Hlavné body: pevná aktualizácia Instruct-2507
Qwen3-30B-A3B-Instruct-2507 je aktualizované vydanie Qwen3-30B-A3B bez režimu uvažovania. Výrobca vyzdvihuje zlepšenia dodržiavania pokynov, logického uvažovania, porozumenia textu, matematiky, vedy, programovania a používania nástrojov, so širšími znalosťami menej bežných tém vo viacerých jazykoch a lepším prispôsobením otvoreným úlohám. Prijíma text a vytvára text: odpoveď, vysvetlenie, návrh kódu alebo požadovaný písomný artefakt.
Pevnú identitu 2507 odlíšte od pôvodného hybridného Qwen3-30B-A3B, jeho zostavenia FP8 a vydania Thinking-2507. Opis viacjazyčných znalostí modelu nedáva samostatnú záruku počtu jazykov pre túto snímku. Pri preklade či prepise uveďte cieľový jazyk, publikum a termíny, ktoré majú zostať nezmenené.
Prehľad modelu
Model so zmesou expertov má celkovo 30,5 miliardy parametrov a aktivuje 3,3 miliardy. Má 48 vrstiev, 128 expertov a osem expertov vybraných na token. Natívny kontext je 262 144 tokenov. Aktivované parametre nie sú veľkosť celej kontrolnej snímky a samotná architektúra neustanovuje pevný čas odpovede v aplikácii.
Toto vydanie podporuje iba režim bez uvažovania a negeneruje explicitné bloky uvažovania. Nastavenie enable_thinking=False nie je v postupe výrobcu potrebné. Stále môže ukazovať výpočty či vysvetľovať kód v bežnom texte; požiadavka na podporné kroky ho nemení na samostatnú kontrolnú snímku Thinking.
Príprava užitočnej textovej požiadavky
Pri programovaní dodajte relevantnú funkciu alebo modul, vstupné obmedzenia, pozorované správanie a požadovaný výsledok. Žiadajte navrhnutú opravu alebo úplnú funkciu s vysvetlením ovplyvnených predpokladov. Pri matematickej či vedeckej otázke dajte úplné zadanie, jednotky a definície, potom žiadajte jasne ohraničenú konečnú odpoveď podporenú dodanými podmienkami.
Pri otvorenom písaní definujte publikum, účel, tón a informácie, ktoré musia byť zahrnuté. Užitočnou odpoveďou môže byť upraviteľný návrh rozdelený podľa požadovaných sekcií s nepodloženými predpokladmi uvedenými samostatne. Vrátený návrh, výpočty či navrhovaný kód porovnajte s dodanými faktmi, definíciami a požiadavkami.
Agentné použitie
Qwen dokumentuje volanie nástrojov a odporúča Qwen-Agent pre šablóny a parsovanie s nakonfigurovanými alebo cez MCP pripojenými nástrojmi. Uveďte povolené akcie a pozorovateľné podmienky dokončenia. Pripojené nástroje vykonávajú externé operácie a vracajú pozorovania; model môže túto spätnú väzbu použiť v ďalšej odpovedi. Navrhnutý príkaz alebo tvrdenie o získanom zdroji musí zostať odlišné od výsledku skutočne vráteného postupom.
Jasným konečným artefaktom môže byť návrh kódu, tabuľka dôkazov alebo stručná správa. Podpora nástrojov sama nevytvára prístup k aktuálnym zdrojom, súborom či prostrediu vykonávania cez každé rozhranie. Zachovajte kontrakt odpovede bez uvažovania presného modelu namiesto preberania prepínačov promptu hybridného modelu alebo výstupných priestorov vydania Thinking.
Spracovanie mimoriadne dlhého textu
Výrobca dokumentuje voliteľný postup dosahujúci približne milión tokenov cez Dual Chunk Attention a riedku pozornosť MInference. Prvý delí dlhú sekvenciu na zvládnuteľné časti pri zachovaní interakcií medzi nimi; druhý sústreďuje výpočty na vybrané vzťahy pozornosti. Je to dodatočná konfiguračná cesta nad natívny kontext 262 144, používajúca osobitnú konfiguráciu dlhého kontextu.
Postup odhaduje približne 240 GB celkovej pamäte GPU pre váhy modelu, stav sekvencie uložený v cache a špičkové aktivácie. Opisuje aj samostatné kapacitné zlyhania z cache sekvencie, pamäte aktivácií či vstupu presahujúceho nakonfigurovanú dĺžku. Postup s miliónom tokenov preto závisí od konfigurácie a prostriedkov; hlavný údaj sa nemá chápať ako bezpodmienečná predvolená hodnota.
Dlhý vstup pripravte s hranicami dokumentov, názvami sekcií alebo identifikátormi kódu a konkrétnou otázkou. Rezervujte miesto na odpoveď a vyžiadajte dôkazy podporujúce každý záver.
Odporúčania generovania
Odporúčané postupy uvádzajú temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Kde je podporovaná, presence penalty medzi nulou a dvomi môže obmedziť opakovanie textu, zatiaľ čo vyššie hodnoty môžu miešať jazyky alebo mierne zhoršiť kvalitu. Výrobca odporúča výstupný priestor 16 384 tokenov pre väčšinu otázok namiesto dlhších rozpočtov dokumentovaných pre Thinking-2507. Je to odporúčanie, nie nezávisle ustanovený pevný výstupný strop.
Konečný formát stanovte explicitne, napríklad matematický oddeľovač alebo pole odpovede. Dokumentovaný vstup modelu je text, takže vizuálne alebo zvukové dôkazy potrebujú vhodnú samostatnú reprezentáciu pred týmto postupom. Výpočty, citácie a generovaný kód overte podľa zdroja. Užitočný výsledok je úplný textový artefakt vhodný na kontrolu, ktorého pevná identita Instruct-2507, režim bez uvažovania a podmienený postup dlhého kontextu zostávajú jasné.
", "aboutText": "Hlavné body: pevná aktualizácia Instruct-2507\n\nQwen3-30B-A3B-Instruct-2507 je aktualizované vydanie Qwen3-30B-A3B bez režimu uvažovania. Výrobca vyzdvihuje zlepšenia dodržiavania pokynov, logického uvažovania, porozumenia textu, matematiky, vedy, programovania a používania nástrojov, so širšími znalosťami menej bežných tém vo viacerých jazykoch a lepším prispôsobením otvoreným úlohám. Prijíma text a vytvára text: odpoveď, vysvetlenie, návrh kódu alebo požadovaný písomný artefakt.\n\nPevnú identitu 2507 odlíšte od pôvodného hybridného Qwen3-30B-A3B, jeho zostavenia FP8 a vydania Thinking-2507. Opis viacjazyčných znalostí modelu nedáva samostatnú záruku počtu jazykov pre túto snímku. Pri preklade či prepise uveďte cieľový jazyk, publikum a termíny, ktoré majú zostať nezmenené.\n\nPrehľad modelu\n\nModel so zmesou expertov má celkovo 30,5 miliardy parametrov a aktivuje 3,3 miliardy. Má 48 vrstiev, 128 expertov a osem expertov vybraných na token. Natívny kontext je 262 144 tokenov. Aktivované parametre nie sú veľkosť celej kontrolnej snímky a samotná architektúra neustanovuje pevný čas odpovede v aplikácii.\n\nToto vydanie podporuje iba režim bez uvažovania a negeneruje explicitné bloky uvažovania. Nastavenie enable_thinking=False nie je v postupe výrobcu potrebné. Stále môže ukazovať výpočty či vysvetľovať kód v bežnom texte; požiadavka na podporné kroky ho nemení na samostatnú kontrolnú snímku Thinking.\n\nPríprava užitočnej textovej požiadavky\n\nPri programovaní dodajte relevantnú funkciu alebo modul, vstupné obmedzenia, pozorované správanie a požadovaný výsledok. Žiadajte navrhnutú opravu alebo úplnú funkciu s vysvetlením ovplyvnených predpokladov. Pri matematickej či vedeckej otázke dajte úplné zadanie, jednotky a definície, potom žiadajte jasne ohraničenú konečnú odpoveď podporenú dodanými podmienkami.\n\nPri otvorenom písaní definujte publikum, účel, tón a informácie, ktoré musia byť zahrnuté. Užitočnou odpoveďou môže byť upraviteľný návrh rozdelený podľa požadovaných sekcií s nepodloženými predpokladmi uvedenými samostatne. Vrátený návrh, výpočty či navrhovaný kód porovnajte s dodanými faktmi, definíciami a požiadavkami.\n\nAgentné použitie\n\nQwen dokumentuje volanie nástrojov a odporúča Qwen-Agent pre šablóny a parsovanie s nakonfigurovanými alebo cez MCP pripojenými nástrojmi. Uveďte povolené akcie a pozorovateľné podmienky dokončenia. Pripojené nástroje vykonávajú externé operácie a vracajú pozorovania; model môže túto spätnú väzbu použiť v ďalšej odpovedi. Navrhnutý príkaz alebo tvrdenie o získanom zdroji musí zostať odlišné od výsledku skutočne vráteného postupom.\n\nJasným konečným artefaktom môže byť návrh kódu, tabuľka dôkazov alebo stručná správa. Podpora nástrojov sama nevytvára prístup k aktuálnym zdrojom, súborom či prostrediu vykonávania cez každé rozhranie. Zachovajte kontrakt odpovede bez uvažovania presného modelu namiesto preberania prepínačov promptu hybridného modelu alebo výstupných priestorov vydania Thinking.\n\nSpracovanie mimoriadne dlhého textu\n\nVýrobca dokumentuje voliteľný postup dosahujúci približne milión tokenov cez Dual Chunk Attention a riedku pozornosť MInference. Prvý delí dlhú sekvenciu na zvládnuteľné časti pri zachovaní interakcií medzi nimi; druhý sústreďuje výpočty na vybrané vzťahy pozornosti. Je to dodatočná konfiguračná cesta nad natívny kontext 262 144, používajúca osobitnú konfiguráciu dlhého kontextu.\n\nPostup odhaduje približne 240 GB celkovej pamäte GPU pre váhy modelu, stav sekvencie uložený v cache a špičkové aktivácie. Opisuje aj samostatné kapacitné zlyhania z cache sekvencie, pamäte aktivácií či vstupu presahujúceho nakonfigurovanú dĺžku. Postup s miliónom tokenov preto závisí od konfigurácie a prostriedkov; hlavný údaj sa nemá chápať ako bezpodmienečná predvolená hodnota.\n\nDlhý vstup pripravte s hranicami dokumentov, názvami sekcií alebo identifikátormi kódu a konkrétnou otázkou. Rezervujte miesto na odpoveď a vyžiadajte dôkazy podporujúce každý záver.\n\nOdporúčania generovania\n\nOdporúčané postupy uvádzajú temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Kde je podporovaná, presence penalty medzi nulou a dvomi môže obmedziť opakovanie textu, zatiaľ čo vyššie hodnoty môžu miešať jazyky alebo mierne zhoršiť kvalitu. Výrobca odporúča výstupný priestor 16 384 tokenov pre väčšinu otázok namiesto dlhších rozpočtov dokumentovaných pre Thinking-2507. Je to odporúčanie, nie nezávisle ustanovený pevný výstupný strop.\n\nKonečný formát stanovte explicitne, napríklad matematický oddeľovač alebo pole odpovede. Dokumentovaný vstup modelu je text, takže vizuálne alebo zvukové dôkazy potrebujú vhodnú samostatnú reprezentáciu pred týmto postupom. Výpočty, citácie a generovaný kód overte podľa zdroja. Užitočný výsledok je úplný textový artefakt vhodný na kontrolu, ktorého pevná identita Instruct-2507, režim bez uvažovania a podmienený postup dlhého kontextu zostávajú jasné.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 je pevné júlové textové vydanie 2507 od Qwen bez režimu uvažovania s celkovo 30,5 miliardy a 3,3 miliardy aktivovaných parametrov. Zlepšuje dodržiavanie pokynov, programovanie, viacjazyčné znalosti a otvorené písanie s natívnym kontextom 262 144 tokenov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Hlavné body: pevná aktualizácia Instruct-2507
Qwen3-30B-A3B-Instruct-2507 je aktualizované vydanie Qwen3-30B-A3B bez režimu uvažovania. Výrobca vyzdvihuje zlepšenia dodržiavania pokynov, logického uvažovania, porozumenia textu, matematiky, vedy, programovania a používania nástrojov, so širšími znalosťami menej bežných tém vo viacerých jazykoch a lepším prispôsobením otvoreným úlohám. Prijíma text a vytvára text: odpoveď, vysvetlenie, návrh kódu alebo požadovaný písomný artefakt.
Pevnú identitu 2507 odlíšte od pôvodného hybridného Qwen3-30B-A3B, jeho zostavenia FP8 a vydania Thinking-2507. Opis viacjazyčných znalostí modelu nedáva samostatnú záruku počtu jazykov pre túto snímku. Pri preklade či prepise uveďte cieľový jazyk, publikum a termíny, ktoré majú zostať nezmenené.
Prehľad modelu
Model so zmesou expertov má celkovo 30,5 miliardy parametrov a aktivuje 3,3 miliardy. Má 48 vrstiev, 128 expertov a osem expertov vybraných na token. Natívny kontext je 262 144 tokenov. Aktivované parametre nie sú veľkosť celej kontrolnej snímky a samotná architektúra neustanovuje pevný čas odpovede v aplikácii.
Toto vydanie podporuje iba režim bez uvažovania a negeneruje explicitné bloky uvažovania. Nastavenie enable_thinking=False nie je v postupe výrobcu potrebné. Stále môže ukazovať výpočty či vysvetľovať kód v bežnom texte; požiadavka na podporné kroky ho nemení na samostatnú kontrolnú snímku Thinking.
Príprava užitočnej textovej požiadavky
Pri programovaní dodajte relevantnú funkciu alebo modul, vstupné obmedzenia, pozorované správanie a požadovaný výsledok. Žiadajte navrhnutú opravu alebo úplnú funkciu s vysvetlením ovplyvnených predpokladov. Pri matematickej či vedeckej otázke dajte úplné zadanie, jednotky a definície, potom žiadajte jasne ohraničenú konečnú odpoveď podporenú dodanými podmienkami.
Pri otvorenom písaní definujte publikum, účel, tón a informácie, ktoré musia byť zahrnuté. Užitočnou odpoveďou môže byť upraviteľný návrh rozdelený podľa požadovaných sekcií s nepodloženými predpokladmi uvedenými samostatne. Vrátený návrh, výpočty či navrhovaný kód porovnajte s dodanými faktmi, definíciami a požiadavkami.
Agentné použitie
Qwen dokumentuje volanie nástrojov a odporúča Qwen-Agent pre šablóny a parsovanie s nakonfigurovanými alebo cez MCP pripojenými nástrojmi. Uveďte povolené akcie a pozorovateľné podmienky dokončenia. Pripojené nástroje vykonávajú externé operácie a vracajú pozorovania; model môže túto spätnú väzbu použiť v ďalšej odpovedi. Navrhnutý príkaz alebo tvrdenie o získanom zdroji musí zostať odlišné od výsledku skutočne vráteného postupom.
Jasným konečným artefaktom môže byť návrh kódu, tabuľka dôkazov alebo stručná správa. Podpora nástrojov sama nevytvára prístup k aktuálnym zdrojom, súborom či prostrediu vykonávania cez každé rozhranie. Zachovajte kontrakt odpovede bez uvažovania presného modelu namiesto preberania prepínačov promptu hybridného modelu alebo výstupných priestorov vydania Thinking.
Spracovanie mimoriadne dlhého textu
Výrobca dokumentuje voliteľný postup dosahujúci približne milión tokenov cez Dual Chunk Attention a riedku pozornosť MInference. Prvý delí dlhú sekvenciu na zvládnuteľné časti pri zachovaní interakcií medzi nimi; druhý sústreďuje výpočty na vybrané vzťahy pozornosti. Je to dodatočná konfiguračná cesta nad natívny kontext 262 144, používajúca osobitnú konfiguráciu dlhého kontextu.
Postup odhaduje približne 240 GB celkovej pamäte GPU pre váhy modelu, stav sekvencie uložený v cache a špičkové aktivácie. Opisuje aj samostatné kapacitné zlyhania z cache sekvencie, pamäte aktivácií či vstupu presahujúceho nakonfigurovanú dĺžku. Postup s miliónom tokenov preto závisí od konfigurácie a prostriedkov; hlavný údaj sa nemá chápať ako bezpodmienečná predvolená hodnota.
Dlhý vstup pripravte s hranicami dokumentov, názvami sekcií alebo identifikátormi kódu a konkrétnou otázkou. Rezervujte miesto na odpoveď a vyžiadajte dôkazy podporujúce každý záver.
Odporúčania generovania
Odporúčané postupy uvádzajú temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Kde je podporovaná, presence penalty medzi nulou a dvomi môže obmedziť opakovanie textu, zatiaľ čo vyššie hodnoty môžu miešať jazyky alebo mierne zhoršiť kvalitu. Výrobca odporúča výstupný priestor 16 384 tokenov pre väčšinu otázok namiesto dlhších rozpočtov dokumentovaných pre Thinking-2507. Je to odporúčanie, nie nezávisle ustanovený pevný výstupný strop.
Konečný formát stanovte explicitne, napríklad matematický oddeľovač alebo pole odpovede. Dokumentovaný vstup modelu je text, takže vizuálne alebo zvukové dôkazy potrebujú vhodnú samostatnú reprezentáciu pred týmto postupom. Výpočty, citácie a generovaný kód overte podľa zdroja. Užitočný výsledok je úplný textový artefakt vhodný na kontrolu, ktorého pevná identita Instruct-2507, režim bez uvažovania a podmienený postup dlhého kontextu zostávajú jasné.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen/qwen3-30b-a3b-instruct-2507 | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0008 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0008 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-30b-a3b-instruct-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Použite cesty metód uvedené vyššie.
qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 je pevné júlové textové vydanie 2507 od Qwen bez režimu uvažovania s celkovo 30,5 miliardy a 3,3 miliardy aktivovaných parametrov. Zlepšuje dodržiavanie pokynov, programovanie, viacjazyčné znalosti a otvorené písanie s natívnym kontextom 262 144 tokenov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Hlavné body: pevná aktualizácia Instruct-2507
Qwen3-30B-A3B-Instruct-2507 je aktualizované vydanie Qwen3-30B-A3B bez režimu uvažovania. Výrobca vyzdvihuje zlepšenia dodržiavania pokynov, logického uvažovania, porozumenia textu, matematiky, vedy, programovania a používania nástrojov, so širšími znalosťami menej bežných tém vo viacerých jazykoch a lepším prispôsobením otvoreným úlohám. Prijíma text a vytvára text: odpoveď, vysvetlenie, návrh kódu alebo požadovaný písomný artefakt.
Pevnú identitu 2507 odlíšte od pôvodného hybridného Qwen3-30B-A3B, jeho zostavenia FP8 a vydania Thinking-2507. Opis viacjazyčných znalostí modelu nedáva samostatnú záruku počtu jazykov pre túto snímku. Pri preklade či prepise uveďte cieľový jazyk, publikum a termíny, ktoré majú zostať nezmenené.
Prehľad modelu
Model so zmesou expertov má celkovo 30,5 miliardy parametrov a aktivuje 3,3 miliardy. Má 48 vrstiev, 128 expertov a osem expertov vybraných na token. Natívny kontext je 262 144 tokenov. Aktivované parametre nie sú veľkosť celej kontrolnej snímky a samotná architektúra neustanovuje pevný čas odpovede v aplikácii.
Toto vydanie podporuje iba režim bez uvažovania a negeneruje explicitné bloky uvažovania. Nastavenie enable_thinking=False nie je v postupe výrobcu potrebné. Stále môže ukazovať výpočty či vysvetľovať kód v bežnom texte; požiadavka na podporné kroky ho nemení na samostatnú kontrolnú snímku Thinking.
Príprava užitočnej textovej požiadavky
Pri programovaní dodajte relevantnú funkciu alebo modul, vstupné obmedzenia, pozorované správanie a požadovaný výsledok. Žiadajte navrhnutú opravu alebo úplnú funkciu s vysvetlením ovplyvnených predpokladov. Pri matematickej či vedeckej otázke dajte úplné zadanie, jednotky a definície, potom žiadajte jasne ohraničenú konečnú odpoveď podporenú dodanými podmienkami.
Pri otvorenom písaní definujte publikum, účel, tón a informácie, ktoré musia byť zahrnuté. Užitočnou odpoveďou môže byť upraviteľný návrh rozdelený podľa požadovaných sekcií s nepodloženými predpokladmi uvedenými samostatne. Vrátený návrh, výpočty či navrhovaný kód porovnajte s dodanými faktmi, definíciami a požiadavkami.
Agentné použitie
Qwen dokumentuje volanie nástrojov a odporúča Qwen-Agent pre šablóny a parsovanie s nakonfigurovanými alebo cez MCP pripojenými nástrojmi. Uveďte povolené akcie a pozorovateľné podmienky dokončenia. Pripojené nástroje vykonávajú externé operácie a vracajú pozorovania; model môže túto spätnú väzbu použiť v ďalšej odpovedi. Navrhnutý príkaz alebo tvrdenie o získanom zdroji musí zostať odlišné od výsledku skutočne vráteného postupom.
Jasným konečným artefaktom môže byť návrh kódu, tabuľka dôkazov alebo stručná správa. Podpora nástrojov sama nevytvára prístup k aktuálnym zdrojom, súborom či prostrediu vykonávania cez každé rozhranie. Zachovajte kontrakt odpovede bez uvažovania presného modelu namiesto preberania prepínačov promptu hybridného modelu alebo výstupných priestorov vydania Thinking.
Spracovanie mimoriadne dlhého textu
Výrobca dokumentuje voliteľný postup dosahujúci približne milión tokenov cez Dual Chunk Attention a riedku pozornosť MInference. Prvý delí dlhú sekvenciu na zvládnuteľné časti pri zachovaní interakcií medzi nimi; druhý sústreďuje výpočty na vybrané vzťahy pozornosti. Je to dodatočná konfiguračná cesta nad natívny kontext 262 144, používajúca osobitnú konfiguráciu dlhého kontextu.
Postup odhaduje približne 240 GB celkovej pamäte GPU pre váhy modelu, stav sekvencie uložený v cache a špičkové aktivácie. Opisuje aj samostatné kapacitné zlyhania z cache sekvencie, pamäte aktivácií či vstupu presahujúceho nakonfigurovanú dĺžku. Postup s miliónom tokenov preto závisí od konfigurácie a prostriedkov; hlavný údaj sa nemá chápať ako bezpodmienečná predvolená hodnota.
Dlhý vstup pripravte s hranicami dokumentov, názvami sekcií alebo identifikátormi kódu a konkrétnou otázkou. Rezervujte miesto na odpoveď a vyžiadajte dôkazy podporujúce každý záver.
Odporúčania generovania
Odporúčané postupy uvádzajú temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Kde je podporovaná, presence penalty medzi nulou a dvomi môže obmedziť opakovanie textu, zatiaľ čo vyššie hodnoty môžu miešať jazyky alebo mierne zhoršiť kvalitu. Výrobca odporúča výstupný priestor 16 384 tokenov pre väčšinu otázok namiesto dlhších rozpočtov dokumentovaných pre Thinking-2507. Je to odporúčanie, nie nezávisle ustanovený pevný výstupný strop.
Konečný formát stanovte explicitne, napríklad matematický oddeľovač alebo pole odpovede. Dokumentovaný vstup modelu je text, takže vizuálne alebo zvukové dôkazy potrebujú vhodnú samostatnú reprezentáciu pred týmto postupom. Výpočty, citácie a generovaný kód overte podľa zdroja. Užitočný výsledok je úplný textový artefakt vhodný na kontrolu, ktorého pevná identita Instruct-2507, režim bez uvažovania a podmienený postup dlhého kontextu zostávajú jasné.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen/qwen3-30b-a3b-instruct-2507 | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0008 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0008 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "qwen/qwen3-30b-a3b-instruct-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.