным расширением до 1,000,000. Текст, визуальное представление, история диалога, размышление и итоговый вывод делят настроенный бюджет последовательности. Разработчик отдельно рассматривает управляемый выпуск с дополнительными функциями; эти функции нельзя автоматически приписывать открытой версии.
Использование текста, изображений и видео
Для задачи по коду предоставьте нужную функцию или модуль, вход, вызывающий сбой, и ожидаемое поведение, затем запросите патч с затронутыми предположениями и проверками. Для схемы сохраняйте подписи и давайте полный вопрос. Для документа запрашивайте именованные поля или выводы со ссылками на страницы. Для видео укажите интересующее событие и сохраняйте его время.
Пример видео разработчика по умолчанию использует два кадра в секунду в поддерживаемом процессе обслуживания, с необязательными настройками выборки. Общей сводке сцены и короткому событию может требоваться разная выборка. Рекомендации по длинному видео советуют расширить бюджет видеопроцессора для поддержки более частой выборки при материале часовой длительности; приведён пример, соответствующий примерно 224K видеотокенов. Это требует конфигурации и конкурирует с остальным содержимым контекста; это не универсальная гарантия длительности фрагмента.
Размышление и предыдущие рассуждения
Размышление включено по умолчанию и может отключаться для отдельного запроса через параметр разработчика enable_thinking. reasoning_effort поддерживает xhigh, medium и low, с xhigh по умолчанию. Меньшая глубина может сократить отдельный ход, но Qwen предупреждает, что недостаточный анализ в агентных задачах может приводить к сбоям и повторной работе, увеличивая общее время завершения.
preserve_thinking включён по умолчанию и сохраняет блоки рассуждений предыдущих сообщений для непрерывности работы. Отключение сохраняет только блоки размышления, сгенерированные при обработке последнего сообщения пользователя. Это отличается от более ранних рекомендаций Qwen, полностью отбрасывающих предыдущие рассуждения. Разделяйте рассуждение и итоговое содержимое в интерфейсе и сохраняйте точный формат диалога, ожидаемый версией. Настройки разработчика не устанавливают, какие параметры предоставляет другое приложение.
Рекомендации по генерации
Для размышления Qwen рекомендует temperature 1.0, top_p 0.95, top_k 20, min_p 0, штраф за присутствие 0 и штраф за повторение 1.0. Для прямых ответов рекомендуются соответственно 0.7, 0.8, 20, 0, 1.5 и 1.0. Более высокий штраф за присутствие может уменьшить повторения, но способен смешивать языки или немного снижать качество.
В настроенном процессе с миллионом токенов, поддерживающем отдельные ограничения, разработчик рекомендует бюджеты в 262,144 токена для рассуждения и 131,072 для итогового ответа. Это условные рекомендации по бюджету, а не независимые жёсткие пределы вывода или объёмы, одновременно помещающиеся в собственный контекст.
Сверхдлинный контекст и ограничения
Документированное расширение использует YaRN с собственными чередующимися позиционными настройками модели. Коэффициент четыре нацелен на процесс с миллионом токенов; для нагрузки около 524,288 токенов разработчик предлагает коэффициент два. Статическое масштабирование может влиять на качество при более коротком тексте, поэтому Qwen советует включать его, когда нужен более длинный контекст. Не копируйте коэффициент экстраполяции другого выпуска Qwen-VL без его собственного рецепта.
Организуйте длинный вход по документам, страницам или идентификаторам кода и запрашивайте проверяемый результат. Сверяйте расчёты, мелкие визуальные подписи и сгенерированные патчи с источником. Длинный контекст, сохраняемые рассуждения и увеличенные бюджеты видео помогают проносить через задачу больше свидетельств; сами по себе они не подтверждают полное воспроизведение информации, правильное рассуждение или завершённое внешнее действие.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen/qwen3.8-27b | 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 $0.00085 / 1K токенов Выход · Выходные токены $0.0051 / 1K токенов Вход · Чтение кэша $0.00017 / 1K токенов Вход · Запись в кэш $0.0010625 / 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 $0.00085 / 1K токенов Выход · Выходные токены $0.0051 / 1K токенов Вход · Чтение кэша $0.00017 / 1K токенов Вход · Запись в кэш $0.0010625 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "qwen/qwen3.8-27b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.8-27b', '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/qwen3.8-27b', '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/qwen3.8-27b
Используйте пути методов, указанные выше.
Технический пример на английском
Analyze a circuit described in text\n\nA written circuit description gives two 6-ohm resistors connected in parallel across an ideal 12-volt source. Assume ideal wires and constant resistance. Derive the equivalent resistance, total current and current through each branch. Show the formulas and verify that branch currents add to the total. No circuit image or execution tool is provided.A short derivation with units, three requested quantities and a current-sum check.Equivalent resistance is 3 ohms and the two equal branch currents sum to the derived total current.