Qwen3-30B-A3B kombinerar två svarsstilar i en textmodell: tänkande för komplexa logiska, matematiska och programmeringsrelaterade problem, och icke-tänkande för enklare dialog. Qwen betonar även kreativt skrivande, rollbaserade samtal, instruktionsföljning och integration med externa verktyg. Den ursprungliga Qwen3-familjen stöder 119 språk och dialekter, vilket gör modellen användbar för flerspråkiga frågor, översättning och samtal där det önskade språket kan ändras mellan turerna. Ange svarsspråket, bevara terminologi som ska vara oförändrad och beskriv läsarens behov.
Detta är den ursprungliga mixture-of-experts-utgåvan Qwen3-30B-A3B. Av dess totalt 30,5 miljarder parametrar aktiveras 3,3 miljarder för varje token; åtta av dess 128 experter väljs i modellens expertlager. Den glesa arkitekturen är en betydelsefull skillnad jämfört med Qwen3:s täta modeller. Den här profilen gäller den ursprungliga hybridmodellen, vars inbyggda kontext är 32 768 token, snarare än en senare separat namngiven Instruct-2507- eller Thinking-2507-utgåva. I en analysuppgift bör du ge relevant kod eller källtext, frågan som ska besvaras och de villkor som ett giltigt svar måste uppfylla.
I den officiella chattmallen är tänkande aktiverat som standard. Den hårda inställningen enable_thinking kan inaktivera det helt. När tänkande fortfarande är aktiverat fungerar /think och /no_think i en användar- eller systeminstruktion som mjuka växlar, och den senaste instruktionen styr det önskade beteendet mellan turerna. En /no_think-begäran med en aktiverad mall kan fortfarande ge ett tomt tänkandeblock; när den hårda inställningen är avstängd aktiverar ingen av markörerna tänkande. Skillnaden är viktig när ett arbetsflöde växlar mellan en omedelbar omskrivning och en mer omfattande felsöknings- eller resonemangsfråga.
Qwens exempel skiljer <think>-avsnittet från det slutliga svaret. För ett programmeringsproblem bör du förbereda det minsta relevanta kodutdraget, det observerade felet och det önskade resultatet och sedan be om en diagnos och ett korrigeringsförslag. För ett matematiskt problem rekommenderar tillverkaren en uttrycklig steg-för-steg-instruktion med slutsvaret i \\boxed{}. En flervalsuppgift kan i stället definiera ett enda svarsfält. I senare samtalsturer rekommenderar Qwen att behålla slutsvaret och utelämna det tidigare tänkandeinnehållet ur historiken, snarare än att upprepade gånger föra hela resonemangsavsnittet vidare.
Verktygsanrop beskrivs för båda lägena. Qwen rekommenderar Qwen-Agent för att hantera modellens verktygsmallar och parsning, med exempel på informationshämtning, tidsinformation och en kodtolk. Beskriv tillgängliga verktyg och deras argument innan du ber modellen planera en sekvens. En användbar uppgift kan begära en kontroll av utvald dokumentation följd av ett motiverat implementeringsförslag; återför varje verktygsresultat till samtalet så att modellen kan fortsätta utifrån faktiska belägg. Verktygsbegäran i text och resultatet av applikationens utförda åtgärd är fortfarande separata delar av arbetsflödet.
Kortet beskriver kontextutökning till 131 072 token med YaRN. Det är en konfigurationsberoende utökning av det inbyggda fönstret, och Qwen varnar för att statisk skalning kan påverka kortare indata. Kortet förklarar även en standardkonfiguration med 40 960 positioner som fördelar utrymme för en typisk prompt och ett långt svar; detta är skilt från beskrivningen av den inbyggda kontexten. Förbered långt material med tydliga dokumentgränser, prioritera de delar som är relevanta för frågan och lämna utrymme för svaret och eventuellt resonemang.
För tänkande rekommenderar Qwen temperature 0.6, top-p 0.95, top-k 20 och min-p 0 och avråder från girig avkodning eftersom den kan försämra resultaten eller upprepa text i det oändliga. För icke-tänkande ändrar vägledningen temperature till 0.7 och top-p till 0.8. Den rekommenderar ett utrymme för utdata på 32 768 token för de flesta frågor och beskriver 38 912 token för särskilt krävande matematik- och programmeringsproblem. Detta är tillverkarens genereringsinställningar, inte en separat garanti för en fast svarslängd. Välj läge och önskad leverans tillsammans så att svaret får plats med både det nödvändiga resonemanget och det användbara slutresultatet.
", "aboutText": "Qwen3-30B-A3B kombinerar två svarsstilar i en textmodell: tänkande för komplexa logiska, matematiska och programmeringsrelaterade problem, och icke-tänkande för enklare dialog. Qwen betonar även kreativt skrivande, rollbaserade samtal, instruktionsföljning och integration med externa verktyg. Den ursprungliga Qwen3-familjen stöder 119 språk och dialekter, vilket gör modellen användbar för flerspråkiga frågor, översättning och samtal där det önskade språket kan ändras mellan turerna. Ange svarsspråket, bevara terminologi som ska vara oförändrad och beskriv läsarens behov.\n\nDetta är den ursprungliga mixture-of-experts-utgåvan Qwen3-30B-A3B. Av dess totalt 30,5 miljarder parametrar aktiveras 3,3 miljarder för varje token; åtta av dess 128 experter väljs i modellens expertlager. Den glesa arkitekturen är en betydelsefull skillnad jämfört med Qwen3:s täta modeller. Den här profilen gäller den ursprungliga hybridmodellen, vars inbyggda kontext är 32 768 token, snarare än en senare separat namngiven Instruct-2507- eller Thinking-2507-utgåva. I en analysuppgift bör du ge relevant kod eller källtext, frågan som ska besvaras och de villkor som ett giltigt svar måste uppfylla.\n\nI den officiella chattmallen är tänkande aktiverat som standard. Den hårda inställningen enable_thinking kan inaktivera det helt. När tänkande fortfarande är aktiverat fungerar /think och /no_think i en användar- eller systeminstruktion som mjuka växlar, och den senaste instruktionen styr det önskade beteendet mellan turerna. En /no_think-begäran med en aktiverad mall kan fortfarande ge ett tomt tänkandeblock; när den hårda inställningen är avstängd aktiverar ingen av markörerna tänkande. Skillnaden är viktig när ett arbetsflöde växlar mellan en omedelbar omskrivning och en mer omfattande felsöknings- eller resonemangsfråga.\n\nQwens exempel skiljerTekniskt exempel på engelska
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.qwen/qwen3-30b-a3bQwen3-30B-A3B är Qwens mixture-of-experts-textmodell med tänkande och icke-tänkande lägen för resonemang, programmering och flerspråkiga samtal. Den har totalt 30,5 miljarder parametrar, 3,3 miljarder aktiva per token och 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.
Qwen3-30B-A3B kombinerar två svarsstilar i en textmodell: tänkande för komplexa logiska, matematiska och programmeringsrelaterade problem, och icke-tänkande för enklare dialog. Qwen betonar även kreativt skrivande, rollbaserade samtal, instruktionsföljning och integration med externa verktyg. Den ursprungliga Qwen3-familjen stöder 119 språk och dialekter, vilket gör modellen användbar för flerspråkiga frågor, översättning och samtal där det önskade språket kan ändras mellan turerna. Ange svarsspråket, bevara terminologi som ska vara oförändrad och beskriv läsarens behov.
Detta är den ursprungliga mixture-of-experts-utgåvan Qwen3-30B-A3B. Av dess totalt 30,5 miljarder parametrar aktiveras 3,3 miljarder för varje token; åtta av dess 128 experter väljs i modellens expertlager. Den glesa arkitekturen är en betydelsefull skillnad jämfört med Qwen3:s täta modeller. Den här profilen gäller den ursprungliga hybridmodellen, vars inbyggda kontext är 32 768 token, snarare än en senare separat namngiven Instruct-2507- eller Thinking-2507-utgåva. I en analysuppgift bör du ge relevant kod eller källtext, frågan som ska besvaras och de villkor som ett giltigt svar måste uppfylla.
I den officiella chattmallen är tänkande aktiverat som standard. Den hårda inställningen enable_thinking kan inaktivera det helt. När tänkande fortfarande är aktiverat fungerar /think och /no_think i en användar- eller systeminstruktion som mjuka växlar, och den senaste instruktionen styr det önskade beteendet mellan turerna. En /no_think-begäran med en aktiverad mall kan fortfarande ge ett tomt tänkandeblock; när den hårda inställningen är avstängd aktiverar ingen av markörerna tänkande. Skillnaden är viktig när ett arbetsflöde växlar mellan en omedelbar omskrivning och en mer omfattande felsöknings- eller resonemangsfråga.
Qwens exempel skiljer <think>-avsnittet från det slutliga svaret. För ett programmeringsproblem bör du förbereda det minsta relevanta kodutdraget, det observerade felet och det önskade resultatet och sedan be om en diagnos och ett korrigeringsförslag. För ett matematiskt problem rekommenderar tillverkaren en uttrycklig steg-för-steg-instruktion med slutsvaret i \\boxed{}. En flervalsuppgift kan i stället definiera ett enda svarsfält. I senare samtalsturer rekommenderar Qwen att behålla slutsvaret och utelämna det tidigare tänkandeinnehållet ur historiken, snarare än att upprepade gånger föra hela resonemangsavsnittet vidare.
Verktygsanrop beskrivs för båda lägena. Qwen rekommenderar Qwen-Agent för att hantera modellens verktygsmallar och parsning, med exempel på informationshämtning, tidsinformation och en kodtolk. Beskriv tillgängliga verktyg och deras argument innan du ber modellen planera en sekvens. En användbar uppgift kan begära en kontroll av utvald dokumentation följd av ett motiverat implementeringsförslag; återför varje verktygsresultat till samtalet så att modellen kan fortsätta utifrån faktiska belägg. Verktygsbegäran i text och resultatet av applikationens utförda åtgärd är fortfarande separata delar av arbetsflödet.
Kortet beskriver kontextutökning till 131 072 token med YaRN. Det är en konfigurationsberoende utökning av det inbyggda fönstret, och Qwen varnar för att statisk skalning kan påverka kortare indata. Kortet förklarar även en standardkonfiguration med 40 960 positioner som fördelar utrymme för en typisk prompt och ett långt svar; detta är skilt från beskrivningen av den inbyggda kontexten. Förbered långt material med tydliga dokumentgränser, prioritera de delar som är relevanta för frågan och lämna utrymme för svaret och eventuellt resonemang.
För tänkande rekommenderar Qwen temperature 0.6, top-p 0.95, top-k 20 och min-p 0 och avråder från girig avkodning eftersom den kan försämra resultaten eller upprepa text i det oändliga. För icke-tänkande ändrar vägledningen temperature till 0.7 och top-p till 0.8. Den rekommenderar ett utrymme för utdata på 32 768 token för de flesta frågor och beskriver 38 912 token för särskilt krävande matematik- och programmeringsproblem. Detta är tillverkarens genereringsinställningar, inte en separat garanti för en fast svarslängd. Välj läge och önskad leverans tillsammans så att svaret får plats med både det nödvändiga resonemanget och det användbara slutresultatet.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-30b-a3b | 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 $0.00024 / 1K token Utdata · Utdatatoken $0.001 / 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 $0.00024 / 1K token Utdata · Utdatatoken $0.001 / 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/qwen3-30b-a3b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-30b-a3b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-30b-a3b',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/qwen3-30b-a3b
Använd metodsökvägarna som visas ovan.
qwen/qwen3-30b-a3bQwen3-30B-A3B är Qwens mixture-of-experts-textmodell med tänkande och icke-tänkande lägen för resonemang, programmering och flerspråkiga samtal. Den har totalt 30,5 miljarder parametrar, 3,3 miljarder aktiva per token och 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.
Qwen3-30B-A3B kombinerar två svarsstilar i en textmodell: tänkande för komplexa logiska, matematiska och programmeringsrelaterade problem, och icke-tänkande för enklare dialog. Qwen betonar även kreativt skrivande, rollbaserade samtal, instruktionsföljning och integration med externa verktyg. Den ursprungliga Qwen3-familjen stöder 119 språk och dialekter, vilket gör modellen användbar för flerspråkiga frågor, översättning och samtal där det önskade språket kan ändras mellan turerna. Ange svarsspråket, bevara terminologi som ska vara oförändrad och beskriv läsarens behov.
Detta är den ursprungliga mixture-of-experts-utgåvan Qwen3-30B-A3B. Av dess totalt 30,5 miljarder parametrar aktiveras 3,3 miljarder för varje token; åtta av dess 128 experter väljs i modellens expertlager. Den glesa arkitekturen är en betydelsefull skillnad jämfört med Qwen3:s täta modeller. Den här profilen gäller den ursprungliga hybridmodellen, vars inbyggda kontext är 32 768 token, snarare än en senare separat namngiven Instruct-2507- eller Thinking-2507-utgåva. I en analysuppgift bör du ge relevant kod eller källtext, frågan som ska besvaras och de villkor som ett giltigt svar måste uppfylla.
I den officiella chattmallen är tänkande aktiverat som standard. Den hårda inställningen enable_thinking kan inaktivera det helt. När tänkande fortfarande är aktiverat fungerar /think och /no_think i en användar- eller systeminstruktion som mjuka växlar, och den senaste instruktionen styr det önskade beteendet mellan turerna. En /no_think-begäran med en aktiverad mall kan fortfarande ge ett tomt tänkandeblock; när den hårda inställningen är avstängd aktiverar ingen av markörerna tänkande. Skillnaden är viktig när ett arbetsflöde växlar mellan en omedelbar omskrivning och en mer omfattande felsöknings- eller resonemangsfråga.
Qwens exempel skiljer <think>-avsnittet från det slutliga svaret. För ett programmeringsproblem bör du förbereda det minsta relevanta kodutdraget, det observerade felet och det önskade resultatet och sedan be om en diagnos och ett korrigeringsförslag. För ett matematiskt problem rekommenderar tillverkaren en uttrycklig steg-för-steg-instruktion med slutsvaret i \\boxed{}. En flervalsuppgift kan i stället definiera ett enda svarsfält. I senare samtalsturer rekommenderar Qwen att behålla slutsvaret och utelämna det tidigare tänkandeinnehållet ur historiken, snarare än att upprepade gånger föra hela resonemangsavsnittet vidare.
Verktygsanrop beskrivs för båda lägena. Qwen rekommenderar Qwen-Agent för att hantera modellens verktygsmallar och parsning, med exempel på informationshämtning, tidsinformation och en kodtolk. Beskriv tillgängliga verktyg och deras argument innan du ber modellen planera en sekvens. En användbar uppgift kan begära en kontroll av utvald dokumentation följd av ett motiverat implementeringsförslag; återför varje verktygsresultat till samtalet så att modellen kan fortsätta utifrån faktiska belägg. Verktygsbegäran i text och resultatet av applikationens utförda åtgärd är fortfarande separata delar av arbetsflödet.
Kortet beskriver kontextutökning till 131 072 token med YaRN. Det är en konfigurationsberoende utökning av det inbyggda fönstret, och Qwen varnar för att statisk skalning kan påverka kortare indata. Kortet förklarar även en standardkonfiguration med 40 960 positioner som fördelar utrymme för en typisk prompt och ett långt svar; detta är skilt från beskrivningen av den inbyggda kontexten. Förbered långt material med tydliga dokumentgränser, prioritera de delar som är relevanta för frågan och lämna utrymme för svaret och eventuellt resonemang.
För tänkande rekommenderar Qwen temperature 0.6, top-p 0.95, top-k 20 och min-p 0 och avråder från girig avkodning eftersom den kan försämra resultaten eller upprepa text i det oändliga. För icke-tänkande ändrar vägledningen temperature till 0.7 och top-p till 0.8. Den rekommenderar ett utrymme för utdata på 32 768 token för de flesta frågor och beskriver 38 912 token för särskilt krävande matematik- och programmeringsproblem. Detta är tillverkarens genereringsinställningar, inte en separat garanti för en fast svarslängd. Välj läge och önskad leverans tillsammans så att svaret får plats med både det nödvändiga resonemanget och det användbara slutresultatet.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-30b-a3b | 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 $0.00024 / 1K token Utdata · Utdatatoken $0.001 / 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 $0.00024 / 1K token Utdata · Utdatatoken $0.001 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen/qwen3-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b', '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/qwen3-30b-a3b
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.