Qwen3-14B är en tät språkmodell i den ursprungliga Qwen3-utgåvan som kombinerar tänkande och icke-tänkande beteende i samma modell. Qwen positionerar familjen för logiska resonemang, matematik, programmering, kreativt skrivande, rollbaserad dialog och instruktionsföljande. Den tar emot och returnerar text med flerspråkiga instruktions- och översättningsförmågor på familjens 119 språk och dialekter. En användbar samtalsbeskrivning anger språket, läsarens kunskapsnivå och det exakta resultatet: en förklaring, en omskrivning, en löst uppgift eller en föreslagen kodändring.
Den instruktionstränade modellen har totalt 14,8 miljarder parametrar i 40 lager. Det är den täta 14B-versionen, inte en mixture-of-experts-modell eller en senare modell med liknande familjenamn. Dess nativa kontext är 32 768 token. För en dokumentuppgift ska du ta med relevanta textavsnitt och rubriker och sedan be om den specifika jämförelse eller förklaring som behövs. En uppgift kan till exempel ge två versioner av en process och be om en tabell över ändrade villkor, följd av en reviderad procedur som bevarar angivna undantag. Be den reviderade proceduren behålla källrubrikerna och identifiera de ändrade villkoren.
Tänkande är aktiverat som standard i tillverkarens chattmall. Den hårda inställningen enable_thinking=False stänger av resonemangsavsnittet helt. Om tänkande förblir aktiverat kan /think eller /no_think i prompten eller systeminstruktionen ändra det begärda läget mellan omgångar; den senaste instruktionen gäller. En aktiverad mall kan fortfarande returnera ett tomt <think>-block för en mjuk begäran om icke-tänkande. Den hårt avstängda inställningen kan inte återaktiveras genom att /think läggs till i texten. Välj läget efter problemet: en direkt omskrivning kan använda en annan svarsstil än en matematisk förklaring i flera steg.
Det officiella genereringsexemplet skiljer tänkande innehåll från det slutliga svaret. För att göra det slutliga svaret användbart ska du ge förutsättningarna eller källmaterialet och definiera dess struktur före generering. Qwen rekommenderar ett inramat slutresultat för matematik och ett uttryckligt svarsfält för flervalsfrågor. En undervisningsuppgift kan på samma sätt begära resultatet, den nödvändiga förklaringen och ett genomarbetat exempel. För samtal i flera omgångar rekommenderar tillverkaren att det slutliga svaret behålls i historiken medan tidigare tänkande utelämnas, så att följdfrågor bygger på det levererade resultatet.
Qwen beskriver agent- och verktygsanropsförmågor i både tänkande och icke-tänkande lägen. Den rekommenderade Qwen-Agent-integrationen tillhandahåller mallar och parsrar för definierade verktyg, inklusive informationshämtning och en kodtolk i exemplet. En applikation kan ge modellen namngivna verktyg, deras godtagna argument och ett stoppvillkor. För en kodundersökning ska du förbereda källutdraget och feldetaljerna, be den identifiera nödvändiga kontroller och sedan ge det faktiska verktygsresultatet för tolkning. Det slutliga svaret kan vara en diagnos, ett ändringsförslag och kvarstående frågor kopplade till det tillhandahållna underlaget.
Tillverkaren verifierar en 131 072-tokenutökning med YaRN, separat från det nativa fönstret. Den varnar för att statisk skalning kan påverka beteendet för korta indata och rekommenderar konfigurationen när längre kontexter behövs. Kortet förklarar också en standardallokering på 40 960 positioner för typiska prompt- och utdatalängder. Ordna långa indata i namngivna avsnitt och reservera plats för resonemang och slutresultat i stället för att fylla varje position med bakgrundsmaterial. Den utökade inställningen beror på den föreskrivna konfigurationen.
Qwen rekommenderar temperature 0.6 och top-p 0.95 för tänkande samt 0.7 och 0.8 för icke-tänkande, med top-k 20 och min-p 0 i båda fallen. Den varnar för girig avkodning i tänkande läge på grund av möjlig försämring och upprepning. Den rekommenderade utdatabudgeten är 32 768 token för de flesta frågor, med 38 912 för särskilt komplexa matematik- och programmeringsuppgifter. Rekommendationerna vägleder genereringen; de definierar inte en separat fast svarsgräns. Uttryckliga språk- och formateringsinstruktioner är särskilt användbara när ett resultat ska vara konsekvent i ett flerspråkigt samtal.
", "aboutText": "Qwen3-14B är en tät språkmodell i den ursprungliga Qwen3-utgåvan som kombinerar tänkande och icke-tänkande beteende i samma modell. Qwen positionerar familjen för logiska resonemang, matematik, programmering, kreativt skrivande, rollbaserad dialog och instruktionsföljande. Den tar emot och returnerar text med flerspråkiga instruktions- och översättningsförmågor på familjens 119 språk och dialekter. En användbar samtalsbeskrivning anger språket, läsarens kunskapsnivå och det exakta resultatet: en förklaring, en omskrivning, en löst uppgift eller en föreslagen kodändring.\n\nDen instruktionstränade modellen har totalt 14,8 miljarder parametrar i 40 lager. Det är den täta 14B-versionen, inte en mixture-of-experts-modell eller en senare modell med liknande familjenamn. Dess nativa kontext är 32 768 token. För en dokumentuppgift ska du ta med relevanta textavsnitt och rubriker och sedan be om den specifika jämförelse eller förklaring som behövs. En uppgift kan till exempel ge två versioner av en process och be om en tabell över ändrade villkor, följd av en reviderad procedur som bevarar angivna undantag. Be den reviderade proceduren behålla källrubrikerna och identifiera de ändrade villkoren.\n\nTänkande är aktiverat som standard i tillverkarens chattmall. Den hårda inställningen enable_thinking=False stänger av resonemangsavsnittet helt. Om tänkande förblir aktiverat kan /think eller /no_think i prompten eller systeminstruktionen ändra det begärda läget mellan omgångar; den senaste instruktionen gäller. En aktiverad mall kan fortfarande returnera ett tomtTekniskt exempel på engelska
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.qwen/qwen3-14bQwen3-14B är Qwens täta textmodell för flerspråkiga samtal, skrivande, programmering och stegvisa resonemang. Den ursprungliga hybriddesignen växlar mellan tänkande och direkta svar och har en nativ kontext på 32 768 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3-14B är en tät språkmodell i den ursprungliga Qwen3-utgåvan som kombinerar tänkande och icke-tänkande beteende i samma modell. Qwen positionerar familjen för logiska resonemang, matematik, programmering, kreativt skrivande, rollbaserad dialog och instruktionsföljande. Den tar emot och returnerar text med flerspråkiga instruktions- och översättningsförmågor på familjens 119 språk och dialekter. En användbar samtalsbeskrivning anger språket, läsarens kunskapsnivå och det exakta resultatet: en förklaring, en omskrivning, en löst uppgift eller en föreslagen kodändring.
Den instruktionstränade modellen har totalt 14,8 miljarder parametrar i 40 lager. Det är den täta 14B-versionen, inte en mixture-of-experts-modell eller en senare modell med liknande familjenamn. Dess nativa kontext är 32 768 token. För en dokumentuppgift ska du ta med relevanta textavsnitt och rubriker och sedan be om den specifika jämförelse eller förklaring som behövs. En uppgift kan till exempel ge två versioner av en process och be om en tabell över ändrade villkor, följd av en reviderad procedur som bevarar angivna undantag. Be den reviderade proceduren behålla källrubrikerna och identifiera de ändrade villkoren.
Tänkande är aktiverat som standard i tillverkarens chattmall. Den hårda inställningen enable_thinking=False stänger av resonemangsavsnittet helt. Om tänkande förblir aktiverat kan /think eller /no_think i prompten eller systeminstruktionen ändra det begärda läget mellan omgångar; den senaste instruktionen gäller. En aktiverad mall kan fortfarande returnera ett tomt <think>-block för en mjuk begäran om icke-tänkande. Den hårt avstängda inställningen kan inte återaktiveras genom att /think läggs till i texten. Välj läget efter problemet: en direkt omskrivning kan använda en annan svarsstil än en matematisk förklaring i flera steg.
Det officiella genereringsexemplet skiljer tänkande innehåll från det slutliga svaret. För att göra det slutliga svaret användbart ska du ge förutsättningarna eller källmaterialet och definiera dess struktur före generering. Qwen rekommenderar ett inramat slutresultat för matematik och ett uttryckligt svarsfält för flervalsfrågor. En undervisningsuppgift kan på samma sätt begära resultatet, den nödvändiga förklaringen och ett genomarbetat exempel. För samtal i flera omgångar rekommenderar tillverkaren att det slutliga svaret behålls i historiken medan tidigare tänkande utelämnas, så att följdfrågor bygger på det levererade resultatet.
Qwen beskriver agent- och verktygsanropsförmågor i både tänkande och icke-tänkande lägen. Den rekommenderade Qwen-Agent-integrationen tillhandahåller mallar och parsrar för definierade verktyg, inklusive informationshämtning och en kodtolk i exemplet. En applikation kan ge modellen namngivna verktyg, deras godtagna argument och ett stoppvillkor. För en kodundersökning ska du förbereda källutdraget och feldetaljerna, be den identifiera nödvändiga kontroller och sedan ge det faktiska verktygsresultatet för tolkning. Det slutliga svaret kan vara en diagnos, ett ändringsförslag och kvarstående frågor kopplade till det tillhandahållna underlaget.
Tillverkaren verifierar en 131 072-tokenutökning med YaRN, separat från det nativa fönstret. Den varnar för att statisk skalning kan påverka beteendet för korta indata och rekommenderar konfigurationen när längre kontexter behövs. Kortet förklarar också en standardallokering på 40 960 positioner för typiska prompt- och utdatalängder. Ordna långa indata i namngivna avsnitt och reservera plats för resonemang och slutresultat i stället för att fylla varje position med bakgrundsmaterial. Den utökade inställningen beror på den föreskrivna konfigurationen.
Qwen rekommenderar temperature 0.6 och top-p 0.95 för tänkande samt 0.7 och 0.8 för icke-tänkande, med top-k 20 och min-p 0 i båda fallen. Den varnar för girig avkodning i tänkande läge på grund av möjlig försämring och upprepning. Den rekommenderade utdatabudgeten är 32 768 token för de flesta frågor, med 38 912 för särskilt komplexa matematik- och programmeringsuppgifter. Rekommendationerna vägleder genereringen; de definierar inte en separat fast svarsgräns. Uttryckliga språk- och formateringsinstruktioner är särskilt användbara när ett resultat ska vara konsekvent i ett flerspråkigt samtal.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-14b | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.00058 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.00058 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-14b", "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/qwen3-14b',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/qwen3-14b',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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra qwen/qwen3-14b
Använd metodsökvägarna som visas ovan.
qwen/qwen3-14bQwen3-14B är Qwens täta textmodell för flerspråkiga samtal, skrivande, programmering och stegvisa resonemang. Den ursprungliga hybriddesignen växlar mellan tänkande och direkta svar och har en nativ kontext på 32 768 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3-14B är en tät språkmodell i den ursprungliga Qwen3-utgåvan som kombinerar tänkande och icke-tänkande beteende i samma modell. Qwen positionerar familjen för logiska resonemang, matematik, programmering, kreativt skrivande, rollbaserad dialog och instruktionsföljande. Den tar emot och returnerar text med flerspråkiga instruktions- och översättningsförmågor på familjens 119 språk och dialekter. En användbar samtalsbeskrivning anger språket, läsarens kunskapsnivå och det exakta resultatet: en förklaring, en omskrivning, en löst uppgift eller en föreslagen kodändring.
Den instruktionstränade modellen har totalt 14,8 miljarder parametrar i 40 lager. Det är den täta 14B-versionen, inte en mixture-of-experts-modell eller en senare modell med liknande familjenamn. Dess nativa kontext är 32 768 token. För en dokumentuppgift ska du ta med relevanta textavsnitt och rubriker och sedan be om den specifika jämförelse eller förklaring som behövs. En uppgift kan till exempel ge två versioner av en process och be om en tabell över ändrade villkor, följd av en reviderad procedur som bevarar angivna undantag. Be den reviderade proceduren behålla källrubrikerna och identifiera de ändrade villkoren.
Tänkande är aktiverat som standard i tillverkarens chattmall. Den hårda inställningen enable_thinking=False stänger av resonemangsavsnittet helt. Om tänkande förblir aktiverat kan /think eller /no_think i prompten eller systeminstruktionen ändra det begärda läget mellan omgångar; den senaste instruktionen gäller. En aktiverad mall kan fortfarande returnera ett tomt <think>-block för en mjuk begäran om icke-tänkande. Den hårt avstängda inställningen kan inte återaktiveras genom att /think läggs till i texten. Välj läget efter problemet: en direkt omskrivning kan använda en annan svarsstil än en matematisk förklaring i flera steg.
Det officiella genereringsexemplet skiljer tänkande innehåll från det slutliga svaret. För att göra det slutliga svaret användbart ska du ge förutsättningarna eller källmaterialet och definiera dess struktur före generering. Qwen rekommenderar ett inramat slutresultat för matematik och ett uttryckligt svarsfält för flervalsfrågor. En undervisningsuppgift kan på samma sätt begära resultatet, den nödvändiga förklaringen och ett genomarbetat exempel. För samtal i flera omgångar rekommenderar tillverkaren att det slutliga svaret behålls i historiken medan tidigare tänkande utelämnas, så att följdfrågor bygger på det levererade resultatet.
Qwen beskriver agent- och verktygsanropsförmågor i både tänkande och icke-tänkande lägen. Den rekommenderade Qwen-Agent-integrationen tillhandahåller mallar och parsrar för definierade verktyg, inklusive informationshämtning och en kodtolk i exemplet. En applikation kan ge modellen namngivna verktyg, deras godtagna argument och ett stoppvillkor. För en kodundersökning ska du förbereda källutdraget och feldetaljerna, be den identifiera nödvändiga kontroller och sedan ge det faktiska verktygsresultatet för tolkning. Det slutliga svaret kan vara en diagnos, ett ändringsförslag och kvarstående frågor kopplade till det tillhandahållna underlaget.
Tillverkaren verifierar en 131 072-tokenutökning med YaRN, separat från det nativa fönstret. Den varnar för att statisk skalning kan påverka beteendet för korta indata och rekommenderar konfigurationen när längre kontexter behövs. Kortet förklarar också en standardallokering på 40 960 positioner för typiska prompt- och utdatalängder. Ordna långa indata i namngivna avsnitt och reservera plats för resonemang och slutresultat i stället för att fylla varje position med bakgrundsmaterial. Den utökade inställningen beror på den föreskrivna konfigurationen.
Qwen rekommenderar temperature 0.6 och top-p 0.95 för tänkande samt 0.7 och 0.8 för icke-tänkande, med top-k 20 och min-p 0 i båda fallen. Den varnar för girig avkodning i tänkande läge på grund av möjlig försämring och upprepning. Den rekommenderade utdatabudgeten är 32 768 token för de flesta frågor, med 38 912 för särskilt komplexa matematik- och programmeringsuppgifter. Rekommendationerna vägleder genereringen; de definierar inte en separat fast svarsgräns. Uttryckliga språk- och formateringsinstruktioner är särskilt användbara när ett resultat ska vara konsekvent i ett flerspråkigt samtal.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-14b | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.00058 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.00058 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen/qwen3-14b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-14b', '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/qwen3-14b', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra qwen/qwen3-14b
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Explain a changed approval rule\n\nCompare procedure V1: 'All purchase requests need manager approval.' V2: 'Requests above 100 credits need manager approval; smaller requests go directly to purchasing.' Explain the change to a new coordinator, give examples for 80 and 120 credits and identify the unanswered rule for exactly 100 credits. Keep the two versions distinct.A brief explanation, two worked examples and one boundary clarification.The answer must not invent the exactly-100-credit rule absent from V2.