Ключевые возможности: модель для агентов программирования
Qwen3-Coder-Next — открытая текстовая модель, разработанная специально для агентов программирования и процессов разработки. Qwen описывает решение задач на длинном горизонте, сложное использование инструментов и восстановление после ошибок выполнения, а также адаптацию к разным агентным средам разработки. Она принимает и выдаёт текст, включая код, объяснения и запросы инструментов. Именно этот вариант Coder-Next имеет собственный контракт режима без отдельного рассуждения; его не следует заменять редакциями Thinking более широкого семейства Next.
Для задачи разработки предоставьте нужные файлы или фрагменты, желаемое поведение и входные данные, демонстрирующие проблему. Запросите редактируемое изменение и объяснение, связанное с этими условиями. Для задачи из нескольких шагов определите цель, разрешённые инструменты и наблюдения, которые покажут завершение. Сопоставьте предлагаемое изменение кода и его объяснение с предоставленными файлами, входом, вызывающим сбой, и критериями завершения.
Обзор модели
Модель содержит всего 80 миллиардов параметров и активирует три миллиарда. Её 48-слойная гибридная структура повторяет три экспертных слоя Gated DeltaNet, за которыми следует один экспертный слой с гейтированным вниманием. Производитель указывает 512 экспертов, десять активируемых экспертов и одного общего эксперта. Небольшое число активируемых параметров характеризует вычисления разреженной модели, а не размер полного набора весов.
Исходный контекст составляет 262 144 токена. Примеры производителя допускают меньший контекст, например 32 768, если ограничения памяти мешают работе с большей конфигурацией. Исходный код, история, наблюдения инструментов и сгенерированный текст должны укладываться в настроенный предел последовательности. Карточка не устанавливает для этого варианта расширение до миллиона токенов по умолчанию.
Использование текстового интерфейса без отдельного рассуждения
Coder-Next поддерживает только режим без отдельного рассуждения и не генерирует явные блоки размышлений. В примере производителя устанавливать enable_thinking=False не требуется. При этом модель может объяснить патч, обсудить алгоритм или рассуждать обычным текстом; режим без отдельного рассуждения описывает форму вывода, а не запрещает объяснения.
В кратком руководстве запрашивается алгоритм сортировки и используется бюджет генерации 65 536 токенов. Это пример бюджета, а не отдельно опубликованный жёсткий предел вывода. Укажите формат и ограничения результата: язык, нужные интерфейсы, требуемое поведение и то, должен ли ответ содержать патч, полную функцию или объяснение. Отделяйте редактируемый результат от пояснений, чтобы его было удобно проверять.
Агентные среды разработки и контекст
Производитель подчёркивает совместимость с агентными средами на основе CLI и IDE, включая Qwen Code. Такая среда предоставляет состояние проекта, определения инструментов, наблюдения и формат диалога. Последовательно сохраняйте эти входные данные в многошаговой задаче. Если инструмент сообщает о непрошедшей проверке, предоставьте реальную ошибку и относящийся к ней изменённый код, а не только просьбу повторить попытку.
Для работы на длинном горизонте полезно явно показывать состояние задачи: что наблюдалось, какое изменение предлагается и какое условие остаётся нерешённым. Наблюдение инструмента отличается от утверждения в сгенерированном тексте. Возможность модели восстанавливаться после ошибок не следует считать автоматическим разрешением запускать команды или гарантией успеха каждого восстановления.
Агентное программирование и вызовы инструментов
Qwen документирует определения инструментов в форме функций с именами, описаниями, схемами входных данных и обязательными полями. Предоставьте точное определение и ожидаемый смысл возвращаемого значения. Приложение выполняет выбранный инструмент и возвращает его результат; затем модель использует этот результат на следующем шаге. Сам вызов инструментов не даёт доступа к файловой системе, актуальным источникам или среде выполнения.
Для агента, редактирующего репозиторий, ограничьте разрешённые файлы и требуемый результат. Полезный итоговый отчёт может назвать затронутые модули, объяснить изменение и перечислить реальные результаты подключённых проверок. Различайте предлагаемые команды, сгенерированный код и завершённые операции. Эти практические примеры процессов опираются на документированную область разработки и инструментов.
Рекомендации по генерации
Производитель рекомендует temperature 1,0, top_p 0,95 и top_k 40. Эти точные настройки отличаются от нескольких разговорных моделей Qwen и должны оставаться частью собственных настроек Coder-Next. В опубликованной конфигурации используется архитектура авторегрессионной языковой модели Qwen3-Next. Последовательно используйте документированное имя именно этого варианта и его шаблон диалога на всём протяжении работы с кодом.
Существенные ограничения
Документированный вход — текст, поэтому скриншотам, аудио или видео требуется подходящее отдельное представление до включения в этот процесс программирования. Исходный контекст и примерные бюджеты генерации конечны; сокращайте нерелевантный код и оставляйте место для запрошенного результата. Проверяйте сгенерированный синтаксис, интерфейсы, крайние случаи и предлагаемые изменения в реальном процессе разработки. Полезный выход — проверяемый код или объяснение, поддержанное реальными материалами задачи и сохраняющее текстовую идентичность этого варианта и его режим без отдельного рассуждения.
", "aboutText": "Ключевые возможности: модель для агентов программирования\n\nQwen3-Coder-Next — открытая текстовая модель, разработанная специально для агентов программирования и процессов разработки. Qwen описывает решение задач на длинном горизонте, сложное использование инструментов и восстановление после ошибок выполнения, а также адаптацию к разным агентным средам разработки. Она принимает и выдаёт текст, включая код, объяснения и запросы инструментов. Именно этот вариант Coder-Next имеет собственный контракт режима без отдельного рассуждения; его не следует заменять редакциями Thinking более широкого семейства Next.\n\nДля задачи разработки предоставьте нужные файлы или фрагменты, желаемое поведение и входные данные, демонстрирующие проблему. Запросите редактируемое изменение и объяснение, связанное с этими условиями. Для задачи из нескольких шагов определите цель, разрешённые инструменты и наблюдения, которые покажут завершение. Сопоставьте предлагаемое изменение кода и его объяснение с предоставленными файлами, входом, вызывающим сбой, и критериями завершения.\n\nОбзор модели\n\nМодель содержит всего 80 миллиардов параметров и активирует три миллиарда. Её 48-слойная гибридная структура повторяет три экспертных слоя Gated DeltaNet, за которыми следует один экспертный слой с гейтированным вниманием. Производитель указывает 512 экспертов, десять активируемых экспертов и одного общего эксперта. Небольшое число активируемых параметров характеризует вычисления разреженной модели, а не размер полного набора весов.\n\nИсходный контекст составляет 262 144 токена. Примеры производителя допускают меньший контекст, например 32 768, если ограничения памяти мешают работе с большей конфигурацией. Исходный код, история, наблюдения инструментов и сгенерированный текст должны укладываться в настроенный предел последовательности. Карточка не устанавливает для этого варианта расширение до миллиона токенов по умолчанию.\n\nИспользование текстового интерфейса без отдельного рассуждения\n\nCoder-Next поддерживает только режим без отдельного рассуждения и не генерирует явные блоки размышлений. В примере производителя устанавливать enable_thinking=False не требуется. При этом модель может объяснить патч, обсудить алгоритм или рассуждать обычным текстом; режим без отдельного рассуждения описывает форму вывода, а не запрещает объяснения.\n\nВ кратком руководстве запрашивается алгоритм сортировки и используется бюджет генерации 65 536 токенов. Это пример бюджета, а не отдельно опубликованный жёсткий предел вывода. Укажите формат и ограничения результата: язык, нужные интерфейсы, требуемое поведение и то, должен ли ответ содержать патч, полную функцию или объяснение. Отделяйте редактируемый результат от пояснений, чтобы его было удобно проверять.\n\nАгентные среды разработки и контекст\n\nПроизводитель подчёркивает совместимость с агентными средами на основе CLI и IDE, включая Qwen Code. Такая среда предоставляет состояние проекта, определения инструментов, наблюдения и формат диалога. Последовательно сохраняйте эти входные данные в многошаговой задаче. Если инструмент сообщает о непрошедшей проверке, предоставьте реальную ошибку и относящийся к ней изменённый код, а не только просьбу повторить попытку.\n\nДля работы на длинном горизонте полезно явно показывать состояние задачи: что наблюдалось, какое изменение предлагается и какое условие остаётся нерешённым. Наблюдение инструмента отличается от утверждения в сгенерированном тексте. Возможность модели восстанавливаться после ошибок не следует считать автоматическим разрешением запускать команды или гарантией успеха каждого восстановления.\n\nАгентное программирование и вызовы инструментов\n\nQwen документирует определения инструментов в форме функций с именами, описаниями, схемами входных данных и обязательными полями. Предоставьте точное определение и ожидаемый смысл возвращаемого значения. Приложение выполняет выбранный инструмент и возвращает его результат; затем модель использует этот результат на следующем шаге. Сам вызов инструментов не даёт доступа к файловой системе, актуальным источникам или среде выполнения.\n\nДля агента, редактирующего репозиторий, ограничьте разрешённые файлы и требуемый результат. Полезный итоговый отчёт может назвать затронутые модули, объяснить изменение и перечислить реальные результаты подключённых проверок. Различайте предлагаемые команды, сгенерированный код и завершённые операции. Эти практические примеры процессов опираются на документированную область разработки и инструментов.\n\nРекомендации по генерации\n\nПроизводитель рекомендует temperature 1,0, top_p 0,95 и top_k 40. Эти точные настройки отличаются от нескольких разговорных моделей Qwen и должны оставаться частью собственных настроек Coder-Next. В опубликованной конфигурации используется архитектура авторегрессионной языковой модели Qwen3-Next. Последовательно используйте документированное имя именно этого варианта и его шаблон диалога на всём протяжении работы с кодом.\n\nСущественные ограничения\n\nДокументированный вход — текст, поэтому скриншотам, аудио или видео требуется подходящее отдельное представление до включения в этот процесс программирования. Исходный контекст и примерные бюджеты генерации конечны; сокращайте нерелевантный код и оставляйте место для запрошенного результата. Проверяйте сгенерированный синтаксис, интерфейсы, крайние случаи и предлагаемые изменения в реальном процессе разработки. Полезный выход — проверяемый код или объяснение, поддержанное реальными материалами задачи и сохраняющее текстовую идентичность этого варианта и его режим без отдельного рассуждения.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Implement a stable partition helper\n\nWrite a Python function partition_even(values) returning two new lists: even integers first and odd integers second. Preserve order within each list and do not mutate values. Provide tests for negative integers, repeated values and empty input. Return the complete function separately from the explanation, with no claim that tests have been executed.A complete function, tests for the named cases and a brief order-preservation explanation.Check that each input occurrence appears exactly once in the appropriate result list and that source order is retained.qwen/qwen3-coder-nextQwen3-Coder-Next — текстовая модель Qwen для агентов программирования с 80 миллиардами параметров всего и 3 миллиардами активируемых. Она работает без отдельного блока рассуждения, имеет исходный контекст 262 144 токена и вызывает инструменты в процессах разработки, включая многошаговую работу и восстановление по обратной связи от выполнения.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Ключевые возможности: модель для агентов программирования
Qwen3-Coder-Next — открытая текстовая модель, разработанная специально для агентов программирования и процессов разработки. Qwen описывает решение задач на длинном горизонте, сложное использование инструментов и восстановление после ошибок выполнения, а также адаптацию к разным агентным средам разработки. Она принимает и выдаёт текст, включая код, объяснения и запросы инструментов. Именно этот вариант Coder-Next имеет собственный контракт режима без отдельного рассуждения; его не следует заменять редакциями Thinking более широкого семейства Next.
Для задачи разработки предоставьте нужные файлы или фрагменты, желаемое поведение и входные данные, демонстрирующие проблему. Запросите редактируемое изменение и объяснение, связанное с этими условиями. Для задачи из нескольких шагов определите цель, разрешённые инструменты и наблюдения, которые покажут завершение. Сопоставьте предлагаемое изменение кода и его объяснение с предоставленными файлами, входом, вызывающим сбой, и критериями завершения.
Обзор модели
Модель содержит всего 80 миллиардов параметров и активирует три миллиарда. Её 48-слойная гибридная структура повторяет три экспертных слоя Gated DeltaNet, за которыми следует один экспертный слой с гейтированным вниманием. Производитель указывает 512 экспертов, десять активируемых экспертов и одного общего эксперта. Небольшое число активируемых параметров характеризует вычисления разреженной модели, а не размер полного набора весов.
Исходный контекст составляет 262 144 токена. Примеры производителя допускают меньший контекст, например 32 768, если ограничения памяти мешают работе с большей конфигурацией. Исходный код, история, наблюдения инструментов и сгенерированный текст должны укладываться в настроенный предел последовательности. Карточка не устанавливает для этого варианта расширение до миллиона токенов по умолчанию.
Использование текстового интерфейса без отдельного рассуждения
Coder-Next поддерживает только режим без отдельного рассуждения и не генерирует явные блоки размышлений. В примере производителя устанавливать enable_thinking=False не требуется. При этом модель может объяснить патч, обсудить алгоритм или рассуждать обычным текстом; режим без отдельного рассуждения описывает форму вывода, а не запрещает объяснения.
В кратком руководстве запрашивается алгоритм сортировки и используется бюджет генерации 65 536 токенов. Это пример бюджета, а не отдельно опубликованный жёсткий предел вывода. Укажите формат и ограничения результата: язык, нужные интерфейсы, требуемое поведение и то, должен ли ответ содержать патч, полную функцию или объяснение. Отделяйте редактируемый результат от пояснений, чтобы его было удобно проверять.
Агентные среды разработки и контекст
Производитель подчёркивает совместимость с агентными средами на основе CLI и IDE, включая Qwen Code. Такая среда предоставляет состояние проекта, определения инструментов, наблюдения и формат диалога. Последовательно сохраняйте эти входные данные в многошаговой задаче. Если инструмент сообщает о непрошедшей проверке, предоставьте реальную ошибку и относящийся к ней изменённый код, а не только просьбу повторить попытку.
Для работы на длинном горизонте полезно явно показывать состояние задачи: что наблюдалось, какое изменение предлагается и какое условие остаётся нерешённым. Наблюдение инструмента отличается от утверждения в сгенерированном тексте. Возможность модели восстанавливаться после ошибок не следует считать автоматическим разрешением запускать команды или гарантией успеха каждого восстановления.
Агентное программирование и вызовы инструментов
Qwen документирует определения инструментов в форме функций с именами, описаниями, схемами входных данных и обязательными полями. Предоставьте точное определение и ожидаемый смысл возвращаемого значения. Приложение выполняет выбранный инструмент и возвращает его результат; затем модель использует этот результат на следующем шаге. Сам вызов инструментов не даёт доступа к файловой системе, актуальным источникам или среде выполнения.
Для агента, редактирующего репозиторий, ограничьте разрешённые файлы и требуемый результат. Полезный итоговый отчёт может назвать затронутые модули, объяснить изменение и перечислить реальные результаты подключённых проверок. Различайте предлагаемые команды, сгенерированный код и завершённые операции. Эти практические примеры процессов опираются на документированную область разработки и инструментов.
Рекомендации по генерации
Производитель рекомендует temperature 1,0, top_p 0,95 и top_k 40. Эти точные настройки отличаются от нескольких разговорных моделей Qwen и должны оставаться частью собственных настроек Coder-Next. В опубликованной конфигурации используется архитектура авторегрессионной языковой модели Qwen3-Next. Последовательно используйте документированное имя именно этого варианта и его шаблон диалога на всём протяжении работы с кодом.
Существенные ограничения
Документированный вход — текст, поэтому скриншотам, аудио или видео требуется подходящее отдельное представление до включения в этот процесс программирования. Исходный контекст и примерные бюджеты генерации конечны; сокращайте нерелевантный код и оставляйте место для запрошенного результата. Проверяйте сгенерированный синтаксис, интерфейсы, крайние случаи и предлагаемые изменения в реальном процессе разработки. Полезный выход — проверяемый код или объяснение, поддержанное реальными материалами задачи и сохраняющее текстовую идентичность этого варианта и его режим без отдельного рассуждения.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen/qwen3-coder-next | 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 $0.00024 / 1K токенов Выход · Выходные токены $0.0016 / 1K токенов Вход · Чтение кэша $0.00014 / 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 $0.00024 / 1K токенов Выход · Выходные токены $0.0016 / 1K токенов Вход · Чтение кэша $0.00014 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-coder-next", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-coder-next',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-coder-next',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-coder-next
Используйте пути методов, указанные выше.
qwen/qwen3-coder-nextQwen3-Coder-Next — текстовая модель Qwen для агентов программирования с 80 миллиардами параметров всего и 3 миллиардами активируемых. Она работает без отдельного блока рассуждения, имеет исходный контекст 262 144 токена и вызывает инструменты в процессах разработки, включая многошаговую работу и восстановление по обратной связи от выполнения.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Ключевые возможности: модель для агентов программирования
Qwen3-Coder-Next — открытая текстовая модель, разработанная специально для агентов программирования и процессов разработки. Qwen описывает решение задач на длинном горизонте, сложное использование инструментов и восстановление после ошибок выполнения, а также адаптацию к разным агентным средам разработки. Она принимает и выдаёт текст, включая код, объяснения и запросы инструментов. Именно этот вариант Coder-Next имеет собственный контракт режима без отдельного рассуждения; его не следует заменять редакциями Thinking более широкого семейства Next.
Для задачи разработки предоставьте нужные файлы или фрагменты, желаемое поведение и входные данные, демонстрирующие проблему. Запросите редактируемое изменение и объяснение, связанное с этими условиями. Для задачи из нескольких шагов определите цель, разрешённые инструменты и наблюдения, которые покажут завершение. Сопоставьте предлагаемое изменение кода и его объяснение с предоставленными файлами, входом, вызывающим сбой, и критериями завершения.
Обзор модели
Модель содержит всего 80 миллиардов параметров и активирует три миллиарда. Её 48-слойная гибридная структура повторяет три экспертных слоя Gated DeltaNet, за которыми следует один экспертный слой с гейтированным вниманием. Производитель указывает 512 экспертов, десять активируемых экспертов и одного общего эксперта. Небольшое число активируемых параметров характеризует вычисления разреженной модели, а не размер полного набора весов.
Исходный контекст составляет 262 144 токена. Примеры производителя допускают меньший контекст, например 32 768, если ограничения памяти мешают работе с большей конфигурацией. Исходный код, история, наблюдения инструментов и сгенерированный текст должны укладываться в настроенный предел последовательности. Карточка не устанавливает для этого варианта расширение до миллиона токенов по умолчанию.
Использование текстового интерфейса без отдельного рассуждения
Coder-Next поддерживает только режим без отдельного рассуждения и не генерирует явные блоки размышлений. В примере производителя устанавливать enable_thinking=False не требуется. При этом модель может объяснить патч, обсудить алгоритм или рассуждать обычным текстом; режим без отдельного рассуждения описывает форму вывода, а не запрещает объяснения.
В кратком руководстве запрашивается алгоритм сортировки и используется бюджет генерации 65 536 токенов. Это пример бюджета, а не отдельно опубликованный жёсткий предел вывода. Укажите формат и ограничения результата: язык, нужные интерфейсы, требуемое поведение и то, должен ли ответ содержать патч, полную функцию или объяснение. Отделяйте редактируемый результат от пояснений, чтобы его было удобно проверять.
Агентные среды разработки и контекст
Производитель подчёркивает совместимость с агентными средами на основе CLI и IDE, включая Qwen Code. Такая среда предоставляет состояние проекта, определения инструментов, наблюдения и формат диалога. Последовательно сохраняйте эти входные данные в многошаговой задаче. Если инструмент сообщает о непрошедшей проверке, предоставьте реальную ошибку и относящийся к ней изменённый код, а не только просьбу повторить попытку.
Для работы на длинном горизонте полезно явно показывать состояние задачи: что наблюдалось, какое изменение предлагается и какое условие остаётся нерешённым. Наблюдение инструмента отличается от утверждения в сгенерированном тексте. Возможность модели восстанавливаться после ошибок не следует считать автоматическим разрешением запускать команды или гарантией успеха каждого восстановления.
Агентное программирование и вызовы инструментов
Qwen документирует определения инструментов в форме функций с именами, описаниями, схемами входных данных и обязательными полями. Предоставьте точное определение и ожидаемый смысл возвращаемого значения. Приложение выполняет выбранный инструмент и возвращает его результат; затем модель использует этот результат на следующем шаге. Сам вызов инструментов не даёт доступа к файловой системе, актуальным источникам или среде выполнения.
Для агента, редактирующего репозиторий, ограничьте разрешённые файлы и требуемый результат. Полезный итоговый отчёт может назвать затронутые модули, объяснить изменение и перечислить реальные результаты подключённых проверок. Различайте предлагаемые команды, сгенерированный код и завершённые операции. Эти практические примеры процессов опираются на документированную область разработки и инструментов.
Рекомендации по генерации
Производитель рекомендует temperature 1,0, top_p 0,95 и top_k 40. Эти точные настройки отличаются от нескольких разговорных моделей Qwen и должны оставаться частью собственных настроек Coder-Next. В опубликованной конфигурации используется архитектура авторегрессионной языковой модели Qwen3-Next. Последовательно используйте документированное имя именно этого варианта и его шаблон диалога на всём протяжении работы с кодом.
Существенные ограничения
Документированный вход — текст, поэтому скриншотам, аудио или видео требуется подходящее отдельное представление до включения в этот процесс программирования. Исходный контекст и примерные бюджеты генерации конечны; сокращайте нерелевантный код и оставляйте место для запрошенного результата. Проверяйте сгенерированный синтаксис, интерфейсы, крайние случаи и предлагаемые изменения в реальном процессе разработки. Полезный выход — проверяемый код или объяснение, поддержанное реальными материалами задачи и сохраняющее текстовую идентичность этого варианта и его режим без отдельного рассуждения.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen/qwen3-coder-next | 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 $0.00024 / 1K токенов Выход · Выходные токены $0.0016 / 1K токенов Вход · Чтение кэша $0.00014 / 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 $0.00024 / 1K токенов Выход · Выходные токены $0.0016 / 1K токенов Вход · Чтение кэша $0.00014 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "qwen/qwen3-coder-next",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-coder-next', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-coder-next', '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-coder-next
Используйте пути методов, указанные выше.
Технический пример на английском
Implement a stable partition helper\n\nWrite a Python function partition_even(values) returning two new lists: even integers first and odd integers second. Preserve order within each list and do not mutate values. Provide tests for negative integers, repeated values and empty input. Return the complete function separately from the explanation, with no claim that tests have been executed.A complete function, tests for the named cases and a brief order-preservation explanation.Check that each input occurrence appears exactly once in the appropriate result list and that source order is retained.