Qwen3-235B-A22B-Instruct-2507 är den uppdaterade, instruktionsföljande och icke-tänkande versionen av Qwen3:s stora mixture-of-experts-modell. Qwen lyfter förbättringar i textförståelse, logiska resonemang, matematik, vetenskap, programmering och verktygsanvändning tillsammans med bredare flerspråkig kunskap och bättre hantering av öppna skrivuppgifter. Indata och utdata är text. Den är användbar för att göra en väl definierad uppgift och tillhandahållet material till ett svar, en analys, ett program eller ett bearbetat utkast utan ett separat genererat tänkandeavsnitt.
Modellen har totalt 235 miljarder parametrar och aktiverar 22 miljarder för varje token. Den nativa kontexten är 262 144 token. En praktisk begäran med långa indata kan förena en produktspecifikation, implementationsanteckningar och en lista över olösta frågor och sedan be om en strukturerad jämförelse eller en redigerad specifikation. Bevara källrubrikerna och ange målgrupp, avsnitt som ska ändras och villkor för utdata. För en skrivuppgift ska du ange ton, längd och obligatoriska fakta; för en koduppgift gränssnitt, förväntat beteende och omgivande kod.
Denna version stöder endast icke-tänkande läge och producerar inte <think>-block. Den behöver inte den ursprungliga hybridmodellens enable_thinking=False-inställning, och en begäran om den senare Thinking-2507-modellens läge ändrar inte versionen. Direkt utdata kan ändå innehålla förklaring, beräkning eller ett resonerat svar när det efterfrågas. Qwens exempel standardiserar matematiska svar med \\boxed{} och flervalssvar med ett angivet svarsfält. Liknande uttryckliga instruktioner kan begära en kort motivering följd av en slutlig rekommendation eller definierade JSON-fält vars betydelse anges i prompten.
För agentarbetsflöden rekommenderar det officiella kortet Qwen-Agent med dess verktygsanropsmallar och parsrar. Verktyg kan definieras individuellt eller genom en strukturerad verktygskonfiguration, och tillverkaren demonstrerar informationshämtning och en kodtolk. Förbered varje verktygs syfte och argument, det material som redan finns och den önskade slutpunkten. En dokumentationsassistent kan till exempel hämta namngivna avsnitt, jämka skillnader och returnera en uppdaterad förklaring. Den omgivande applikationen kör begärda verktyg och returnerar deras resultat till samtalet.
Tillverkaren rekommenderar temperature 0.7, top-p 0.8, top-k 20 och min-p 0 med en utdatabudget på 16 384 token för de flesta frågor. Det är genereringsvägledning, inte ett påstående om att varje svar kan nå en fast maximal längd. Kortet påpekar också att en presence penalty kan minska upprepningar, medan högre värden kan ge språkblandning och något lägre kvalitet. En fokuserad uppgift och uttrycklig utdatastruktur är användbara innan sådana kontroller ändras: be om de exakta avsnitt, fält eller exempel som behövs och reservera tillräckligt utrymme för dem.
Qwen dokumenterar en valfri utökning till 1 010 000 token genom en separat konfiguration med Dual Chunk Attention och gles uppmärksamhet. Det nativa fönstret är fortfarande 262 144 token; den större inställningen beror på den föreskrivna implementationen och minnesresurserna. Kortet anger uttryckligen att minnesbegränsningar kan kräva en kortare konfigurerad kontext. För omfattande material ska du välja relevanta källor, ange deras prioritet och be modellen skilja slutsatser som stöds av den tillhandahållna texten från olösta frågor. Det gör resultatet handlingsbart utan att behandla indatakapacitet som ersättning för en precis uppgift.
", "aboutText": "Qwen3-235B-A22B-Instruct-2507 är den uppdaterade, instruktionsföljande och icke-tänkande versionen av Qwen3:s stora mixture-of-experts-modell. Qwen lyfter förbättringar i textförståelse, logiska resonemang, matematik, vetenskap, programmering och verktygsanvändning tillsammans med bredare flerspråkig kunskap och bättre hantering av öppna skrivuppgifter. Indata och utdata är text. Den är användbar för att göra en väl definierad uppgift och tillhandahållet material till ett svar, en analys, ett program eller ett bearbetat utkast utan ett separat genererat tänkandeavsnitt.\n\nModellen har totalt 235 miljarder parametrar och aktiverar 22 miljarder för varje token. Den nativa kontexten är 262 144 token. En praktisk begäran med långa indata kan förena en produktspecifikation, implementationsanteckningar och en lista över olösta frågor och sedan be om en strukturerad jämförelse eller en redigerad specifikation. Bevara källrubrikerna och ange målgrupp, avsnitt som ska ändras och villkor för utdata. För en skrivuppgift ska du ange ton, längd och obligatoriska fakta; för en koduppgift gränssnitt, förväntat beteende och omgivande kod.\n\nDenna version stöder endast icke-tänkande läge och producerar inteTekniskt exempel på engelska
Update a specification from notes\n\nProduce an updated export specification from these sources. [SPEC] Export all visible rows with headers. [IMPLEMENTATION] Current code exports selected rows only. [DECISION] Users must choose either selected rows or all filtered rows; headers are always included. Decision takes priority. Return the revised requirement, the implementation gap and questions still needed for an empty selection.A revised specification section, a source-labeled gap note and an empty-selection question.Check the two export choices remain distinct and headers stay mandatory.qwen/qwen3-235b-a22b-2507Qwen3-235B-A22B-Instruct-2507 är Qwens icke-tänkande textmodell för flerspråkigt skrivande, programmering, instruktionsföljande och dokumentanalys. Den ger direkta svar utan tänkandeblock och har en nativ kontext på 262 144 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3-235B-A22B-Instruct-2507 är den uppdaterade, instruktionsföljande och icke-tänkande versionen av Qwen3:s stora mixture-of-experts-modell. Qwen lyfter förbättringar i textförståelse, logiska resonemang, matematik, vetenskap, programmering och verktygsanvändning tillsammans med bredare flerspråkig kunskap och bättre hantering av öppna skrivuppgifter. Indata och utdata är text. Den är användbar för att göra en väl definierad uppgift och tillhandahållet material till ett svar, en analys, ett program eller ett bearbetat utkast utan ett separat genererat tänkandeavsnitt.
Modellen har totalt 235 miljarder parametrar och aktiverar 22 miljarder för varje token. Den nativa kontexten är 262 144 token. En praktisk begäran med långa indata kan förena en produktspecifikation, implementationsanteckningar och en lista över olösta frågor och sedan be om en strukturerad jämförelse eller en redigerad specifikation. Bevara källrubrikerna och ange målgrupp, avsnitt som ska ändras och villkor för utdata. För en skrivuppgift ska du ange ton, längd och obligatoriska fakta; för en koduppgift gränssnitt, förväntat beteende och omgivande kod.
Denna version stöder endast icke-tänkande läge och producerar inte <think>-block. Den behöver inte den ursprungliga hybridmodellens enable_thinking=False-inställning, och en begäran om den senare Thinking-2507-modellens läge ändrar inte versionen. Direkt utdata kan ändå innehålla förklaring, beräkning eller ett resonerat svar när det efterfrågas. Qwens exempel standardiserar matematiska svar med \\boxed{} och flervalssvar med ett angivet svarsfält. Liknande uttryckliga instruktioner kan begära en kort motivering följd av en slutlig rekommendation eller definierade JSON-fält vars betydelse anges i prompten.
För agentarbetsflöden rekommenderar det officiella kortet Qwen-Agent med dess verktygsanropsmallar och parsrar. Verktyg kan definieras individuellt eller genom en strukturerad verktygskonfiguration, och tillverkaren demonstrerar informationshämtning och en kodtolk. Förbered varje verktygs syfte och argument, det material som redan finns och den önskade slutpunkten. En dokumentationsassistent kan till exempel hämta namngivna avsnitt, jämka skillnader och returnera en uppdaterad förklaring. Den omgivande applikationen kör begärda verktyg och returnerar deras resultat till samtalet.
Tillverkaren rekommenderar temperature 0.7, top-p 0.8, top-k 20 och min-p 0 med en utdatabudget på 16 384 token för de flesta frågor. Det är genereringsvägledning, inte ett påstående om att varje svar kan nå en fast maximal längd. Kortet påpekar också att en presence penalty kan minska upprepningar, medan högre värden kan ge språkblandning och något lägre kvalitet. En fokuserad uppgift och uttrycklig utdatastruktur är användbara innan sådana kontroller ändras: be om de exakta avsnitt, fält eller exempel som behövs och reservera tillräckligt utrymme för dem.
Qwen dokumenterar en valfri utökning till 1 010 000 token genom en separat konfiguration med Dual Chunk Attention och gles uppmärksamhet. Det nativa fönstret är fortfarande 262 144 token; den större inställningen beror på den föreskrivna implementationen och minnesresurserna. Kortet anger uttryckligen att minnesbegränsningar kan kräva en kortare konfigurerad kontext. För omfattande material ska du välja relevanta källor, ange deras prioritet och be modellen skilja slutsatser som stöds av den tillhandahållna texten från olösta frågor. Det gör resultatet handlingsbart utan att behandla indatakapacitet som ersättning för en precis uppgift.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-235b-a22b-2507 | 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 $0.000572 / 1K token Utdata · Utdatatoken $0.00228 / 1K token Indata · Cacheläsning $0.0001 / 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 $0.000572 / 1K token Utdata · Utdatatoken $0.00228 / 1K token Indata · Cacheläsning $0.0001 / 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/qwen3-235b-a22b-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/qwen3-235b-a22b-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/qwen3-235b-a22b-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 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/qwen3-235b-a22b-2507
Använd metodsökvägarna som visas ovan.
qwen/qwen3-235b-a22b-2507Qwen3-235B-A22B-Instruct-2507 är Qwens icke-tänkande textmodell för flerspråkigt skrivande, programmering, instruktionsföljande och dokumentanalys. Den ger direkta svar utan tänkandeblock och har en nativ kontext på 262 144 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3-235B-A22B-Instruct-2507 är den uppdaterade, instruktionsföljande och icke-tänkande versionen av Qwen3:s stora mixture-of-experts-modell. Qwen lyfter förbättringar i textförståelse, logiska resonemang, matematik, vetenskap, programmering och verktygsanvändning tillsammans med bredare flerspråkig kunskap och bättre hantering av öppna skrivuppgifter. Indata och utdata är text. Den är användbar för att göra en väl definierad uppgift och tillhandahållet material till ett svar, en analys, ett program eller ett bearbetat utkast utan ett separat genererat tänkandeavsnitt.
Modellen har totalt 235 miljarder parametrar och aktiverar 22 miljarder för varje token. Den nativa kontexten är 262 144 token. En praktisk begäran med långa indata kan förena en produktspecifikation, implementationsanteckningar och en lista över olösta frågor och sedan be om en strukturerad jämförelse eller en redigerad specifikation. Bevara källrubrikerna och ange målgrupp, avsnitt som ska ändras och villkor för utdata. För en skrivuppgift ska du ange ton, längd och obligatoriska fakta; för en koduppgift gränssnitt, förväntat beteende och omgivande kod.
Denna version stöder endast icke-tänkande läge och producerar inte <think>-block. Den behöver inte den ursprungliga hybridmodellens enable_thinking=False-inställning, och en begäran om den senare Thinking-2507-modellens läge ändrar inte versionen. Direkt utdata kan ändå innehålla förklaring, beräkning eller ett resonerat svar när det efterfrågas. Qwens exempel standardiserar matematiska svar med \\boxed{} och flervalssvar med ett angivet svarsfält. Liknande uttryckliga instruktioner kan begära en kort motivering följd av en slutlig rekommendation eller definierade JSON-fält vars betydelse anges i prompten.
För agentarbetsflöden rekommenderar det officiella kortet Qwen-Agent med dess verktygsanropsmallar och parsrar. Verktyg kan definieras individuellt eller genom en strukturerad verktygskonfiguration, och tillverkaren demonstrerar informationshämtning och en kodtolk. Förbered varje verktygs syfte och argument, det material som redan finns och den önskade slutpunkten. En dokumentationsassistent kan till exempel hämta namngivna avsnitt, jämka skillnader och returnera en uppdaterad förklaring. Den omgivande applikationen kör begärda verktyg och returnerar deras resultat till samtalet.
Tillverkaren rekommenderar temperature 0.7, top-p 0.8, top-k 20 och min-p 0 med en utdatabudget på 16 384 token för de flesta frågor. Det är genereringsvägledning, inte ett påstående om att varje svar kan nå en fast maximal längd. Kortet påpekar också att en presence penalty kan minska upprepningar, medan högre värden kan ge språkblandning och något lägre kvalitet. En fokuserad uppgift och uttrycklig utdatastruktur är användbara innan sådana kontroller ändras: be om de exakta avsnitt, fält eller exempel som behövs och reservera tillräckligt utrymme för dem.
Qwen dokumenterar en valfri utökning till 1 010 000 token genom en separat konfiguration med Dual Chunk Attention och gles uppmärksamhet. Det nativa fönstret är fortfarande 262 144 token; den större inställningen beror på den föreskrivna implementationen och minnesresurserna. Kortet anger uttryckligen att minnesbegränsningar kan kräva en kortare konfigurerad kontext. För omfattande material ska du välja relevanta källor, ange deras prioritet och be modellen skilja slutsatser som stöds av den tillhandahållna texten från olösta frågor. Det gör resultatet handlingsbart utan att behandla indatakapacitet som ersättning för en precis uppgift.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-235b-a22b-2507 | 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 $0.000572 / 1K token Utdata · Utdatatoken $0.00228 / 1K token Indata · Cacheläsning $0.0001 / 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 $0.000572 / 1K token Utdata · Utdatatoken $0.00228 / 1K token Indata · Cacheläsning $0.0001 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen/qwen3-235b-a22b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-235b-a22b-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/qwen3-235b-a22b-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 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/qwen3-235b-a22b-2507
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Update a specification from notes\n\nProduce an updated export specification from these sources. [SPEC] Export all visible rows with headers. [IMPLEMENTATION] Current code exports selected rows only. [DECISION] Users must choose either selected rows or all filtered rows; headers are always included. Decision takes priority. Return the revised requirement, the implementation gap and questions still needed for an empty selection.A revised specification section, a source-labeled gap note and an empty-selection question.Check the two export choices remain distinct and headers stay mandatory.