Poudarki Qwen3.6 v gostem modelu 27B
Qwen3.6-27B je gost vizualno-jezikovni model, razvit iz Qwen3.5-27B. Proizvajalec poudarja izboljšane programerske agente in sklepanje STEM z izboljšavami prostorskega razumevanja, določanja položaja in zaznavanja objektov, dokumentnega OCR, razumevanja videa in vizualnih agentov. Sprejema besedilo, slike in video ter ustvarja besedilo. Ta gosta izdaja se razlikuje od modela mešanice strokovnjakov Qwen3.6-35B-A3B, čeprav imata skupno generacijo in usmeritev nalog.
Za diagram STEM priložite celotno besedilo problema ter ohranite oznake in enote. Modelu naročite, naj loči neposredno vidna dejstva od predpostavk in nato vrne razlago z jasnim končnim odgovorom. Za dokument določite polja ali trditve za pridobitev in zahtevajte podporne sklice na strani. Za programerskega agenta priložite ustrezne module, želeno vedenje in dejanske povratne informacije povezanega poteka. Ti primeri uporabljajo dokumentirane zmožnosti; niso trditve o natančnem pridobivanju podatkov ali uspešni izvedbi.
Pregled modela
Model ima 27 milijard parametrov in 64 plasti jezikovnega modela. Hibridna postavitev ponavlja tri plasti Gated DeltaNet, ki jim sledi ena plast pozornosti z vrati, ter uporablja goste naprej usmerjene mreže namesto redkih strokovnjakov. Vizualni kodirnik zagotavlja razumevanje slik in videa, napovedovanje več žetonov pa je del učenja. Ta arhitekturna dejstva opredeljujejo model brez razvrščanja kakovosti ali odzivnega časa vsake aplikacije.
Izvorni kontekst obsega 262,144 žetonov in ga je mogoče s konfiguracijo razširiti na 1,010,000. Qwen svetuje ohranitev konteksta vsaj 128K, kjer je mogoče, za zahtevno sklepanje, ob upoštevanju, da lahko pritisk na pomnilnik zahteva manjšo nastavitev. Predstavljene slike in video, besedilo, pretekla sporočila, razmišljanje in odgovor vsi porabljajo prostor v konfiguriranem zaporedju.
Vhodi in načini
Proizvajalec prikazuje besedilna, slikovna in video vprašanja. Razmišljanje je privzeto omogočeno, z blokom sklepanja pred končnim odgovorom. enable_thinking lahko to vedenje izklopi za neposreden odgovor. Qwen3.6 uradno ne podpira starejših stikal poziva /think in /nothink. Zahtevani rezultat naj bo po razlagi preprosto prepoznaven, na primer izračunana vrednost, tabela pridobljenih polj ali kodni popravek, ki ga je mogoče urejati.
Video primer v podprtem poteku privzeto uporablja dve sličici na sekundo. Za video v obsegu ur proizvajalec priporoča povečanje proračuna procesorja za vzorčenje z višjo frekvenco in poda primer, ki ustreza približno 224K video žetonom. Več vizualnih podrobnosti potrebuje več kontekstnega in obdelovalnega proračuna. Te nastavitve ne potrjujejo brezpogojnega trajanja videa ali natančne točnosti časovnih žigov dogodkov za vsak vmesnik.
Preteklo razmišljanje
Privzeta predloga ohrani razmišljanje, povezano z zadnjim uporabniškim sporočilom. Možnost preserve_thinking lahko dodatno ohrani sklepanje iz preteklih sporočil; proizvajalčev izrecni primer jo omogoči s true. To lahko podpira iterativni razvoj, pri katerem prejšnje odločitve ostanejo pomembne po novih povratnih informacijah orodij. Razlikuje se od dokumentiranega privzetega ohranjanja Qwen3.8 in smernic Qwen3.5, ki v zgodovini ohranjajo samo končni odgovor. Sledite natančni obliki modela, namesto da tiho zamenjate pravila zgodovine z drugo generacijo.
Agentska uporaba
Qwen dokumentira klicanje orodij in priporoča Qwen-Agent s konfiguriranimi orodji ali orodji, povezanimi prek MCP, skupaj s Qwen Code za delo programerskega agenta. Navedite dovoljena dejanja in opazljiva merila dokončanja. Orodje lahko pregleda priloženo gradivo ali vrne dejanski rezultat preverjanja, po katerem model prilagodi analizo. Model ne dobi dostopa do datotečnega sistema, aktualnih virov ali izvajalnega okolja zgolj zaradi agentske specializacije.
Izjemno dolg vhod
Recept razširitve uporablja YaRN s prepletenimi pozicijskimi nastavitvami tega modela. Faktor štiri cilja na potek s približno milijonom žetonov; faktor dve je predlagan za obremenitve 524,288 žetonov. Statično skaliranje lahko poslabša delovanje pri krajšem besedilu, zato mora slediti dejanski potrebi po dolgem kontekstu. Strani, funkcije in meje dokumentov ohranite označene, nato zahtevajte sklepe, ki opredelijo podporne dokaze.
Priporočila ustvarjanja in omejitve
Priporočene prakse kartice za splošno razmišljanje priporočajo temperature 1.0, top_p 0.95, top_k 20, min_p 0, kazen prisotnosti 0 in kazen ponavljanja 1.0. Za natančno programiranje vrednost parametra temperature postane 0.6. Za neposredne odgovore je vrednost parametra temperature 0.7, top_p 0.8 in kazen prisotnosti 1.5, druge vrednosti pa ostanejo nespremenjene. Proizvajalec opozarja, da lahko večje kazni prisotnosti mešajo jezike ali nekoliko zmanjšajo kakovost.
Priporočeni dovoljeni obsegi ustvarjanja so 32,768 žetonov za večino vprašanj in 81,920 za posebej zahtevno matematično ali programersko delo. To niso ločeno potrjene trde meje. Določite obliko končnega odgovora ter pridobljeno besedilo, prostorske sklepe, izračune in predlagano kodo preverite glede na izvor. Velik kontekst in ohranjeno sklepanje pomagata prenašati dokaze skozi nalogo; pregledljiv izdelek ostaja uporabni rezultat.
", "aboutText": "Poudarki Qwen3.6 v gostem modelu 27B\n\nQwen3.6-27B je gost vizualno-jezikovni model, razvit iz Qwen3.5-27B. Proizvajalec poudarja izboljšane programerske agente in sklepanje STEM z izboljšavami prostorskega razumevanja, določanja položaja in zaznavanja objektov, dokumentnega OCR, razumevanja videa in vizualnih agentov. Sprejema besedilo, slike in video ter ustvarja besedilo. Ta gosta izdaja se razlikuje od modela mešanice strokovnjakov Qwen3.6-35B-A3B, čeprav imata skupno generacijo in usmeritev nalog.\n\nZa diagram STEM priložite celotno besedilo problema ter ohranite oznake in enote. Modelu naročite, naj loči neposredno vidna dejstva od predpostavk in nato vrne razlago z jasnim končnim odgovorom. Za dokument določite polja ali trditve za pridobitev in zahtevajte podporne sklice na strani. Za programerskega agenta priložite ustrezne module, želeno vedenje in dejanske povratne informacije povezanega poteka. Ti primeri uporabljajo dokumentirane zmožnosti; niso trditve o natančnem pridobivanju podatkov ali uspešni izvedbi.\n\nPregled modela\n\nModel ima 27 milijard parametrov in 64 plasti jezikovnega modela. Hibridna postavitev ponavlja tri plasti Gated DeltaNet, ki jim sledi ena plast pozornosti z vrati, ter uporablja goste naprej usmerjene mreže namesto redkih strokovnjakov. Vizualni kodirnik zagotavlja razumevanje slik in videa, napovedovanje več žetonov pa je del učenja. Ta arhitekturna dejstva opredeljujejo model brez razvrščanja kakovosti ali odzivnega časa vsake aplikacije.\n\nIzvorni kontekst obsega 262,144 žetonov in ga je mogoče s konfiguracijo razširiti na 1,010,000. Qwen svetuje ohranitev konteksta vsaj 128K, kjer je mogoče, za zahtevno sklepanje, ob upoštevanju, da lahko pritisk na pomnilnik zahteva manjšo nastavitev. Predstavljene slike in video, besedilo, pretekla sporočila, razmišljanje in odgovor vsi porabljajo prostor v konfiguriranem zaporedju.\n\nVhodi in načini\n\nProizvajalec prikazuje besedilna, slikovna in video vprašanja. Razmišljanje je privzeto omogočeno, z blokom sklepanja pred končnim odgovorom. enable_thinking lahko to vedenje izklopi za neposreden odgovor. Qwen3.6 uradno ne podpira starejših stikal poziva /think in /nothink. Zahtevani rezultat naj bo po razlagi preprosto prepoznaven, na primer izračunana vrednost, tabela pridobljenih polj ali kodni popravek, ki ga je mogoče urejati.\n\nVideo primer v podprtem poteku privzeto uporablja dve sličici na sekundo. Za video v obsegu ur proizvajalec priporoča povečanje proračuna procesorja za vzorčenje z višjo frekvenco in poda primer, ki ustreza približno 224K video žetonom. Več vizualnih podrobnosti potrebuje več kontekstnega in obdelovalnega proračuna. Te nastavitve ne potrjujejo brezpogojnega trajanja videa ali natančne točnosti časovnih žigov dogodkov za vsak vmesnik.\n\nPreteklo razmišljanje\n\nPrivzeta predloga ohrani razmišljanje, povezano z zadnjim uporabniškim sporočilom. Možnost preserve_thinking lahko dodatno ohrani sklepanje iz preteklih sporočil; proizvajalčev izrecni primer jo omogoči s true. To lahko podpira iterativni razvoj, pri katerem prejšnje odločitve ostanejo pomembne po novih povratnih informacijah orodij. Razlikuje se od dokumentiranega privzetega ohranjanja Qwen3.8 in smernic Qwen3.5, ki v zgodovini ohranjajo samo končni odgovor. Sledite natančni obliki modela, namesto da tiho zamenjate pravila zgodovine z drugo generacijo.\n\nAgentska uporaba\n\nQwen dokumentira klicanje orodij in priporoča Qwen-Agent s konfiguriranimi orodji ali orodji, povezanimi prek MCP, skupaj s Qwen Code za delo programerskega agenta. Navedite dovoljena dejanja in opazljiva merila dokončanja. Orodje lahko pregleda priloženo gradivo ali vrne dejanski rezultat preverjanja, po katerem model prilagodi analizo. Model ne dobi dostopa do datotečnega sistema, aktualnih virov ali izvajalnega okolja zgolj zaradi agentske specializacije.\n\nIzjemno dolg vhod\n\nRecept razširitve uporablja YaRN s prepletenimi pozicijskimi nastavitvami tega modela. Faktor štiri cilja na potek s približno milijonom žetonov; faktor dve je predlagan za obremenitve 524,288 žetonov. Statično skaliranje lahko poslabša delovanje pri krajšem besedilu, zato mora slediti dejanski potrebi po dolgem kontekstu. Strani, funkcije in meje dokumentov ohranite označene, nato zahtevajte sklepe, ki opredelijo podporne dokaze.\n\nPriporočila ustvarjanja in omejitve\n\nPriporočene prakse kartice za splošno razmišljanje priporočajo temperature 1.0, top_p 0.95, top_k 20, min_p 0, kazen prisotnosti 0 in kazen ponavljanja 1.0. Za natančno programiranje vrednost parametra temperature postane 0.6. Za neposredne odgovore je vrednost parametra temperature 0.7, top_p 0.8 in kazen prisotnosti 1.5, druge vrednosti pa ostanejo nespremenjene. Proizvajalec opozarja, da lahko večje kazni prisotnosti mešajo jezike ali nekoliko zmanjšajo kakovost.\n\nPriporočeni dovoljeni obsegi ustvarjanja so 32,768 žetonov za večino vprašanj in 81,920 za posebej zahtevno matematično ali programersko delo. To niso ločeno potrjene trde meje. Določite obliko končnega odgovora ter pridobljeno besedilo, prostorske sklepe, izračune in predlagano kodo preverite glede na izvor. Velik kontekst in ohranjeno sklepanje pomagata prenašati dokaze skozi nalogo; pregledljiv izdelek ostaja uporabni rezultat.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Calculate a series-circuit result\n\nA circuit is described in text: an ideal 12 V source is connected to two resistors, 3 Ω and 5 Ω, in series. Wires have zero resistance. Calculate total resistance, current and voltage across each resistor. Show formulas with units and check that the two voltage drops equal the source voltage.A worked solution with total resistance, shared current, both voltage drops and a voltage-sum check.Check that the same current flows through both series resistors and the computed voltage drops sum to 12 V.qwen/qwen3.6-27bQwen3.6-27B je Qwenov gost vizualno-jezikovni model za programiranje, sklepanje STEM in vizualno analizo. Sprejema besedilo, slike in video ter vrača besedilo, z izbirnim razmišljanjem, izbirnim ohranjanjem preteklega sklepanja in izvornim kontekstom 262,144 žetonov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Poudarki Qwen3.6 v gostem modelu 27B
Qwen3.6-27B je gost vizualno-jezikovni model, razvit iz Qwen3.5-27B. Proizvajalec poudarja izboljšane programerske agente in sklepanje STEM z izboljšavami prostorskega razumevanja, določanja položaja in zaznavanja objektov, dokumentnega OCR, razumevanja videa in vizualnih agentov. Sprejema besedilo, slike in video ter ustvarja besedilo. Ta gosta izdaja se razlikuje od modela mešanice strokovnjakov Qwen3.6-35B-A3B, čeprav imata skupno generacijo in usmeritev nalog.
Za diagram STEM priložite celotno besedilo problema ter ohranite oznake in enote. Modelu naročite, naj loči neposredno vidna dejstva od predpostavk in nato vrne razlago z jasnim končnim odgovorom. Za dokument določite polja ali trditve za pridobitev in zahtevajte podporne sklice na strani. Za programerskega agenta priložite ustrezne module, želeno vedenje in dejanske povratne informacije povezanega poteka. Ti primeri uporabljajo dokumentirane zmožnosti; niso trditve o natančnem pridobivanju podatkov ali uspešni izvedbi.
Pregled modela
Model ima 27 milijard parametrov in 64 plasti jezikovnega modela. Hibridna postavitev ponavlja tri plasti Gated DeltaNet, ki jim sledi ena plast pozornosti z vrati, ter uporablja goste naprej usmerjene mreže namesto redkih strokovnjakov. Vizualni kodirnik zagotavlja razumevanje slik in videa, napovedovanje več žetonov pa je del učenja. Ta arhitekturna dejstva opredeljujejo model brez razvrščanja kakovosti ali odzivnega časa vsake aplikacije.
Izvorni kontekst obsega 262,144 žetonov in ga je mogoče s konfiguracijo razširiti na 1,010,000. Qwen svetuje ohranitev konteksta vsaj 128K, kjer je mogoče, za zahtevno sklepanje, ob upoštevanju, da lahko pritisk na pomnilnik zahteva manjšo nastavitev. Predstavljene slike in video, besedilo, pretekla sporočila, razmišljanje in odgovor vsi porabljajo prostor v konfiguriranem zaporedju.
Vhodi in načini
Proizvajalec prikazuje besedilna, slikovna in video vprašanja. Razmišljanje je privzeto omogočeno, z blokom sklepanja pred končnim odgovorom. enable_thinking lahko to vedenje izklopi za neposreden odgovor. Qwen3.6 uradno ne podpira starejših stikal poziva /think in /nothink. Zahtevani rezultat naj bo po razlagi preprosto prepoznaven, na primer izračunana vrednost, tabela pridobljenih polj ali kodni popravek, ki ga je mogoče urejati.
Video primer v podprtem poteku privzeto uporablja dve sličici na sekundo. Za video v obsegu ur proizvajalec priporoča povečanje proračuna procesorja za vzorčenje z višjo frekvenco in poda primer, ki ustreza približno 224K video žetonom. Več vizualnih podrobnosti potrebuje več kontekstnega in obdelovalnega proračuna. Te nastavitve ne potrjujejo brezpogojnega trajanja videa ali natančne točnosti časovnih žigov dogodkov za vsak vmesnik.
Preteklo razmišljanje
Privzeta predloga ohrani razmišljanje, povezano z zadnjim uporabniškim sporočilom. Možnost preserve_thinking lahko dodatno ohrani sklepanje iz preteklih sporočil; proizvajalčev izrecni primer jo omogoči s true. To lahko podpira iterativni razvoj, pri katerem prejšnje odločitve ostanejo pomembne po novih povratnih informacijah orodij. Razlikuje se od dokumentiranega privzetega ohranjanja Qwen3.8 in smernic Qwen3.5, ki v zgodovini ohranjajo samo končni odgovor. Sledite natančni obliki modela, namesto da tiho zamenjate pravila zgodovine z drugo generacijo.
Agentska uporaba
Qwen dokumentira klicanje orodij in priporoča Qwen-Agent s konfiguriranimi orodji ali orodji, povezanimi prek MCP, skupaj s Qwen Code za delo programerskega agenta. Navedite dovoljena dejanja in opazljiva merila dokončanja. Orodje lahko pregleda priloženo gradivo ali vrne dejanski rezultat preverjanja, po katerem model prilagodi analizo. Model ne dobi dostopa do datotečnega sistema, aktualnih virov ali izvajalnega okolja zgolj zaradi agentske specializacije.
Izjemno dolg vhod
Recept razširitve uporablja YaRN s prepletenimi pozicijskimi nastavitvami tega modela. Faktor štiri cilja na potek s približno milijonom žetonov; faktor dve je predlagan za obremenitve 524,288 žetonov. Statično skaliranje lahko poslabša delovanje pri krajšem besedilu, zato mora slediti dejanski potrebi po dolgem kontekstu. Strani, funkcije in meje dokumentov ohranite označene, nato zahtevajte sklepe, ki opredelijo podporne dokaze.
Priporočila ustvarjanja in omejitve
Priporočene prakse kartice za splošno razmišljanje priporočajo temperature 1.0, top_p 0.95, top_k 20, min_p 0, kazen prisotnosti 0 in kazen ponavljanja 1.0. Za natančno programiranje vrednost parametra temperature postane 0.6. Za neposredne odgovore je vrednost parametra temperature 0.7, top_p 0.8 in kazen prisotnosti 1.5, druge vrednosti pa ostanejo nespremenjene. Proizvajalec opozarja, da lahko večje kazni prisotnosti mešajo jezike ali nekoliko zmanjšajo kakovost.
Priporočeni dovoljeni obsegi ustvarjanja so 32,768 žetonov za večino vprašanj in 81,920 za posebej zahtevno matematično ali programersko delo. To niso ločeno potrjene trde meje. Določite obliko končnega odgovora ter pridobljeno besedilo, prostorske sklepe, izračune in predlagano kodo preverite glede na izvor. Velik kontekst in ohranjeno sklepanje pomagata prenašati dokaze skozi nalogo; pregledljiv izdelek ostaja uporabni rezultat.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen3.6-27b | 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 $0.0009 / 1K žetonov Izhod · Izhodni žetoni $0.0054 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 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 $0.0009 / 1K žetonov Izhod · Izhodni žetoni $0.0054 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.6-27b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.6-27b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.6-27b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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/qwen3.6-27b
Uporabite zgoraj navedene poti metod.
qwen/qwen3.6-27bQwen3.6-27B je Qwenov gost vizualno-jezikovni model za programiranje, sklepanje STEM in vizualno analizo. Sprejema besedilo, slike in video ter vrača besedilo, z izbirnim razmišljanjem, izbirnim ohranjanjem preteklega sklepanja in izvornim kontekstom 262,144 žetonov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Poudarki Qwen3.6 v gostem modelu 27B
Qwen3.6-27B je gost vizualno-jezikovni model, razvit iz Qwen3.5-27B. Proizvajalec poudarja izboljšane programerske agente in sklepanje STEM z izboljšavami prostorskega razumevanja, določanja položaja in zaznavanja objektov, dokumentnega OCR, razumevanja videa in vizualnih agentov. Sprejema besedilo, slike in video ter ustvarja besedilo. Ta gosta izdaja se razlikuje od modela mešanice strokovnjakov Qwen3.6-35B-A3B, čeprav imata skupno generacijo in usmeritev nalog.
Za diagram STEM priložite celotno besedilo problema ter ohranite oznake in enote. Modelu naročite, naj loči neposredno vidna dejstva od predpostavk in nato vrne razlago z jasnim končnim odgovorom. Za dokument določite polja ali trditve za pridobitev in zahtevajte podporne sklice na strani. Za programerskega agenta priložite ustrezne module, želeno vedenje in dejanske povratne informacije povezanega poteka. Ti primeri uporabljajo dokumentirane zmožnosti; niso trditve o natančnem pridobivanju podatkov ali uspešni izvedbi.
Pregled modela
Model ima 27 milijard parametrov in 64 plasti jezikovnega modela. Hibridna postavitev ponavlja tri plasti Gated DeltaNet, ki jim sledi ena plast pozornosti z vrati, ter uporablja goste naprej usmerjene mreže namesto redkih strokovnjakov. Vizualni kodirnik zagotavlja razumevanje slik in videa, napovedovanje več žetonov pa je del učenja. Ta arhitekturna dejstva opredeljujejo model brez razvrščanja kakovosti ali odzivnega časa vsake aplikacije.
Izvorni kontekst obsega 262,144 žetonov in ga je mogoče s konfiguracijo razširiti na 1,010,000. Qwen svetuje ohranitev konteksta vsaj 128K, kjer je mogoče, za zahtevno sklepanje, ob upoštevanju, da lahko pritisk na pomnilnik zahteva manjšo nastavitev. Predstavljene slike in video, besedilo, pretekla sporočila, razmišljanje in odgovor vsi porabljajo prostor v konfiguriranem zaporedju.
Vhodi in načini
Proizvajalec prikazuje besedilna, slikovna in video vprašanja. Razmišljanje je privzeto omogočeno, z blokom sklepanja pred končnim odgovorom. enable_thinking lahko to vedenje izklopi za neposreden odgovor. Qwen3.6 uradno ne podpira starejših stikal poziva /think in /nothink. Zahtevani rezultat naj bo po razlagi preprosto prepoznaven, na primer izračunana vrednost, tabela pridobljenih polj ali kodni popravek, ki ga je mogoče urejati.
Video primer v podprtem poteku privzeto uporablja dve sličici na sekundo. Za video v obsegu ur proizvajalec priporoča povečanje proračuna procesorja za vzorčenje z višjo frekvenco in poda primer, ki ustreza približno 224K video žetonom. Več vizualnih podrobnosti potrebuje več kontekstnega in obdelovalnega proračuna. Te nastavitve ne potrjujejo brezpogojnega trajanja videa ali natančne točnosti časovnih žigov dogodkov za vsak vmesnik.
Preteklo razmišljanje
Privzeta predloga ohrani razmišljanje, povezano z zadnjim uporabniškim sporočilom. Možnost preserve_thinking lahko dodatno ohrani sklepanje iz preteklih sporočil; proizvajalčev izrecni primer jo omogoči s true. To lahko podpira iterativni razvoj, pri katerem prejšnje odločitve ostanejo pomembne po novih povratnih informacijah orodij. Razlikuje se od dokumentiranega privzetega ohranjanja Qwen3.8 in smernic Qwen3.5, ki v zgodovini ohranjajo samo končni odgovor. Sledite natančni obliki modela, namesto da tiho zamenjate pravila zgodovine z drugo generacijo.
Agentska uporaba
Qwen dokumentira klicanje orodij in priporoča Qwen-Agent s konfiguriranimi orodji ali orodji, povezanimi prek MCP, skupaj s Qwen Code za delo programerskega agenta. Navedite dovoljena dejanja in opazljiva merila dokončanja. Orodje lahko pregleda priloženo gradivo ali vrne dejanski rezultat preverjanja, po katerem model prilagodi analizo. Model ne dobi dostopa do datotečnega sistema, aktualnih virov ali izvajalnega okolja zgolj zaradi agentske specializacije.
Izjemno dolg vhod
Recept razširitve uporablja YaRN s prepletenimi pozicijskimi nastavitvami tega modela. Faktor štiri cilja na potek s približno milijonom žetonov; faktor dve je predlagan za obremenitve 524,288 žetonov. Statično skaliranje lahko poslabša delovanje pri krajšem besedilu, zato mora slediti dejanski potrebi po dolgem kontekstu. Strani, funkcije in meje dokumentov ohranite označene, nato zahtevajte sklepe, ki opredelijo podporne dokaze.
Priporočila ustvarjanja in omejitve
Priporočene prakse kartice za splošno razmišljanje priporočajo temperature 1.0, top_p 0.95, top_k 20, min_p 0, kazen prisotnosti 0 in kazen ponavljanja 1.0. Za natančno programiranje vrednost parametra temperature postane 0.6. Za neposredne odgovore je vrednost parametra temperature 0.7, top_p 0.8 in kazen prisotnosti 1.5, druge vrednosti pa ostanejo nespremenjene. Proizvajalec opozarja, da lahko večje kazni prisotnosti mešajo jezike ali nekoliko zmanjšajo kakovost.
Priporočeni dovoljeni obsegi ustvarjanja so 32,768 žetonov za večino vprašanj in 81,920 za posebej zahtevno matematično ali programersko delo. To niso ločeno potrjene trde meje. Določite obliko končnega odgovora ter pridobljeno besedilo, prostorske sklepe, izračune in predlagano kodo preverite glede na izvor. Velik kontekst in ohranjeno sklepanje pomagata prenašati dokaze skozi nalogo; pregledljiv izdelek ostaja uporabni rezultat.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen3.6-27b | 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 $0.0009 / 1K žetonov Izhod · Izhodni žetoni $0.0054 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 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 $0.0009 / 1K žetonov Izhod · Izhodni žetoni $0.0054 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "qwen/qwen3.6-27b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.6-27b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.6-27b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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/qwen3.6-27b
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Calculate a series-circuit result\n\nA circuit is described in text: an ideal 12 V source is connected to two resistors, 3 Ω and 5 Ω, in series. Wires have zero resistance. Calculate total resistance, current and voltage across each resistor. Show formulas with units and check that the two voltage drops equal the source voltage.A worked solution with total resistance, shared current, both voltage drops and a voltage-sum check.Check that the same current flows through both series resistors and the computed voltage drops sum to 12 V.