Poudarki: posodobitev s fiksno oznako Instruct-2507
Qwen3-30B-A3B-Instruct-2507 je posodobljena izdaja Qwen3-30B-A3B brez načina razmišljanja. Proizvajalec poudarja izboljšave pri sledenju navodilom, logičnem sklepanju, razumevanju besedila, matematiki, znanosti, programiranju in uporabi orodij, s širšim znanjem manj pogostih tem v več jezikih in boljšo usklajenostjo za odprte naloge. Sprejema in ustvarja besedilo: odgovor, razlago, predlog kode ali zahtevani pisni izdelek.
Fiksno identiteto 2507 ohranite ločeno od prvotnega hibridnega Qwen3-30B-A3B, njegove različice FP8 in izdaje Thinking-2507. Opis večjezičnega znanja modela ne daje ločenega jamstva o številu jezikov za ta posnetek izdaje. Določite ciljni jezik, občinstvo in izraze, ki morajo ostati nespremenjeni, kadar naloga vključuje prevajanje ali preoblikovanje besedila.
Pregled modela
Model z mešanico strokovnjakov ima skupaj 30,5 milijarde parametrov in aktivira 3,3 milijarde. Ima 48 plasti, 128 strokovnjakov in osem strokovnjakov, izbranih na žeton. Njegov izvorni kontekst ima 262.144 žetonov. Aktivirani parametri niso velikost celotne kontrolne točke, sama arhitektura pa ne določa stalnega odzivnega časa v aplikaciji.
Ta izdaja podpira samo način brez razmišljanja in ne generira izrecnih blokov razmišljanja. Nastavitev enable_thinking=False v proizvajalčevem postopku ni potrebna. Še vedno lahko prikazuje izračune ali pojasnjuje kodo v običajnem besedilu; zahteva za podporne korake je ne spremeni v ločeno kontrolno točko Thinking.
Priprava uporabne besedilne zahteve
Pri programerski nalogi podajte ustrezno funkcijo ali modul, vhodne omejitve, opaženo vedenje in zahtevani rezultat. Zahtevajte predlagani popravek ali celotno funkcijo z razlago zadevnih predpostavk. Pri matematičnem ali znanstvenem vprašanju podajte celotno besedilo, enote in definicije, nato pa zahtevajte jasno razmejen končni odgovor, podprt s podanimi pogoji.
Pri odprti pisni nalogi določite občinstvo, namen, ton in informacije, ki se morajo pojaviti. Uporaben odgovor je lahko urejljiv osnutek, organiziran po zahtevanih razdelkih, z ločeno označenimi nepodprtimi predpostavkami. Vrnjeni osnutek, izračune ali predlagano kodo primerjajte s podanimi dejstvi, definicijami in zahtevami.
Agentska uporaba
Qwen dokumentira klice orodij in za predloge ter razčlenjevanje priporoča Qwen-Agent, s konfiguriranimi orodji ali orodji, povezanimi prek MCP. Navedite dovoljena dejanja in opazne pogoje dokončanja. Povezana orodja izvajajo zunanje operacije in vračajo opažanja; model lahko te povratne informacije uporabi v naslednjem odgovoru. Predlagani ukaz ali trditev o pridobljenem viru naj ostane ločena od rezultata, ki ga je potek dela dejansko vrnil.
Jasen končni izdelek je lahko predlog kode, tabela dokazov ali kratko poročilo. Podpora orodjem sama po sebi ne omogoči dostopa do aktualnih virov, datotek ali izvajalnega okolja prek vsakega vmesnika. Ohranite pravila odzivanja brez razmišljanja za točen model, namesto da prevzamete stikala pozivov hibridnega modela ali prostor za izhod izdaje Thinking.
Obdelava izjemno dolgih besedil
Proizvajalec dokumentira neobvezen potek dela, ki doseže približno milijon žetonov prek Dual Chunk Attention in redke pozornosti MInference. Prvi razdeli dolgo zaporedje v obvladljive dele, pri tem pa ohrani interakcije med deli; drugi osredotoči računanje na izbrane odnose pozornosti. To je dodatna konfiguracijska pot, ki presega izvorni kontekst 262.144 in uporablja posebno konfiguracijo za dolg kontekst.
Postopek ocenjuje približno 240 GB skupnega pomnilnika GPU za uteži modela, predpomnjeno stanje zaporedja in vršne aktivacije. Opisuje tudi ločene odpovedi zaradi zmogljivosti predpomnilnika zaporedja, aktivacijskega pomnilnika ali vhoda, ki presega konfigurirano dolžino. Milijonski potek dela je zato odvisen od konfiguracije in virov; glavne navedbe naj ne bi obravnavali kot brezpogojno privzeto možnost.
Dolg vhod pripravite z mejami dokumentov, imeni razdelkov ali identifikatorji kode in konkretnim vprašanjem. Rezervirajte prostor za odgovor ter zahtevajte dokaze, ki podpirajo vsak sklep.
Priporočila za generiranje
Dobre prakse priporočajo temperaturo 0,7, top_p 0,8, top_k 20 in min_p 0. Kjer je podprta, lahko kazen za prisotnost z vrednostjo od 0 do 2 zmanjša ponavljajoče se besedilo, višje vrednosti pa lahko mešajo jezike ali nekoliko zmanjšajo kakovost. Proizvajalec za večino poizvedb priporoča prostor za izhod 16.384 žetonov, ne daljših obsegov, dokumentiranih za Thinking-2507. To je priporočilo, ne neodvisno določena trda zgornja meja izhoda.
Končno obliko določite izrecno, na primer matematično ločilo ali polje za odgovor. Dokumentirani vhod modela je besedilo, zato vizualni ali zvočni dokazi pred tem potekom dela zahtevajo ustrezno ločeno predstavitev. Izračune, citate in generirano kodo preverite glede na vir. Uporaben rezultat je popoln, pregledljiv besedilni izdelek, pri katerem ostanejo jasni fiksna identiteta Instruct-2507, način brez razmišljanja in pogojni postopek dolgega konteksta.
", "aboutText": "Poudarki: posodobitev s fiksno oznako Instruct-2507\n\nQwen3-30B-A3B-Instruct-2507 je posodobljena izdaja Qwen3-30B-A3B brez načina razmišljanja. Proizvajalec poudarja izboljšave pri sledenju navodilom, logičnem sklepanju, razumevanju besedila, matematiki, znanosti, programiranju in uporabi orodij, s širšim znanjem manj pogostih tem v več jezikih in boljšo usklajenostjo za odprte naloge. Sprejema in ustvarja besedilo: odgovor, razlago, predlog kode ali zahtevani pisni izdelek.\n\nFiksno identiteto 2507 ohranite ločeno od prvotnega hibridnega Qwen3-30B-A3B, njegove različice FP8 in izdaje Thinking-2507. Opis večjezičnega znanja modela ne daje ločenega jamstva o številu jezikov za ta posnetek izdaje. Določite ciljni jezik, občinstvo in izraze, ki morajo ostati nespremenjeni, kadar naloga vključuje prevajanje ali preoblikovanje besedila.\n\nPregled modela\n\nModel z mešanico strokovnjakov ima skupaj 30,5 milijarde parametrov in aktivira 3,3 milijarde. Ima 48 plasti, 128 strokovnjakov in osem strokovnjakov, izbranih na žeton. Njegov izvorni kontekst ima 262.144 žetonov. Aktivirani parametri niso velikost celotne kontrolne točke, sama arhitektura pa ne določa stalnega odzivnega časa v aplikaciji.\n\nTa izdaja podpira samo način brez razmišljanja in ne generira izrecnih blokov razmišljanja. Nastavitev enable_thinking=False v proizvajalčevem postopku ni potrebna. Še vedno lahko prikazuje izračune ali pojasnjuje kodo v običajnem besedilu; zahteva za podporne korake je ne spremeni v ločeno kontrolno točko Thinking.\n\nPriprava uporabne besedilne zahteve\n\nPri programerski nalogi podajte ustrezno funkcijo ali modul, vhodne omejitve, opaženo vedenje in zahtevani rezultat. Zahtevajte predlagani popravek ali celotno funkcijo z razlago zadevnih predpostavk. Pri matematičnem ali znanstvenem vprašanju podajte celotno besedilo, enote in definicije, nato pa zahtevajte jasno razmejen končni odgovor, podprt s podanimi pogoji.\n\nPri odprti pisni nalogi določite občinstvo, namen, ton in informacije, ki se morajo pojaviti. Uporaben odgovor je lahko urejljiv osnutek, organiziran po zahtevanih razdelkih, z ločeno označenimi nepodprtimi predpostavkami. Vrnjeni osnutek, izračune ali predlagano kodo primerjajte s podanimi dejstvi, definicijami in zahtevami.\n\nAgentska uporaba\n\nQwen dokumentira klice orodij in za predloge ter razčlenjevanje priporoča Qwen-Agent, s konfiguriranimi orodji ali orodji, povezanimi prek MCP. Navedite dovoljena dejanja in opazne pogoje dokončanja. Povezana orodja izvajajo zunanje operacije in vračajo opažanja; model lahko te povratne informacije uporabi v naslednjem odgovoru. Predlagani ukaz ali trditev o pridobljenem viru naj ostane ločena od rezultata, ki ga je potek dela dejansko vrnil.\n\nJasen končni izdelek je lahko predlog kode, tabela dokazov ali kratko poročilo. Podpora orodjem sama po sebi ne omogoči dostopa do aktualnih virov, datotek ali izvajalnega okolja prek vsakega vmesnika. Ohranite pravila odzivanja brez razmišljanja za točen model, namesto da prevzamete stikala pozivov hibridnega modela ali prostor za izhod izdaje Thinking.\n\nObdelava izjemno dolgih besedil\n\nProizvajalec dokumentira neobvezen potek dela, ki doseže približno milijon žetonov prek Dual Chunk Attention in redke pozornosti MInference. Prvi razdeli dolgo zaporedje v obvladljive dele, pri tem pa ohrani interakcije med deli; drugi osredotoči računanje na izbrane odnose pozornosti. To je dodatna konfiguracijska pot, ki presega izvorni kontekst 262.144 in uporablja posebno konfiguracijo za dolg kontekst.\n\nPostopek ocenjuje približno 240 GB skupnega pomnilnika GPU za uteži modela, predpomnjeno stanje zaporedja in vršne aktivacije. Opisuje tudi ločene odpovedi zaradi zmogljivosti predpomnilnika zaporedja, aktivacijskega pomnilnika ali vhoda, ki presega konfigurirano dolžino. Milijonski potek dela je zato odvisen od konfiguracije in virov; glavne navedbe naj ne bi obravnavali kot brezpogojno privzeto možnost.\n\nDolg vhod pripravite z mejami dokumentov, imeni razdelkov ali identifikatorji kode in konkretnim vprašanjem. Rezervirajte prostor za odgovor ter zahtevajte dokaze, ki podpirajo vsak sklep.\n\nPriporočila za generiranje\n\nDobre prakse priporočajo temperaturo 0,7, top_p 0,8, top_k 20 in min_p 0. Kjer je podprta, lahko kazen za prisotnost z vrednostjo od 0 do 2 zmanjša ponavljajoče se besedilo, višje vrednosti pa lahko mešajo jezike ali nekoliko zmanjšajo kakovost. Proizvajalec za večino poizvedb priporoča prostor za izhod 16.384 žetonov, ne daljših obsegov, dokumentiranih za Thinking-2507. To je priporočilo, ne neodvisno določena trda zgornja meja izhoda.\n\nKončno obliko določite izrecno, na primer matematično ločilo ali polje za odgovor. Dokumentirani vhod modela je besedilo, zato vizualni ali zvočni dokazi pred tem potekom dela zahtevajo ustrezno ločeno predstavitev. Izračune, citate in generirano kodo preverite glede na vir. Uporaben rezultat je popoln, pregledljiv besedilni izdelek, pri katerem ostanejo jasni fiksna identiteta Instruct-2507, način brez razmišljanja in pogojni postopek dolgega konteksta.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
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 Qwenova fiksna julijska besedilna izdaja 2507 brez načina razmišljanja, s skupaj 30,5 milijarde parametrov in 3,3 milijarde aktiviranih. Izboljšuje sledenje navodilom, programiranje, večjezično znanje in odprte pisne naloge, z izvornim kontekstom z 262.144 žetoni.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Poudarki: posodobitev s fiksno oznako Instruct-2507
Qwen3-30B-A3B-Instruct-2507 je posodobljena izdaja Qwen3-30B-A3B brez načina razmišljanja. Proizvajalec poudarja izboljšave pri sledenju navodilom, logičnem sklepanju, razumevanju besedila, matematiki, znanosti, programiranju in uporabi orodij, s širšim znanjem manj pogostih tem v več jezikih in boljšo usklajenostjo za odprte naloge. Sprejema in ustvarja besedilo: odgovor, razlago, predlog kode ali zahtevani pisni izdelek.
Fiksno identiteto 2507 ohranite ločeno od prvotnega hibridnega Qwen3-30B-A3B, njegove različice FP8 in izdaje Thinking-2507. Opis večjezičnega znanja modela ne daje ločenega jamstva o številu jezikov za ta posnetek izdaje. Določite ciljni jezik, občinstvo in izraze, ki morajo ostati nespremenjeni, kadar naloga vključuje prevajanje ali preoblikovanje besedila.
Pregled modela
Model z mešanico strokovnjakov ima skupaj 30,5 milijarde parametrov in aktivira 3,3 milijarde. Ima 48 plasti, 128 strokovnjakov in osem strokovnjakov, izbranih na žeton. Njegov izvorni kontekst ima 262.144 žetonov. Aktivirani parametri niso velikost celotne kontrolne točke, sama arhitektura pa ne določa stalnega odzivnega časa v aplikaciji.
Ta izdaja podpira samo način brez razmišljanja in ne generira izrecnih blokov razmišljanja. Nastavitev enable_thinking=False v proizvajalčevem postopku ni potrebna. Še vedno lahko prikazuje izračune ali pojasnjuje kodo v običajnem besedilu; zahteva za podporne korake je ne spremeni v ločeno kontrolno točko Thinking.
Priprava uporabne besedilne zahteve
Pri programerski nalogi podajte ustrezno funkcijo ali modul, vhodne omejitve, opaženo vedenje in zahtevani rezultat. Zahtevajte predlagani popravek ali celotno funkcijo z razlago zadevnih predpostavk. Pri matematičnem ali znanstvenem vprašanju podajte celotno besedilo, enote in definicije, nato pa zahtevajte jasno razmejen končni odgovor, podprt s podanimi pogoji.
Pri odprti pisni nalogi določite občinstvo, namen, ton in informacije, ki se morajo pojaviti. Uporaben odgovor je lahko urejljiv osnutek, organiziran po zahtevanih razdelkih, z ločeno označenimi nepodprtimi predpostavkami. Vrnjeni osnutek, izračune ali predlagano kodo primerjajte s podanimi dejstvi, definicijami in zahtevami.
Agentska uporaba
Qwen dokumentira klice orodij in za predloge ter razčlenjevanje priporoča Qwen-Agent, s konfiguriranimi orodji ali orodji, povezanimi prek MCP. Navedite dovoljena dejanja in opazne pogoje dokončanja. Povezana orodja izvajajo zunanje operacije in vračajo opažanja; model lahko te povratne informacije uporabi v naslednjem odgovoru. Predlagani ukaz ali trditev o pridobljenem viru naj ostane ločena od rezultata, ki ga je potek dela dejansko vrnil.
Jasen končni izdelek je lahko predlog kode, tabela dokazov ali kratko poročilo. Podpora orodjem sama po sebi ne omogoči dostopa do aktualnih virov, datotek ali izvajalnega okolja prek vsakega vmesnika. Ohranite pravila odzivanja brez razmišljanja za točen model, namesto da prevzamete stikala pozivov hibridnega modela ali prostor za izhod izdaje Thinking.
Obdelava izjemno dolgih besedil
Proizvajalec dokumentira neobvezen potek dela, ki doseže približno milijon žetonov prek Dual Chunk Attention in redke pozornosti MInference. Prvi razdeli dolgo zaporedje v obvladljive dele, pri tem pa ohrani interakcije med deli; drugi osredotoči računanje na izbrane odnose pozornosti. To je dodatna konfiguracijska pot, ki presega izvorni kontekst 262.144 in uporablja posebno konfiguracijo za dolg kontekst.
Postopek ocenjuje približno 240 GB skupnega pomnilnika GPU za uteži modela, predpomnjeno stanje zaporedja in vršne aktivacije. Opisuje tudi ločene odpovedi zaradi zmogljivosti predpomnilnika zaporedja, aktivacijskega pomnilnika ali vhoda, ki presega konfigurirano dolžino. Milijonski potek dela je zato odvisen od konfiguracije in virov; glavne navedbe naj ne bi obravnavali kot brezpogojno privzeto možnost.
Dolg vhod pripravite z mejami dokumentov, imeni razdelkov ali identifikatorji kode in konkretnim vprašanjem. Rezervirajte prostor za odgovor ter zahtevajte dokaze, ki podpirajo vsak sklep.
Priporočila za generiranje
Dobre prakse priporočajo temperaturo 0,7, top_p 0,8, top_k 20 in min_p 0. Kjer je podprta, lahko kazen za prisotnost z vrednostjo od 0 do 2 zmanjša ponavljajoče se besedilo, višje vrednosti pa lahko mešajo jezike ali nekoliko zmanjšajo kakovost. Proizvajalec za večino poizvedb priporoča prostor za izhod 16.384 žetonov, ne daljših obsegov, dokumentiranih za Thinking-2507. To je priporočilo, ne neodvisno določena trda zgornja meja izhoda.
Končno obliko določite izrecno, na primer matematično ločilo ali polje za odgovor. Dokumentirani vhod modela je besedilo, zato vizualni ali zvočni dokazi pred tem potekom dela zahtevajo ustrezno ločeno predstavitev. Izračune, citate in generirano kodo preverite glede na vir. Uporaben rezultat je popoln, pregledljiv besedilni izdelek, pri katerem ostanejo jasni fiksna identiteta Instruct-2507, način brez razmišljanja in pogojni postopek dolgega konteksta.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen3-30b-a3b-instruct-2507 | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0008 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0008 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Uporabite zgoraj navedene poti metod.
qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 je Qwenova fiksna julijska besedilna izdaja 2507 brez načina razmišljanja, s skupaj 30,5 milijarde parametrov in 3,3 milijarde aktiviranih. Izboljšuje sledenje navodilom, programiranje, večjezično znanje in odprte pisne naloge, z izvornim kontekstom z 262.144 žetoni.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Poudarki: posodobitev s fiksno oznako Instruct-2507
Qwen3-30B-A3B-Instruct-2507 je posodobljena izdaja Qwen3-30B-A3B brez načina razmišljanja. Proizvajalec poudarja izboljšave pri sledenju navodilom, logičnem sklepanju, razumevanju besedila, matematiki, znanosti, programiranju in uporabi orodij, s širšim znanjem manj pogostih tem v več jezikih in boljšo usklajenostjo za odprte naloge. Sprejema in ustvarja besedilo: odgovor, razlago, predlog kode ali zahtevani pisni izdelek.
Fiksno identiteto 2507 ohranite ločeno od prvotnega hibridnega Qwen3-30B-A3B, njegove različice FP8 in izdaje Thinking-2507. Opis večjezičnega znanja modela ne daje ločenega jamstva o številu jezikov za ta posnetek izdaje. Določite ciljni jezik, občinstvo in izraze, ki morajo ostati nespremenjeni, kadar naloga vključuje prevajanje ali preoblikovanje besedila.
Pregled modela
Model z mešanico strokovnjakov ima skupaj 30,5 milijarde parametrov in aktivira 3,3 milijarde. Ima 48 plasti, 128 strokovnjakov in osem strokovnjakov, izbranih na žeton. Njegov izvorni kontekst ima 262.144 žetonov. Aktivirani parametri niso velikost celotne kontrolne točke, sama arhitektura pa ne določa stalnega odzivnega časa v aplikaciji.
Ta izdaja podpira samo način brez razmišljanja in ne generira izrecnih blokov razmišljanja. Nastavitev enable_thinking=False v proizvajalčevem postopku ni potrebna. Še vedno lahko prikazuje izračune ali pojasnjuje kodo v običajnem besedilu; zahteva za podporne korake je ne spremeni v ločeno kontrolno točko Thinking.
Priprava uporabne besedilne zahteve
Pri programerski nalogi podajte ustrezno funkcijo ali modul, vhodne omejitve, opaženo vedenje in zahtevani rezultat. Zahtevajte predlagani popravek ali celotno funkcijo z razlago zadevnih predpostavk. Pri matematičnem ali znanstvenem vprašanju podajte celotno besedilo, enote in definicije, nato pa zahtevajte jasno razmejen končni odgovor, podprt s podanimi pogoji.
Pri odprti pisni nalogi določite občinstvo, namen, ton in informacije, ki se morajo pojaviti. Uporaben odgovor je lahko urejljiv osnutek, organiziran po zahtevanih razdelkih, z ločeno označenimi nepodprtimi predpostavkami. Vrnjeni osnutek, izračune ali predlagano kodo primerjajte s podanimi dejstvi, definicijami in zahtevami.
Agentska uporaba
Qwen dokumentira klice orodij in za predloge ter razčlenjevanje priporoča Qwen-Agent, s konfiguriranimi orodji ali orodji, povezanimi prek MCP. Navedite dovoljena dejanja in opazne pogoje dokončanja. Povezana orodja izvajajo zunanje operacije in vračajo opažanja; model lahko te povratne informacije uporabi v naslednjem odgovoru. Predlagani ukaz ali trditev o pridobljenem viru naj ostane ločena od rezultata, ki ga je potek dela dejansko vrnil.
Jasen končni izdelek je lahko predlog kode, tabela dokazov ali kratko poročilo. Podpora orodjem sama po sebi ne omogoči dostopa do aktualnih virov, datotek ali izvajalnega okolja prek vsakega vmesnika. Ohranite pravila odzivanja brez razmišljanja za točen model, namesto da prevzamete stikala pozivov hibridnega modela ali prostor za izhod izdaje Thinking.
Obdelava izjemno dolgih besedil
Proizvajalec dokumentira neobvezen potek dela, ki doseže približno milijon žetonov prek Dual Chunk Attention in redke pozornosti MInference. Prvi razdeli dolgo zaporedje v obvladljive dele, pri tem pa ohrani interakcije med deli; drugi osredotoči računanje na izbrane odnose pozornosti. To je dodatna konfiguracijska pot, ki presega izvorni kontekst 262.144 in uporablja posebno konfiguracijo za dolg kontekst.
Postopek ocenjuje približno 240 GB skupnega pomnilnika GPU za uteži modela, predpomnjeno stanje zaporedja in vršne aktivacije. Opisuje tudi ločene odpovedi zaradi zmogljivosti predpomnilnika zaporedja, aktivacijskega pomnilnika ali vhoda, ki presega konfigurirano dolžino. Milijonski potek dela je zato odvisen od konfiguracije in virov; glavne navedbe naj ne bi obravnavali kot brezpogojno privzeto možnost.
Dolg vhod pripravite z mejami dokumentov, imeni razdelkov ali identifikatorji kode in konkretnim vprašanjem. Rezervirajte prostor za odgovor ter zahtevajte dokaze, ki podpirajo vsak sklep.
Priporočila za generiranje
Dobre prakse priporočajo temperaturo 0,7, top_p 0,8, top_k 20 in min_p 0. Kjer je podprta, lahko kazen za prisotnost z vrednostjo od 0 do 2 zmanjša ponavljajoče se besedilo, višje vrednosti pa lahko mešajo jezike ali nekoliko zmanjšajo kakovost. Proizvajalec za večino poizvedb priporoča prostor za izhod 16.384 žetonov, ne daljših obsegov, dokumentiranih za Thinking-2507. To je priporočilo, ne neodvisno določena trda zgornja meja izhoda.
Končno obliko določite izrecno, na primer matematično ločilo ali polje za odgovor. Dokumentirani vhod modela je besedilo, zato vizualni ali zvočni dokazi pred tem potekom dela zahtevajo ustrezno ločeno predstavitev. Izračune, citate in generirano kodo preverite glede na vir. Uporaben rezultat je popoln, pregledljiv besedilni izdelek, pri katerem ostanejo jasni fiksna identiteta Instruct-2507, način brez razmišljanja in pogojni postopek dolgega konteksta.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen3-30b-a3b-instruct-2507 | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0008 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0008 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "qwen/qwen3-30b-a3b-instruct-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
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.