Qwen3-32B är den största täta modellen i den ursprungliga Qwen3-utgåvan. Den kombinerar familjens tänkandeläge för komplex logik, matematik och programmering med icke-tänkande svar för allmänna samtal. Qwen lyfter även fram kreativt skrivande, rollbaserad dialog, instruktionsföljning över flera turer och agentliknande verktygsanvändning. Modellen bearbetar text och genererar text; flerspråkiga instruktioner och översättning ingår i den ursprungliga familjens stöd för 119 språk och dialekter. Den kan få en uppgift för en analytisk förklaring, ett programmeringsförslag eller en noggrant specificerad text.
Den exakta utgåvan har totalt 32,8 miljarder parametrar över 64 lager. Det är en tät modell, skild från Qwen3-30B-A3B:s arkitektur med expertroutning och från senare separat namngivna Qwen3-utgåvor. Dess inbyggda kontext är 32 768 token. Förbered en krävande uppgift med relevanta belägg, krav och förväntat resultat tillsammans. Vid en teknisk granskning bör du ge komponentbeskrivningen, gränssnittsbegränsningarna och problemet som ska lösas och sedan be om ett förslag som identifierar antaganden, beroenden och alternativ och där det är lämpligt endast använder det angivna materialet.
Tillverkarens chattmall aktiverar tänkande som standard och erbjuder den hårda inställningen enable_thinking. Hård avstängning förhindrar tänkandeinnehåll helt. Med tänkande aktiverat ger /think och /no_think i användar- eller systeminstruktioner mjuk kontroll per tur, och den senaste instruktionen avgör det begärda beteendet. En mjuk begäran om icke-tänkande kan lämna ett tomt tänkandeblock; en /think-markör kan inte åsidosätta en hårt avstängd mall. Detta låter den ursprungliga modellen växla mellan en direkt skrivbegäran och en fråga som gynnas av en längre resonemangskedja när de föreskrivna kontrollerna används.
Genereringsexemplet tolkar ett <think>-avsnitt separat från slutsvaret. Qwen rekommenderar att slutformatet anges uttryckligen, till exempel ett inramat matematiskt svar eller ett enda svarsfält för en flervalsuppgift. I praktisk analys bör du specificera den begärda slutsatsen och det stödjande materialet: exempelvis ett slutligt designval följt av de villkor det uppfyller och de frågor som fortfarande är öppna. Behåll slutsvaret, snarare än det tidigare tänkandeinnehållet, i efterföljande samtalshistorik enligt tillverkarens vägledning. Detta bevarar resultatet som senare frågor behöver utan att föra varje resonemangssteg vidare.
Verktygsanrop ingår i den dokumenterade modellprofilen i båda lägena. Qwen rekommenderar Qwen-Agent för verktygsanropsmallar och parsers och visar informationshämtning, tidsinformation och en kodtolk. Definiera verktyg tydligt, ange betydelsen av deras argument och tala om för modellen vad som utgör en färdig uppgift. Ett användbart arbetsflöde kan begära att utvald information hämtas, ge det faktiska returnerade innehållet och sedan be om en syntes eller en föreslagen implementering. Modellens begärda anrop och applikationens verktygskörning är separata steg; slutsvaret bör bygga på de returnerade beläggen.
För längre indata dokumenterar kortet YaRN-utökning till 131 072 token. Det inbyggda fönstret är mindre, och statisk skalning kan påverka prestandan för korta indata. Qwen rekommenderar att aktivera utökningen när en längre kontext faktiskt behövs; kortet förklarar dessutom en standardfördelning med 40 960 positioner för prompt och utdata. Välj relevanta dokument och bevara rubriker, källgränser och terminologi. Lämna plats för resonemanget och slutsvaret, särskilt när uppgiften kräver att flera specifikationer förenas snarare än att en passage sammanfattas.
De officiella rekommendationerna är temperature 0.6, top-p 0.95, top-k 20 och min-p 0 för tänkande; för icke-tänkande ersätter temperature 0.7 och top-p 0.8 de två första inställningarna. Qwen avråder från girig avkodning i tänkandeläge och påpekar att en hög presence penalty kan orsaka språkblandning eller försämrad kvalitet. Den rekommenderar ett utrymme för utdata på 32 768 token för de flesta frågor och beskriver 38 912 för särskilt krävande matematik- och programmeringsproblem. Dessa utrymmen är genereringsvägledning, inte en universell hård svarsgräns. En precis uppgiftsbeskrivning och ett definierat slutformat hjälper till att fokusera modellens tillgängliga resonemang på det arbete läsaren behöver.
", "aboutText": "Qwen3-32B är den största täta modellen i den ursprungliga Qwen3-utgåvan. Den kombinerar familjens tänkandeläge för komplex logik, matematik och programmering med icke-tänkande svar för allmänna samtal. Qwen lyfter även fram kreativt skrivande, rollbaserad dialog, instruktionsföljning över flera turer och agentliknande verktygsanvändning. Modellen bearbetar text och genererar text; flerspråkiga instruktioner och översättning ingår i den ursprungliga familjens stöd för 119 språk och dialekter. Den kan få en uppgift för en analytisk förklaring, ett programmeringsförslag eller en noggrant specificerad text.\n\nDen exakta utgåvan har totalt 32,8 miljarder parametrar över 64 lager. Det är en tät modell, skild från Qwen3-30B-A3B:s arkitektur med expertroutning och från senare separat namngivna Qwen3-utgåvor. Dess inbyggda kontext är 32 768 token. Förbered en krävande uppgift med relevanta belägg, krav och förväntat resultat tillsammans. Vid en teknisk granskning bör du ge komponentbeskrivningen, gränssnittsbegränsningarna och problemet som ska lösas och sedan be om ett förslag som identifierar antaganden, beroenden och alternativ och där det är lämpligt endast använder det angivna materialet.\n\nTillverkarens chattmall aktiverar tänkande som standard och erbjuder den hårda inställningen enable_thinking. Hård avstängning förhindrar tänkandeinnehåll helt. Med tänkande aktiverat ger /think och /no_think i användar- eller systeminstruktioner mjuk kontroll per tur, och den senaste instruktionen avgör det begärda beteendet. En mjuk begäran om icke-tänkande kan lämna ett tomt tänkandeblock; en /think-markör kan inte åsidosätta en hårt avstängd mall. Detta låter den ursprungliga modellen växla mellan en direkt skrivbegäran och en fråga som gynnas av en längre resonemangskedja när de föreskrivna kontrollerna används.\n\nGenereringsexemplet tolkar ettTekniskt exempel på engelska
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.qwen/qwen3-32bQwen3-32B är Qwens täta hybrida textmodell för komplext resonemang, programmering, flerspråkigt skrivande och verktygsstyrda uppgifter. Den kombinerar tänkande och icke-tänkande lägen i en modell och har en inbyggd kontext på 32 768 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3-32B är den största täta modellen i den ursprungliga Qwen3-utgåvan. Den kombinerar familjens tänkandeläge för komplex logik, matematik och programmering med icke-tänkande svar för allmänna samtal. Qwen lyfter även fram kreativt skrivande, rollbaserad dialog, instruktionsföljning över flera turer och agentliknande verktygsanvändning. Modellen bearbetar text och genererar text; flerspråkiga instruktioner och översättning ingår i den ursprungliga familjens stöd för 119 språk och dialekter. Den kan få en uppgift för en analytisk förklaring, ett programmeringsförslag eller en noggrant specificerad text.
Den exakta utgåvan har totalt 32,8 miljarder parametrar över 64 lager. Det är en tät modell, skild från Qwen3-30B-A3B:s arkitektur med expertroutning och från senare separat namngivna Qwen3-utgåvor. Dess inbyggda kontext är 32 768 token. Förbered en krävande uppgift med relevanta belägg, krav och förväntat resultat tillsammans. Vid en teknisk granskning bör du ge komponentbeskrivningen, gränssnittsbegränsningarna och problemet som ska lösas och sedan be om ett förslag som identifierar antaganden, beroenden och alternativ och där det är lämpligt endast använder det angivna materialet.
Tillverkarens chattmall aktiverar tänkande som standard och erbjuder den hårda inställningen enable_thinking. Hård avstängning förhindrar tänkandeinnehåll helt. Med tänkande aktiverat ger /think och /no_think i användar- eller systeminstruktioner mjuk kontroll per tur, och den senaste instruktionen avgör det begärda beteendet. En mjuk begäran om icke-tänkande kan lämna ett tomt tänkandeblock; en /think-markör kan inte åsidosätta en hårt avstängd mall. Detta låter den ursprungliga modellen växla mellan en direkt skrivbegäran och en fråga som gynnas av en längre resonemangskedja när de föreskrivna kontrollerna används.
Genereringsexemplet tolkar ett <think>-avsnitt separat från slutsvaret. Qwen rekommenderar att slutformatet anges uttryckligen, till exempel ett inramat matematiskt svar eller ett enda svarsfält för en flervalsuppgift. I praktisk analys bör du specificera den begärda slutsatsen och det stödjande materialet: exempelvis ett slutligt designval följt av de villkor det uppfyller och de frågor som fortfarande är öppna. Behåll slutsvaret, snarare än det tidigare tänkandeinnehållet, i efterföljande samtalshistorik enligt tillverkarens vägledning. Detta bevarar resultatet som senare frågor behöver utan att föra varje resonemangssteg vidare.
Verktygsanrop ingår i den dokumenterade modellprofilen i båda lägena. Qwen rekommenderar Qwen-Agent för verktygsanropsmallar och parsers och visar informationshämtning, tidsinformation och en kodtolk. Definiera verktyg tydligt, ange betydelsen av deras argument och tala om för modellen vad som utgör en färdig uppgift. Ett användbart arbetsflöde kan begära att utvald information hämtas, ge det faktiska returnerade innehållet och sedan be om en syntes eller en föreslagen implementering. Modellens begärda anrop och applikationens verktygskörning är separata steg; slutsvaret bör bygga på de returnerade beläggen.
För längre indata dokumenterar kortet YaRN-utökning till 131 072 token. Det inbyggda fönstret är mindre, och statisk skalning kan påverka prestandan för korta indata. Qwen rekommenderar att aktivera utökningen när en längre kontext faktiskt behövs; kortet förklarar dessutom en standardfördelning med 40 960 positioner för prompt och utdata. Välj relevanta dokument och bevara rubriker, källgränser och terminologi. Lämna plats för resonemanget och slutsvaret, särskilt när uppgiften kräver att flera specifikationer förenas snarare än att en passage sammanfattas.
De officiella rekommendationerna är temperature 0.6, top-p 0.95, top-k 20 och min-p 0 för tänkande; för icke-tänkande ersätter temperature 0.7 och top-p 0.8 de två första inställningarna. Qwen avråder från girig avkodning i tänkandeläge och påpekar att en hög presence penalty kan orsaka språkblandning eller försämrad kvalitet. Den rekommenderar ett utrymme för utdata på 32 768 token för de flesta frågor och beskriver 38 912 för särskilt krävande matematik- och programmeringsproblem. Dessa utrymmen är genereringsvägledning, inte en universell hård svarsgräns. En precis uppgiftsbeskrivning och ett definierat slutformat hjälper till att fokusera modellens tillgängliga resonemang på det arbete läsaren behöver.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-32b | 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 $0.000286 / 1K token Utdata · Utdatatoken $0.001144 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 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 $0.000286 / 1K token Utdata · Utdatatoken $0.001144 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-32b", "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/qwen3-32b',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/qwen3-32b',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/qwen3-32b
Använd metodsökvägarna som visas ovan.
qwen/qwen3-32bQwen3-32B är Qwens täta hybrida textmodell för komplext resonemang, programmering, flerspråkigt skrivande och verktygsstyrda uppgifter. Den kombinerar tänkande och icke-tänkande lägen i en modell och har en inbyggd kontext på 32 768 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3-32B är den största täta modellen i den ursprungliga Qwen3-utgåvan. Den kombinerar familjens tänkandeläge för komplex logik, matematik och programmering med icke-tänkande svar för allmänna samtal. Qwen lyfter även fram kreativt skrivande, rollbaserad dialog, instruktionsföljning över flera turer och agentliknande verktygsanvändning. Modellen bearbetar text och genererar text; flerspråkiga instruktioner och översättning ingår i den ursprungliga familjens stöd för 119 språk och dialekter. Den kan få en uppgift för en analytisk förklaring, ett programmeringsförslag eller en noggrant specificerad text.
Den exakta utgåvan har totalt 32,8 miljarder parametrar över 64 lager. Det är en tät modell, skild från Qwen3-30B-A3B:s arkitektur med expertroutning och från senare separat namngivna Qwen3-utgåvor. Dess inbyggda kontext är 32 768 token. Förbered en krävande uppgift med relevanta belägg, krav och förväntat resultat tillsammans. Vid en teknisk granskning bör du ge komponentbeskrivningen, gränssnittsbegränsningarna och problemet som ska lösas och sedan be om ett förslag som identifierar antaganden, beroenden och alternativ och där det är lämpligt endast använder det angivna materialet.
Tillverkarens chattmall aktiverar tänkande som standard och erbjuder den hårda inställningen enable_thinking. Hård avstängning förhindrar tänkandeinnehåll helt. Med tänkande aktiverat ger /think och /no_think i användar- eller systeminstruktioner mjuk kontroll per tur, och den senaste instruktionen avgör det begärda beteendet. En mjuk begäran om icke-tänkande kan lämna ett tomt tänkandeblock; en /think-markör kan inte åsidosätta en hårt avstängd mall. Detta låter den ursprungliga modellen växla mellan en direkt skrivbegäran och en fråga som gynnas av en längre resonemangskedja när de föreskrivna kontrollerna används.
Genereringsexemplet tolkar ett <think>-avsnitt separat från slutsvaret. Qwen rekommenderar att slutformatet anges uttryckligen, till exempel ett inramat matematiskt svar eller ett enda svarsfält för en flervalsuppgift. I praktisk analys bör du specificera den begärda slutsatsen och det stödjande materialet: exempelvis ett slutligt designval följt av de villkor det uppfyller och de frågor som fortfarande är öppna. Behåll slutsvaret, snarare än det tidigare tänkandeinnehållet, i efterföljande samtalshistorik enligt tillverkarens vägledning. Detta bevarar resultatet som senare frågor behöver utan att föra varje resonemangssteg vidare.
Verktygsanrop ingår i den dokumenterade modellprofilen i båda lägena. Qwen rekommenderar Qwen-Agent för verktygsanropsmallar och parsers och visar informationshämtning, tidsinformation och en kodtolk. Definiera verktyg tydligt, ange betydelsen av deras argument och tala om för modellen vad som utgör en färdig uppgift. Ett användbart arbetsflöde kan begära att utvald information hämtas, ge det faktiska returnerade innehållet och sedan be om en syntes eller en föreslagen implementering. Modellens begärda anrop och applikationens verktygskörning är separata steg; slutsvaret bör bygga på de returnerade beläggen.
För längre indata dokumenterar kortet YaRN-utökning till 131 072 token. Det inbyggda fönstret är mindre, och statisk skalning kan påverka prestandan för korta indata. Qwen rekommenderar att aktivera utökningen när en längre kontext faktiskt behövs; kortet förklarar dessutom en standardfördelning med 40 960 positioner för prompt och utdata. Välj relevanta dokument och bevara rubriker, källgränser och terminologi. Lämna plats för resonemanget och slutsvaret, särskilt när uppgiften kräver att flera specifikationer förenas snarare än att en passage sammanfattas.
De officiella rekommendationerna är temperature 0.6, top-p 0.95, top-k 20 och min-p 0 för tänkande; för icke-tänkande ersätter temperature 0.7 och top-p 0.8 de två första inställningarna. Qwen avråder från girig avkodning i tänkandeläge och påpekar att en hög presence penalty kan orsaka språkblandning eller försämrad kvalitet. Den rekommenderar ett utrymme för utdata på 32 768 token för de flesta frågor och beskriver 38 912 för särskilt krävande matematik- och programmeringsproblem. Dessa utrymmen är genereringsvägledning, inte en universell hård svarsgräns. En precis uppgiftsbeskrivning och ett definierat slutformat hjälper till att fokusera modellens tillgängliga resonemang på det arbete läsaren behöver.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-32b | 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 $0.000286 / 1K token Utdata · Utdatatoken $0.001144 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 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 $0.000286 / 1K token Utdata · Utdatatoken $0.001144 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen/qwen3-32b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-32b', '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/qwen3-32b', '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/qwen3-32b
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.