Hlavné prednosti Qwen3-Next: priame textové pokyny
Qwen3-Next-80B-A3B-Instruct je textové vydanie Qwen3-Next určené na pokyny, bez premýšľania. Prijíma text a vracia text vrátane vysvetlení, návrhov kódu a požadovaných dokumentových artefaktov. Negeneruje explicitné bloky premýšľania. Rozlišujte ho od vydania Thinking a od modelu Qwen3-Coder-Next špecializovaného na programovanie; spoločná rodinná architektúra neznamená, že sú ich kontrakty odpovedí zameniteľné.
Rodina zavádza hybridnú pozornosť kombinujúcu Gated DeltaNet a hradlovanú pozornosť, expertov s vysokou riedkosťou, optimalizácie stability vrátane normalizácie vrstiev centrovanej na nulu a s úbytkom váh, ako aj predikciu viacerých tokenov. Tieto zmeny sa týkajú reprezentácie a tréningu dlhých sekvencií. Ich efektívnosť pri inferencii závisí od implementácie, preto by sa architektonické údaje nemali meniť na záruku pevnej latencie alebo priepustnosti.
Prehľad modelu
Kontrolná snímka má celkovo 80 miliárd parametrov a aktivuje tri miliardy. Má 48 vrstiev s opakovaným expertným vzorom troch DeltaNet vrstiev na jednu vrstvu hradlovanej pozornosti. Výrobca uvádza 512 expertov, desať aktivovaných expertov a jedného zdieľaného experta, s predtréningom na 15 biliónoch tokenov a následným dotréningom. Aktivované parametre nie sú veľkosťou celej kontrolnej snímky.
Natívny kontext má 262 144 tokenov s dokumentovaným rozšírením na 1 010 000. Príklady nasadenia výrobcu povoľujú menší kontext, napríklad 32 768, keď obmedzené zdroje bránia fungovaniu väčšieho nastavenia. Text, história konverzácie, pozorovania nástrojov a generovaný obsah zdieľajú nakonfigurovaný limit sekvencie. Rozšírenie je dodatočnou možnosťou konfigurácie, nie predvoleným neobmedzeným vstupom.
Používanie rozhrania pre pokyny
Tento model podporuje iba režim pre pokyny bez premýšľania. Môže bežným textom vysvetliť algoritmus, ukázať výpočty alebo odôvodniť záver bez vytvorenia osobitného bloku premýšľania. Požiadajte o formát a hranice artefaktu: úplnú funkciu, stručnú správu, tabuľku podkladov alebo odpoveď s podpornými krokmi. Žiadosť o dlhé vysvetlenie z neho neurobí samostatne pomenovanú kontrolnú snímku Thinking.
Pri dokumentovej úlohe zachovajte identifikátory sekcií a definujte otázky, na ktoré musí správa odpovedať. Pri kóde dodajte relevantnú funkciu alebo modul, obmedzenia vstupu a očakávaný výstup. Pri matematike poskytnite úplné zadanie a požiadajte o jasne oddelený konečný výsledok. Porovnajte vrátené výpočty, kód alebo vysvetlenie s dodanými podmienkami a skutočnými výsledkami.
Implementácia a nástroje
Výrobca dokumentuje volanie nástrojov a odporúča Qwen-Agent pre šablóny a parsovanie s nakonfigurovanými nástrojmi alebo nástrojmi pripojenými cez MCP. Pripojený pracovný postup môže poskytovať vyhľadávanie, kontrolu alebo povolené vykonávanie a vracať skutočné pozorovania. Uveďte nástroje, povolené akcie a viditeľné podmienky dokončenia, potom požiadajte, aby záverečná správa rozlišovala návrhy od skutočne vrátených výsledkov.
Predikcia viacerých tokenov je súčasťou tréningu, no jej využitie pri inferencii závisí od implementácie a nie je všeobecne dostupné v každom odľahčenom pracovnom postupe. Šablóna alebo architektonická vlastnosť sama nepotvrdzuje prístup k aktuálnym zdrojom, súborom či prostrediu pre kód. Zachovajte presný model a formát konverzácie používaný zvoleným rozhraním.
Mimoriadne dlhý text
Výrobca overuje kontext s približne miliónom tokenov pomocou YaRN a uvádza postup s faktorom štyri založený na 262 144 natívnych pozíciách. Pre úlohy s 524 288 tokenmi navrhuje faktor dva. Statické škálovanie môže znížiť výkon pri kratšom texte, preto by konfigurácia mala zodpovedať skutočnej potrebe dlhšieho vstupu.
Dlhý materiál usporiadajte podľa dokumentu, cesty ku kódu alebo sekcie a odstráňte nesúvisiace opakovania. Požiadajte, aby odpoveď identifikovala svoje podporné pasáže alebo podmienky. Vyhraďte priestor na odpoveď namiesto toho, aby ste najväčší údaj o kontexte považovali za úplné zapamätanie každého dodaného detailu. Publikovaný údaj o rozšírení na 1 010 000 a overenie približne pri milióne zostávajú vymedzené pracovným postupom výrobcu pre dlhý kontext.
Odporúčania pre generovanie
Best Practices odporúčajú temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Tam, kde je podporovaná, môže penalizácia prítomnosti medzi nulou a dvoma znížiť opakovanie textu, no vyššie hodnoty môžu miešať jazyky alebo mierne znižovať kvalitu. Výrobca pre väčšinu otázok odporúča rozsah výstupu 16 384 tokenov. Je to odporúčaný rozpočet generovania, nie nezávislé pevné maximum; nemal by preberať dlhšie rozsahy vydania Thinking.
Výslovne určte podobu výsledku, napríklad matematický oddeľovač alebo pole odpovede. Záverečný artefakt nech sa dá ľahko preskúmať a overte jeho výpočty, citácie alebo kód voči zdroju. Toto vydanie určené iba pre text neprijíma obrazy, zvuk ani video ako vlastný vstup, takže tento materiál potrebuje vhodnú samostatnú reprezentáciu, aby mohol podporiť úlohu.
Praktický výsledok
Užitočným výstupom je konkrétny textový artefakt ukotvený v dodaných podmienkach: vysvetlenie dokumentu, návrh kódu alebo priama odpoveď s požadovanými podpornými detailmi. Dlhý kontext a volanie nástrojov môžu pomôcť prenášať pracovným postupom viac podkladov, zatiaľ čo kontrakt bez premýšľania jasne vymedzuje štýl výstupu tohto konkrétneho vydania. Výsledok skontrolujte v skutočnom prostredí úlohy namiesto odvodzovania správnosti z jeho dĺžky či presvedčivého znenia.
", "aboutText": "Hlavné prednosti Qwen3-Next: priame textové pokyny\n\nQwen3-Next-80B-A3B-Instruct je textové vydanie Qwen3-Next určené na pokyny, bez premýšľania. Prijíma text a vracia text vrátane vysvetlení, návrhov kódu a požadovaných dokumentových artefaktov. Negeneruje explicitné bloky premýšľania. Rozlišujte ho od vydania Thinking a od modelu Qwen3-Coder-Next špecializovaného na programovanie; spoločná rodinná architektúra neznamená, že sú ich kontrakty odpovedí zameniteľné.\n\nRodina zavádza hybridnú pozornosť kombinujúcu Gated DeltaNet a hradlovanú pozornosť, expertov s vysokou riedkosťou, optimalizácie stability vrátane normalizácie vrstiev centrovanej na nulu a s úbytkom váh, ako aj predikciu viacerých tokenov. Tieto zmeny sa týkajú reprezentácie a tréningu dlhých sekvencií. Ich efektívnosť pri inferencii závisí od implementácie, preto by sa architektonické údaje nemali meniť na záruku pevnej latencie alebo priepustnosti.\n\nPrehľad modelu\n\nKontrolná snímka má celkovo 80 miliárd parametrov a aktivuje tri miliardy. Má 48 vrstiev s opakovaným expertným vzorom troch DeltaNet vrstiev na jednu vrstvu hradlovanej pozornosti. Výrobca uvádza 512 expertov, desať aktivovaných expertov a jedného zdieľaného experta, s predtréningom na 15 biliónoch tokenov a následným dotréningom. Aktivované parametre nie sú veľkosťou celej kontrolnej snímky.\n\nNatívny kontext má 262 144 tokenov s dokumentovaným rozšírením na 1 010 000. Príklady nasadenia výrobcu povoľujú menší kontext, napríklad 32 768, keď obmedzené zdroje bránia fungovaniu väčšieho nastavenia. Text, história konverzácie, pozorovania nástrojov a generovaný obsah zdieľajú nakonfigurovaný limit sekvencie. Rozšírenie je dodatočnou možnosťou konfigurácie, nie predvoleným neobmedzeným vstupom.\n\nPoužívanie rozhrania pre pokyny\n\nTento model podporuje iba režim pre pokyny bez premýšľania. Môže bežným textom vysvetliť algoritmus, ukázať výpočty alebo odôvodniť záver bez vytvorenia osobitného bloku premýšľania. Požiadajte o formát a hranice artefaktu: úplnú funkciu, stručnú správu, tabuľku podkladov alebo odpoveď s podpornými krokmi. Žiadosť o dlhé vysvetlenie z neho neurobí samostatne pomenovanú kontrolnú snímku Thinking.\n\nPri dokumentovej úlohe zachovajte identifikátory sekcií a definujte otázky, na ktoré musí správa odpovedať. Pri kóde dodajte relevantnú funkciu alebo modul, obmedzenia vstupu a očakávaný výstup. Pri matematike poskytnite úplné zadanie a požiadajte o jasne oddelený konečný výsledok. Porovnajte vrátené výpočty, kód alebo vysvetlenie s dodanými podmienkami a skutočnými výsledkami.\n\nImplementácia a nástroje\n\nVýrobca dokumentuje volanie nástrojov a odporúča Qwen-Agent pre šablóny a parsovanie s nakonfigurovanými nástrojmi alebo nástrojmi pripojenými cez MCP. Pripojený pracovný postup môže poskytovať vyhľadávanie, kontrolu alebo povolené vykonávanie a vracať skutočné pozorovania. Uveďte nástroje, povolené akcie a viditeľné podmienky dokončenia, potom požiadajte, aby záverečná správa rozlišovala návrhy od skutočne vrátených výsledkov.\n\nPredikcia viacerých tokenov je súčasťou tréningu, no jej využitie pri inferencii závisí od implementácie a nie je všeobecne dostupné v každom odľahčenom pracovnom postupe. Šablóna alebo architektonická vlastnosť sama nepotvrdzuje prístup k aktuálnym zdrojom, súborom či prostrediu pre kód. Zachovajte presný model a formát konverzácie používaný zvoleným rozhraním.\n\nMimoriadne dlhý text\n\nVýrobca overuje kontext s približne miliónom tokenov pomocou YaRN a uvádza postup s faktorom štyri založený na 262 144 natívnych pozíciách. Pre úlohy s 524 288 tokenmi navrhuje faktor dva. Statické škálovanie môže znížiť výkon pri kratšom texte, preto by konfigurácia mala zodpovedať skutočnej potrebe dlhšieho vstupu.\n\nDlhý materiál usporiadajte podľa dokumentu, cesty ku kódu alebo sekcie a odstráňte nesúvisiace opakovania. Požiadajte, aby odpoveď identifikovala svoje podporné pasáže alebo podmienky. Vyhraďte priestor na odpoveď namiesto toho, aby ste najväčší údaj o kontexte považovali za úplné zapamätanie každého dodaného detailu. Publikovaný údaj o rozšírení na 1 010 000 a overenie približne pri milióne zostávajú vymedzené pracovným postupom výrobcu pre dlhý kontext.\n\nOdporúčania pre generovanie\n\nBest Practices odporúčajú temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Tam, kde je podporovaná, môže penalizácia prítomnosti medzi nulou a dvoma znížiť opakovanie textu, no vyššie hodnoty môžu miešať jazyky alebo mierne znižovať kvalitu. Výrobca pre väčšinu otázok odporúča rozsah výstupu 16 384 tokenov. Je to odporúčaný rozpočet generovania, nie nezávislé pevné maximum; nemal by preberať dlhšie rozsahy vydania Thinking.\n\nVýslovne určte podobu výsledku, napríklad matematický oddeľovač alebo pole odpovede. Záverečný artefakt nech sa dá ľahko preskúmať a overte jeho výpočty, citácie alebo kód voči zdroju. Toto vydanie určené iba pre text neprijíma obrazy, zvuk ani video ako vlastný vstup, takže tento materiál potrebuje vhodnú samostatnú reprezentáciu, aby mohol podporiť úlohu.\n\nPraktický výsledok\n\nUžitočným výstupom je konkrétny textový artefakt ukotvený v dodaných podmienkach: vysvetlenie dokumentu, návrh kódu alebo priama odpoveď s požadovanými podpornými detailmi. Dlhý kontext a volanie nástrojov môžu pomôcť prenášať pracovným postupom viac podkladov, zatiaľ čo kontrakt bez premýšľania jasne vymedzuje štýl výstupu tohto konkrétneho vydania. Výsledok skontrolujte v skutočnom prostredí úlohy namiesto odvodzovania správnosti z jeho dĺžky či presvedčivého znenia.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Explain a section-specific decision\n\nAnswer only from these procedure sections. Section 2: standard purchases need a manager's approval. Section 4: emergency safety purchases may proceed first, but must be reported to that manager within one day. Case: a broken emergency exit light needs replacement today. Give a concise recommendation with section references and identify the follow-up obligation. Do not invent an approval already granted.A direct recommendation with supporting sections and the one-day reporting obligation.The emergency exception retains its reporting condition and is not generalised to all purchases.qwen/qwen3-next-80b-a3b-instructQwen3-Next-80B-A3B-Instruct je textové vydanie Qwen bez premýšľania s celkovo 80 miliardami a 3 miliardami aktivovaných parametrov. Kombinuje hybridnú pozornosť, riedkych expertov a volanie nástrojov s natívnym kontextom 262 144 tokenov, ktorý sa dá konfiguráciou rozšíriť na 1 010 000.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Hlavné prednosti Qwen3-Next: priame textové pokyny
Qwen3-Next-80B-A3B-Instruct je textové vydanie Qwen3-Next určené na pokyny, bez premýšľania. Prijíma text a vracia text vrátane vysvetlení, návrhov kódu a požadovaných dokumentových artefaktov. Negeneruje explicitné bloky premýšľania. Rozlišujte ho od vydania Thinking a od modelu Qwen3-Coder-Next špecializovaného na programovanie; spoločná rodinná architektúra neznamená, že sú ich kontrakty odpovedí zameniteľné.
Rodina zavádza hybridnú pozornosť kombinujúcu Gated DeltaNet a hradlovanú pozornosť, expertov s vysokou riedkosťou, optimalizácie stability vrátane normalizácie vrstiev centrovanej na nulu a s úbytkom váh, ako aj predikciu viacerých tokenov. Tieto zmeny sa týkajú reprezentácie a tréningu dlhých sekvencií. Ich efektívnosť pri inferencii závisí od implementácie, preto by sa architektonické údaje nemali meniť na záruku pevnej latencie alebo priepustnosti.
Prehľad modelu
Kontrolná snímka má celkovo 80 miliárd parametrov a aktivuje tri miliardy. Má 48 vrstiev s opakovaným expertným vzorom troch DeltaNet vrstiev na jednu vrstvu hradlovanej pozornosti. Výrobca uvádza 512 expertov, desať aktivovaných expertov a jedného zdieľaného experta, s predtréningom na 15 biliónoch tokenov a následným dotréningom. Aktivované parametre nie sú veľkosťou celej kontrolnej snímky.
Natívny kontext má 262 144 tokenov s dokumentovaným rozšírením na 1 010 000. Príklady nasadenia výrobcu povoľujú menší kontext, napríklad 32 768, keď obmedzené zdroje bránia fungovaniu väčšieho nastavenia. Text, história konverzácie, pozorovania nástrojov a generovaný obsah zdieľajú nakonfigurovaný limit sekvencie. Rozšírenie je dodatočnou možnosťou konfigurácie, nie predvoleným neobmedzeným vstupom.
Používanie rozhrania pre pokyny
Tento model podporuje iba režim pre pokyny bez premýšľania. Môže bežným textom vysvetliť algoritmus, ukázať výpočty alebo odôvodniť záver bez vytvorenia osobitného bloku premýšľania. Požiadajte o formát a hranice artefaktu: úplnú funkciu, stručnú správu, tabuľku podkladov alebo odpoveď s podpornými krokmi. Žiadosť o dlhé vysvetlenie z neho neurobí samostatne pomenovanú kontrolnú snímku Thinking.
Pri dokumentovej úlohe zachovajte identifikátory sekcií a definujte otázky, na ktoré musí správa odpovedať. Pri kóde dodajte relevantnú funkciu alebo modul, obmedzenia vstupu a očakávaný výstup. Pri matematike poskytnite úplné zadanie a požiadajte o jasne oddelený konečný výsledok. Porovnajte vrátené výpočty, kód alebo vysvetlenie s dodanými podmienkami a skutočnými výsledkami.
Implementácia a nástroje
Výrobca dokumentuje volanie nástrojov a odporúča Qwen-Agent pre šablóny a parsovanie s nakonfigurovanými nástrojmi alebo nástrojmi pripojenými cez MCP. Pripojený pracovný postup môže poskytovať vyhľadávanie, kontrolu alebo povolené vykonávanie a vracať skutočné pozorovania. Uveďte nástroje, povolené akcie a viditeľné podmienky dokončenia, potom požiadajte, aby záverečná správa rozlišovala návrhy od skutočne vrátených výsledkov.
Predikcia viacerých tokenov je súčasťou tréningu, no jej využitie pri inferencii závisí od implementácie a nie je všeobecne dostupné v každom odľahčenom pracovnom postupe. Šablóna alebo architektonická vlastnosť sama nepotvrdzuje prístup k aktuálnym zdrojom, súborom či prostrediu pre kód. Zachovajte presný model a formát konverzácie používaný zvoleným rozhraním.
Mimoriadne dlhý text
Výrobca overuje kontext s približne miliónom tokenov pomocou YaRN a uvádza postup s faktorom štyri založený na 262 144 natívnych pozíciách. Pre úlohy s 524 288 tokenmi navrhuje faktor dva. Statické škálovanie môže znížiť výkon pri kratšom texte, preto by konfigurácia mala zodpovedať skutočnej potrebe dlhšieho vstupu.
Dlhý materiál usporiadajte podľa dokumentu, cesty ku kódu alebo sekcie a odstráňte nesúvisiace opakovania. Požiadajte, aby odpoveď identifikovala svoje podporné pasáže alebo podmienky. Vyhraďte priestor na odpoveď namiesto toho, aby ste najväčší údaj o kontexte považovali za úplné zapamätanie každého dodaného detailu. Publikovaný údaj o rozšírení na 1 010 000 a overenie približne pri milióne zostávajú vymedzené pracovným postupom výrobcu pre dlhý kontext.
Odporúčania pre generovanie
Best Practices odporúčajú temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Tam, kde je podporovaná, môže penalizácia prítomnosti medzi nulou a dvoma znížiť opakovanie textu, no vyššie hodnoty môžu miešať jazyky alebo mierne znižovať kvalitu. Výrobca pre väčšinu otázok odporúča rozsah výstupu 16 384 tokenov. Je to odporúčaný rozpočet generovania, nie nezávislé pevné maximum; nemal by preberať dlhšie rozsahy vydania Thinking.
Výslovne určte podobu výsledku, napríklad matematický oddeľovač alebo pole odpovede. Záverečný artefakt nech sa dá ľahko preskúmať a overte jeho výpočty, citácie alebo kód voči zdroju. Toto vydanie určené iba pre text neprijíma obrazy, zvuk ani video ako vlastný vstup, takže tento materiál potrebuje vhodnú samostatnú reprezentáciu, aby mohol podporiť úlohu.
Praktický výsledok
Užitočným výstupom je konkrétny textový artefakt ukotvený v dodaných podmienkach: vysvetlenie dokumentu, návrh kódu alebo priama odpoveď s požadovanými podpornými detailmi. Dlhý kontext a volanie nástrojov môžu pomôcť prenášať pracovným postupom viac podkladov, zatiaľ čo kontrakt bez premýšľania jasne vymedzuje štýl výstupu tohto konkrétneho vydania. Výsledok skontrolujte v skutočnom prostredí úlohy namiesto odvodzovania správnosti z jeho dĺžky či presvedčivého znenia.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen/qwen3-next-80b-a3b-instruct | 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 $0.000286 / 1K tokenov Výstup · Výstupné tokeny $0.0022 / 1K tokenov Vstup · Čítanie cache $0.00014 / 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 $0.000286 / 1K tokenov Výstup · Výstupné tokeny $0.0022 / 1K tokenov Vstup · Čítanie cache $0.00014 / 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-next-80b-a3b-instruct", "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-next-80b-a3b-instruct',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-next-80b-a3b-instruct',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-next-80b-a3b-instruct
Použite cesty metód uvedené vyššie.
qwen/qwen3-next-80b-a3b-instructQwen3-Next-80B-A3B-Instruct je textové vydanie Qwen bez premýšľania s celkovo 80 miliardami a 3 miliardami aktivovaných parametrov. Kombinuje hybridnú pozornosť, riedkych expertov a volanie nástrojov s natívnym kontextom 262 144 tokenov, ktorý sa dá konfiguráciou rozšíriť na 1 010 000.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Hlavné prednosti Qwen3-Next: priame textové pokyny
Qwen3-Next-80B-A3B-Instruct je textové vydanie Qwen3-Next určené na pokyny, bez premýšľania. Prijíma text a vracia text vrátane vysvetlení, návrhov kódu a požadovaných dokumentových artefaktov. Negeneruje explicitné bloky premýšľania. Rozlišujte ho od vydania Thinking a od modelu Qwen3-Coder-Next špecializovaného na programovanie; spoločná rodinná architektúra neznamená, že sú ich kontrakty odpovedí zameniteľné.
Rodina zavádza hybridnú pozornosť kombinujúcu Gated DeltaNet a hradlovanú pozornosť, expertov s vysokou riedkosťou, optimalizácie stability vrátane normalizácie vrstiev centrovanej na nulu a s úbytkom váh, ako aj predikciu viacerých tokenov. Tieto zmeny sa týkajú reprezentácie a tréningu dlhých sekvencií. Ich efektívnosť pri inferencii závisí od implementácie, preto by sa architektonické údaje nemali meniť na záruku pevnej latencie alebo priepustnosti.
Prehľad modelu
Kontrolná snímka má celkovo 80 miliárd parametrov a aktivuje tri miliardy. Má 48 vrstiev s opakovaným expertným vzorom troch DeltaNet vrstiev na jednu vrstvu hradlovanej pozornosti. Výrobca uvádza 512 expertov, desať aktivovaných expertov a jedného zdieľaného experta, s predtréningom na 15 biliónoch tokenov a následným dotréningom. Aktivované parametre nie sú veľkosťou celej kontrolnej snímky.
Natívny kontext má 262 144 tokenov s dokumentovaným rozšírením na 1 010 000. Príklady nasadenia výrobcu povoľujú menší kontext, napríklad 32 768, keď obmedzené zdroje bránia fungovaniu väčšieho nastavenia. Text, história konverzácie, pozorovania nástrojov a generovaný obsah zdieľajú nakonfigurovaný limit sekvencie. Rozšírenie je dodatočnou možnosťou konfigurácie, nie predvoleným neobmedzeným vstupom.
Používanie rozhrania pre pokyny
Tento model podporuje iba režim pre pokyny bez premýšľania. Môže bežným textom vysvetliť algoritmus, ukázať výpočty alebo odôvodniť záver bez vytvorenia osobitného bloku premýšľania. Požiadajte o formát a hranice artefaktu: úplnú funkciu, stručnú správu, tabuľku podkladov alebo odpoveď s podpornými krokmi. Žiadosť o dlhé vysvetlenie z neho neurobí samostatne pomenovanú kontrolnú snímku Thinking.
Pri dokumentovej úlohe zachovajte identifikátory sekcií a definujte otázky, na ktoré musí správa odpovedať. Pri kóde dodajte relevantnú funkciu alebo modul, obmedzenia vstupu a očakávaný výstup. Pri matematike poskytnite úplné zadanie a požiadajte o jasne oddelený konečný výsledok. Porovnajte vrátené výpočty, kód alebo vysvetlenie s dodanými podmienkami a skutočnými výsledkami.
Implementácia a nástroje
Výrobca dokumentuje volanie nástrojov a odporúča Qwen-Agent pre šablóny a parsovanie s nakonfigurovanými nástrojmi alebo nástrojmi pripojenými cez MCP. Pripojený pracovný postup môže poskytovať vyhľadávanie, kontrolu alebo povolené vykonávanie a vracať skutočné pozorovania. Uveďte nástroje, povolené akcie a viditeľné podmienky dokončenia, potom požiadajte, aby záverečná správa rozlišovala návrhy od skutočne vrátených výsledkov.
Predikcia viacerých tokenov je súčasťou tréningu, no jej využitie pri inferencii závisí od implementácie a nie je všeobecne dostupné v každom odľahčenom pracovnom postupe. Šablóna alebo architektonická vlastnosť sama nepotvrdzuje prístup k aktuálnym zdrojom, súborom či prostrediu pre kód. Zachovajte presný model a formát konverzácie používaný zvoleným rozhraním.
Mimoriadne dlhý text
Výrobca overuje kontext s približne miliónom tokenov pomocou YaRN a uvádza postup s faktorom štyri založený na 262 144 natívnych pozíciách. Pre úlohy s 524 288 tokenmi navrhuje faktor dva. Statické škálovanie môže znížiť výkon pri kratšom texte, preto by konfigurácia mala zodpovedať skutočnej potrebe dlhšieho vstupu.
Dlhý materiál usporiadajte podľa dokumentu, cesty ku kódu alebo sekcie a odstráňte nesúvisiace opakovania. Požiadajte, aby odpoveď identifikovala svoje podporné pasáže alebo podmienky. Vyhraďte priestor na odpoveď namiesto toho, aby ste najväčší údaj o kontexte považovali za úplné zapamätanie každého dodaného detailu. Publikovaný údaj o rozšírení na 1 010 000 a overenie približne pri milióne zostávajú vymedzené pracovným postupom výrobcu pre dlhý kontext.
Odporúčania pre generovanie
Best Practices odporúčajú temperature 0,7, top_p 0,8, top_k 20 a min_p 0. Tam, kde je podporovaná, môže penalizácia prítomnosti medzi nulou a dvoma znížiť opakovanie textu, no vyššie hodnoty môžu miešať jazyky alebo mierne znižovať kvalitu. Výrobca pre väčšinu otázok odporúča rozsah výstupu 16 384 tokenov. Je to odporúčaný rozpočet generovania, nie nezávislé pevné maximum; nemal by preberať dlhšie rozsahy vydania Thinking.
Výslovne určte podobu výsledku, napríklad matematický oddeľovač alebo pole odpovede. Záverečný artefakt nech sa dá ľahko preskúmať a overte jeho výpočty, citácie alebo kód voči zdroju. Toto vydanie určené iba pre text neprijíma obrazy, zvuk ani video ako vlastný vstup, takže tento materiál potrebuje vhodnú samostatnú reprezentáciu, aby mohol podporiť úlohu.
Praktický výsledok
Užitočným výstupom je konkrétny textový artefakt ukotvený v dodaných podmienkach: vysvetlenie dokumentu, návrh kódu alebo priama odpoveď s požadovanými podpornými detailmi. Dlhý kontext a volanie nástrojov môžu pomôcť prenášať pracovným postupom viac podkladov, zatiaľ čo kontrakt bez premýšľania jasne vymedzuje štýl výstupu tohto konkrétneho vydania. Výsledok skontrolujte v skutočnom prostredí úlohy namiesto odvodzovania správnosti z jeho dĺžky či presvedčivého znenia.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen/qwen3-next-80b-a3b-instruct | 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 $0.000286 / 1K tokenov Výstup · Výstupné tokeny $0.0022 / 1K tokenov Vstup · Čítanie cache $0.00014 / 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 $0.000286 / 1K tokenov Výstup · Výstupné tokeny $0.0022 / 1K tokenov Vstup · Čítanie cache $0.00014 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "qwen/qwen3-next-80b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-next-80b-a3b-instruct', '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-next-80b-a3b-instruct', '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-next-80b-a3b-instruct
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Explain a section-specific decision\n\nAnswer only from these procedure sections. Section 2: standard purchases need a manager's approval. Section 4: emergency safety purchases may proceed first, but must be reported to that manager within one day. Case: a broken emergency exit light needs replacement today. Give a concise recommendation with section references and identify the follow-up obligation. Do not invent an approval already granted.A direct recommendation with supporting sections and the one-day reporting obligation.The emergency exception retains its reporting condition and is not generalised to all purchases.