I fokus: kodning på kodarkivsnivå
Qwen3-Coder-30B-A3B-Instruct är en instruktionsinriktad textmodell för kodningsagenter. Qwen dokumenterar kodning, användning som webbläsaragent och förståelse på kodarkivsnivå, med ett särskilt format för funktionsanrop och integration genom arbetsflöden som Qwen Code. Dess indata och utdata är text. Bevara just denna Coder-modellversion i stället för att ersätta den med den generella Qwen3-30B-A3B-Instruct-2507 eller Qwen3-Coder-Next, vars träningsfokus och genereringsvägledning skiljer sig åt.
Den inbyggda kontexten är 262,144 token, och tillverkaren beskriver utökning till ungefär en miljon med YaRN. En stor kontext kan samla fler belägg från kodarkivet, men en tydlig uppgift behöver fortfarande relevanta moduler, gränssnitt och krav. Ange den förväntade artefakten och det observerbara beteendet innan du ber om en kodändring.
Modellöversikt
Modellen med mixture-of-experts-arkitektur har totalt 30.5 miljarder parametrar och aktiverar 3.3 miljarder. Den har 48 lager, 128 experter och åtta experter valda per token. Totala parametrar och aktiverade parametrar har olika innebörd; siffran för aktiverade parametrar är inte storleken på hela modellversionen. Dess konfiguration för kausal språkmodellering är en textmodell, inte ett syn- eller talgränssnitt.
Coder-30B-A3B-Instruct stöder endast läge utan thinking och genererar inga uttryckliga thinking-block. Att ställa in enable_thinking=False är onödigt i tillverkarens exempel. Den kan ändå förklara en algoritm eller motivera en patch i vanlig text. En begäran om resonemangssteg bör inte förväxlas med att aktivera det separata Thinking-beteendet hos en annan Qwen-variant.
Förbereda en utvecklingsbegäran
Tillhandahåll relevant kod, indata som demonstrerar det aktuella beteendet, det observerade resultatet och den avsedda ändringen. För en algoritm ska du ange indatabegränsningar och de utdata som krävs innan du ber om ett tillvägagångssätt. För en ändring i ett kodarkiv ska du identifiera den berörda funktionen och de gränssnitt implementationen måste bevara. Be om en redigerbar patch eller komplett funktion separat från förklarande kommentarer.
Ett användbart svar kan strukturera diagnosen, den föreslagna ändringen och de kontroller som behövs för granskning. När en uppgift styrs av en visuell referens eller inspelat beteende ska du tillhandahålla en lämplig textrepresentation och behålla identifierare som gör att resultatet kan jämföras med originalet. Jämför den föreslagna patchen med den tillhandahållna koden, det förväntade beteendet och resultat som returnerats av anslutna kontroller.
Agentbaserad kodning och webbläsararbetsflöden
Tillverkaren lyfter fram verktygsanrop och ett särskilt utformat funktionsanropsformat. Ett anslutet agentarbetsflöde tillhandahåller verktygsbeskrivningar, indatascheman och observationer och utför de faktiska åtgärderna. Definiera tillåtna åtgärder och ett villkor för slutförande och returnera sedan faktiska gransknings- eller exekveringsresultat till modellen så att den kan uppdatera sitt föreslagna arbete.
Förmåga som webbläsaragent innebär deltagande i ett arbetsflöde med ett anslutet webbläsarverktyg, inte automatisk åtkomst till en användares webbläsare eller aktuella sidor. Samma skillnad gäller granskning av kodarkiv och kodexekvering. Ett föreslaget kommando, en verktygsbegäran och en slutförd åtgärd bör förbli åtskilda i slutrapporten. Behåll modellens eget verktygsformat och parsningsrecept i stället för att anta att en annan modells mall är utbytbar.
Lång kontext och konfiguration
Tillverkaren beskriver YaRN-utökning från den inbyggda kontexten på 262,144 token till omkring en miljon för uppgifter på kodarkivsnivå. Använd en kontextkonfiguration som passar materialet i kodarkivet och reservera samtidigt utrymme för verktygsobservationer och resultatet. Snabbstarten föreslår också en mindre kontext, som 32,768, när minnesbelastning hindrar den större inställningen från att fungera.
Behåll kodsökvägar, funktionsnamn och relevanta definitioner i långa indata. Ta bort orelaterade genererade filer eller upprepat material och reservera utrymme för svaret. Källtext, historik, verktygsobservationer och genererad kod delar den konfigurerade sekvensbudgeten; största möjliga indata bör inte behandlas som perfekt återgivning av varje beroende ur minnet.
Vägledning för generering
Rekommendationerna för bästa praxis anger temperature 0.7, top_p 0.8, top_k 20 och repetition penalty 1.05. Den exakta rekommendationen för repetition penalty skiljer sig från flera andra Qwen-modeller och förblir en del av denna Coder-variants recept. Qwen rekommenderar en genereringsbudget på 65,536 token för de flesta frågor, vilket är en rekommendation snarare än en oberoende fastställd hård maxgräns.
Ange utdataspråk och form, till exempel en patch, en komplett funktion eller en förklaring, och kontrollera artefaktens syntax och gränssnitt i det verkliga utvecklingsflödet. Tillverkarens funktionsexempel illustrerar verktygsmekanismen; ett verktygskontrakt behöver fortfarande internt konsekventa argumentnamn och retursemantik i den applikation som använder det.
Väsentliga begränsningar och användbart resultat
Denna modellversions dokumenterade indata är text. Den fastställer inte direkt bild-, ljud- eller videoförståelse. Genererad kod och en självsäker förklaring är utkast till artefakter tills relevanta kontroller eller observationer faktiskt returneras av den anslutna miljön. Det användbara resultatet är ett granskningsbart implementationsförslag knutet till de tillhandahållna villkoren i kodarkivet, med dess exakta Coder-identitet, läge utan thinking och producentens genereringsvägledning bevarade.
", "aboutText": "I fokus: kodning på kodarkivsnivå\n\nQwen3-Coder-30B-A3B-Instruct är en instruktionsinriktad textmodell för kodningsagenter. Qwen dokumenterar kodning, användning som webbläsaragent och förståelse på kodarkivsnivå, med ett särskilt format för funktionsanrop och integration genom arbetsflöden som Qwen Code. Dess indata och utdata är text. Bevara just denna Coder-modellversion i stället för att ersätta den med den generella Qwen3-30B-A3B-Instruct-2507 eller Qwen3-Coder-Next, vars träningsfokus och genereringsvägledning skiljer sig åt.\n\nDen inbyggda kontexten är 262,144 token, och tillverkaren beskriver utökning till ungefär en miljon med YaRN. En stor kontext kan samla fler belägg från kodarkivet, men en tydlig uppgift behöver fortfarande relevanta moduler, gränssnitt och krav. Ange den förväntade artefakten och det observerbara beteendet innan du ber om en kodändring.\n\nModellöversikt\n\nModellen med mixture-of-experts-arkitektur har totalt 30.5 miljarder parametrar och aktiverar 3.3 miljarder. Den har 48 lager, 128 experter och åtta experter valda per token. Totala parametrar och aktiverade parametrar har olika innebörd; siffran för aktiverade parametrar är inte storleken på hela modellversionen. Dess konfiguration för kausal språkmodellering är en textmodell, inte ett syn- eller talgränssnitt.\n\nCoder-30B-A3B-Instruct stöder endast läge utan thinking och genererar inga uttryckliga thinking-block. Att ställa in enable_thinking=False är onödigt i tillverkarens exempel. Den kan ändå förklara en algoritm eller motivera en patch i vanlig text. En begäran om resonemangssteg bör inte förväxlas med att aktivera det separata Thinking-beteendet hos en annan Qwen-variant.\n\nFörbereda en utvecklingsbegäran\n\nTillhandahåll relevant kod, indata som demonstrerar det aktuella beteendet, det observerade resultatet och den avsedda ändringen. För en algoritm ska du ange indatabegränsningar och de utdata som krävs innan du ber om ett tillvägagångssätt. För en ändring i ett kodarkiv ska du identifiera den berörda funktionen och de gränssnitt implementationen måste bevara. Be om en redigerbar patch eller komplett funktion separat från förklarande kommentarer.\n\nEtt användbart svar kan strukturera diagnosen, den föreslagna ändringen och de kontroller som behövs för granskning. När en uppgift styrs av en visuell referens eller inspelat beteende ska du tillhandahålla en lämplig textrepresentation och behålla identifierare som gör att resultatet kan jämföras med originalet. Jämför den föreslagna patchen med den tillhandahållna koden, det förväntade beteendet och resultat som returnerats av anslutna kontroller.\n\nAgentbaserad kodning och webbläsararbetsflöden\n\nTillverkaren lyfter fram verktygsanrop och ett särskilt utformat funktionsanropsformat. Ett anslutet agentarbetsflöde tillhandahåller verktygsbeskrivningar, indatascheman och observationer och utför de faktiska åtgärderna. Definiera tillåtna åtgärder och ett villkor för slutförande och returnera sedan faktiska gransknings- eller exekveringsresultat till modellen så att den kan uppdatera sitt föreslagna arbete.\n\nFörmåga som webbläsaragent innebär deltagande i ett arbetsflöde med ett anslutet webbläsarverktyg, inte automatisk åtkomst till en användares webbläsare eller aktuella sidor. Samma skillnad gäller granskning av kodarkiv och kodexekvering. Ett föreslaget kommando, en verktygsbegäran och en slutförd åtgärd bör förbli åtskilda i slutrapporten. Behåll modellens eget verktygsformat och parsningsrecept i stället för att anta att en annan modells mall är utbytbar.\n\nLång kontext och konfiguration\n\nTillverkaren beskriver YaRN-utökning från den inbyggda kontexten på 262,144 token till omkring en miljon för uppgifter på kodarkivsnivå. Använd en kontextkonfiguration som passar materialet i kodarkivet och reservera samtidigt utrymme för verktygsobservationer och resultatet. Snabbstarten föreslår också en mindre kontext, som 32,768, när minnesbelastning hindrar den större inställningen från att fungera.\n\nBehåll kodsökvägar, funktionsnamn och relevanta definitioner i långa indata. Ta bort orelaterade genererade filer eller upprepat material och reservera utrymme för svaret. Källtext, historik, verktygsobservationer och genererad kod delar den konfigurerade sekvensbudgeten; största möjliga indata bör inte behandlas som perfekt återgivning av varje beroende ur minnet.\n\nVägledning för generering\n\nRekommendationerna för bästa praxis anger temperature 0.7, top_p 0.8, top_k 20 och repetition penalty 1.05. Den exakta rekommendationen för repetition penalty skiljer sig från flera andra Qwen-modeller och förblir en del av denna Coder-variants recept. Qwen rekommenderar en genereringsbudget på 65,536 token för de flesta frågor, vilket är en rekommendation snarare än en oberoende fastställd hård maxgräns.\n\nAnge utdataspråk och form, till exempel en patch, en komplett funktion eller en förklaring, och kontrollera artefaktens syntax och gränssnitt i det verkliga utvecklingsflödet. Tillverkarens funktionsexempel illustrerar verktygsmekanismen; ett verktygskontrakt behöver fortfarande internt konsekventa argumentnamn och retursemantik i den applikation som använder det.\n\nVäsentliga begränsningar och användbart resultat\n\nDenna modellversions dokumenterade indata är text. Den fastställer inte direkt bild-, ljud- eller videoförståelse. Genererad kod och en självsäker förklaring är utkast till artefakter tills relevanta kontroller eller observationer faktiskt returneras av den anslutna miljön. Det användbara resultatet är ett granskningsbart implementationsförslag knutet till de tillhandahållna villkoren i kodarkivet, med dess exakta Coder-identitet, läge utan thinking och producentens genereringsvägledning bevarade.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct är Qwens textmodell för kodning utan thinking-läge, med totalt 30.5 miljarder och 3.3 miljarder aktiverade parametrar. Den är inriktad på utveckling på kodarkivsnivå, kodning och arbetsflöden för webbläsaragenter, med en inbyggd kontext på 262,144 token och ett särskilt format för funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
I fokus: kodning på kodarkivsnivå
Qwen3-Coder-30B-A3B-Instruct är en instruktionsinriktad textmodell för kodningsagenter. Qwen dokumenterar kodning, användning som webbläsaragent och förståelse på kodarkivsnivå, med ett särskilt format för funktionsanrop och integration genom arbetsflöden som Qwen Code. Dess indata och utdata är text. Bevara just denna Coder-modellversion i stället för att ersätta den med den generella Qwen3-30B-A3B-Instruct-2507 eller Qwen3-Coder-Next, vars träningsfokus och genereringsvägledning skiljer sig åt.
Den inbyggda kontexten är 262,144 token, och tillverkaren beskriver utökning till ungefär en miljon med YaRN. En stor kontext kan samla fler belägg från kodarkivet, men en tydlig uppgift behöver fortfarande relevanta moduler, gränssnitt och krav. Ange den förväntade artefakten och det observerbara beteendet innan du ber om en kodändring.
Modellöversikt
Modellen med mixture-of-experts-arkitektur har totalt 30.5 miljarder parametrar och aktiverar 3.3 miljarder. Den har 48 lager, 128 experter och åtta experter valda per token. Totala parametrar och aktiverade parametrar har olika innebörd; siffran för aktiverade parametrar är inte storleken på hela modellversionen. Dess konfiguration för kausal språkmodellering är en textmodell, inte ett syn- eller talgränssnitt.
Coder-30B-A3B-Instruct stöder endast läge utan thinking och genererar inga uttryckliga thinking-block. Att ställa in enable_thinking=False är onödigt i tillverkarens exempel. Den kan ändå förklara en algoritm eller motivera en patch i vanlig text. En begäran om resonemangssteg bör inte förväxlas med att aktivera det separata Thinking-beteendet hos en annan Qwen-variant.
Förbereda en utvecklingsbegäran
Tillhandahåll relevant kod, indata som demonstrerar det aktuella beteendet, det observerade resultatet och den avsedda ändringen. För en algoritm ska du ange indatabegränsningar och de utdata som krävs innan du ber om ett tillvägagångssätt. För en ändring i ett kodarkiv ska du identifiera den berörda funktionen och de gränssnitt implementationen måste bevara. Be om en redigerbar patch eller komplett funktion separat från förklarande kommentarer.
Ett användbart svar kan strukturera diagnosen, den föreslagna ändringen och de kontroller som behövs för granskning. När en uppgift styrs av en visuell referens eller inspelat beteende ska du tillhandahålla en lämplig textrepresentation och behålla identifierare som gör att resultatet kan jämföras med originalet. Jämför den föreslagna patchen med den tillhandahållna koden, det förväntade beteendet och resultat som returnerats av anslutna kontroller.
Agentbaserad kodning och webbläsararbetsflöden
Tillverkaren lyfter fram verktygsanrop och ett särskilt utformat funktionsanropsformat. Ett anslutet agentarbetsflöde tillhandahåller verktygsbeskrivningar, indatascheman och observationer och utför de faktiska åtgärderna. Definiera tillåtna åtgärder och ett villkor för slutförande och returnera sedan faktiska gransknings- eller exekveringsresultat till modellen så att den kan uppdatera sitt föreslagna arbete.
Förmåga som webbläsaragent innebär deltagande i ett arbetsflöde med ett anslutet webbläsarverktyg, inte automatisk åtkomst till en användares webbläsare eller aktuella sidor. Samma skillnad gäller granskning av kodarkiv och kodexekvering. Ett föreslaget kommando, en verktygsbegäran och en slutförd åtgärd bör förbli åtskilda i slutrapporten. Behåll modellens eget verktygsformat och parsningsrecept i stället för att anta att en annan modells mall är utbytbar.
Lång kontext och konfiguration
Tillverkaren beskriver YaRN-utökning från den inbyggda kontexten på 262,144 token till omkring en miljon för uppgifter på kodarkivsnivå. Använd en kontextkonfiguration som passar materialet i kodarkivet och reservera samtidigt utrymme för verktygsobservationer och resultatet. Snabbstarten föreslår också en mindre kontext, som 32,768, när minnesbelastning hindrar den större inställningen från att fungera.
Behåll kodsökvägar, funktionsnamn och relevanta definitioner i långa indata. Ta bort orelaterade genererade filer eller upprepat material och reservera utrymme för svaret. Källtext, historik, verktygsobservationer och genererad kod delar den konfigurerade sekvensbudgeten; största möjliga indata bör inte behandlas som perfekt återgivning av varje beroende ur minnet.
Vägledning för generering
Rekommendationerna för bästa praxis anger temperature 0.7, top_p 0.8, top_k 20 och repetition penalty 1.05. Den exakta rekommendationen för repetition penalty skiljer sig från flera andra Qwen-modeller och förblir en del av denna Coder-variants recept. Qwen rekommenderar en genereringsbudget på 65,536 token för de flesta frågor, vilket är en rekommendation snarare än en oberoende fastställd hård maxgräns.
Ange utdataspråk och form, till exempel en patch, en komplett funktion eller en förklaring, och kontrollera artefaktens syntax och gränssnitt i det verkliga utvecklingsflödet. Tillverkarens funktionsexempel illustrerar verktygsmekanismen; ett verktygskontrakt behöver fortfarande internt konsekventa argumentnamn och retursemantik i den applikation som använder det.
Väsentliga begränsningar och användbart resultat
Denna modellversions dokumenterade indata är text. Den fastställer inte direkt bild-, ljud- eller videoförståelse. Genererad kod och en självsäker förklaring är utkast till artefakter tills relevanta kontroller eller observationer faktiskt returneras av den anslutna miljön. Det användbara resultatet är ett granskningsbart implementationsförslag knutet till de tillhandahållna villkoren i kodarkivet, med dess exakta Coder-identitet, läge utan thinking och producentens genereringsvägledning bevarade.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-coder-30b-a3b-instruct | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 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-coder-30b-a3b-instruct", "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-coder-30b-a3b-instruct',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-coder-30b-a3b-instruct',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-coder-30b-a3b-instruct
Använd metodsökvägarna som visas ovan.
qwen/qwen3-coder-30b-a3b-instructQwen3-Coder-30B-A3B-Instruct är Qwens textmodell för kodning utan thinking-läge, med totalt 30.5 miljarder och 3.3 miljarder aktiverade parametrar. Den är inriktad på utveckling på kodarkivsnivå, kodning och arbetsflöden för webbläsaragenter, med en inbyggd kontext på 262,144 token och ett särskilt format för funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
I fokus: kodning på kodarkivsnivå
Qwen3-Coder-30B-A3B-Instruct är en instruktionsinriktad textmodell för kodningsagenter. Qwen dokumenterar kodning, användning som webbläsaragent och förståelse på kodarkivsnivå, med ett särskilt format för funktionsanrop och integration genom arbetsflöden som Qwen Code. Dess indata och utdata är text. Bevara just denna Coder-modellversion i stället för att ersätta den med den generella Qwen3-30B-A3B-Instruct-2507 eller Qwen3-Coder-Next, vars träningsfokus och genereringsvägledning skiljer sig åt.
Den inbyggda kontexten är 262,144 token, och tillverkaren beskriver utökning till ungefär en miljon med YaRN. En stor kontext kan samla fler belägg från kodarkivet, men en tydlig uppgift behöver fortfarande relevanta moduler, gränssnitt och krav. Ange den förväntade artefakten och det observerbara beteendet innan du ber om en kodändring.
Modellöversikt
Modellen med mixture-of-experts-arkitektur har totalt 30.5 miljarder parametrar och aktiverar 3.3 miljarder. Den har 48 lager, 128 experter och åtta experter valda per token. Totala parametrar och aktiverade parametrar har olika innebörd; siffran för aktiverade parametrar är inte storleken på hela modellversionen. Dess konfiguration för kausal språkmodellering är en textmodell, inte ett syn- eller talgränssnitt.
Coder-30B-A3B-Instruct stöder endast läge utan thinking och genererar inga uttryckliga thinking-block. Att ställa in enable_thinking=False är onödigt i tillverkarens exempel. Den kan ändå förklara en algoritm eller motivera en patch i vanlig text. En begäran om resonemangssteg bör inte förväxlas med att aktivera det separata Thinking-beteendet hos en annan Qwen-variant.
Förbereda en utvecklingsbegäran
Tillhandahåll relevant kod, indata som demonstrerar det aktuella beteendet, det observerade resultatet och den avsedda ändringen. För en algoritm ska du ange indatabegränsningar och de utdata som krävs innan du ber om ett tillvägagångssätt. För en ändring i ett kodarkiv ska du identifiera den berörda funktionen och de gränssnitt implementationen måste bevara. Be om en redigerbar patch eller komplett funktion separat från förklarande kommentarer.
Ett användbart svar kan strukturera diagnosen, den föreslagna ändringen och de kontroller som behövs för granskning. När en uppgift styrs av en visuell referens eller inspelat beteende ska du tillhandahålla en lämplig textrepresentation och behålla identifierare som gör att resultatet kan jämföras med originalet. Jämför den föreslagna patchen med den tillhandahållna koden, det förväntade beteendet och resultat som returnerats av anslutna kontroller.
Agentbaserad kodning och webbläsararbetsflöden
Tillverkaren lyfter fram verktygsanrop och ett särskilt utformat funktionsanropsformat. Ett anslutet agentarbetsflöde tillhandahåller verktygsbeskrivningar, indatascheman och observationer och utför de faktiska åtgärderna. Definiera tillåtna åtgärder och ett villkor för slutförande och returnera sedan faktiska gransknings- eller exekveringsresultat till modellen så att den kan uppdatera sitt föreslagna arbete.
Förmåga som webbläsaragent innebär deltagande i ett arbetsflöde med ett anslutet webbläsarverktyg, inte automatisk åtkomst till en användares webbläsare eller aktuella sidor. Samma skillnad gäller granskning av kodarkiv och kodexekvering. Ett föreslaget kommando, en verktygsbegäran och en slutförd åtgärd bör förbli åtskilda i slutrapporten. Behåll modellens eget verktygsformat och parsningsrecept i stället för att anta att en annan modells mall är utbytbar.
Lång kontext och konfiguration
Tillverkaren beskriver YaRN-utökning från den inbyggda kontexten på 262,144 token till omkring en miljon för uppgifter på kodarkivsnivå. Använd en kontextkonfiguration som passar materialet i kodarkivet och reservera samtidigt utrymme för verktygsobservationer och resultatet. Snabbstarten föreslår också en mindre kontext, som 32,768, när minnesbelastning hindrar den större inställningen från att fungera.
Behåll kodsökvägar, funktionsnamn och relevanta definitioner i långa indata. Ta bort orelaterade genererade filer eller upprepat material och reservera utrymme för svaret. Källtext, historik, verktygsobservationer och genererad kod delar den konfigurerade sekvensbudgeten; största möjliga indata bör inte behandlas som perfekt återgivning av varje beroende ur minnet.
Vägledning för generering
Rekommendationerna för bästa praxis anger temperature 0.7, top_p 0.8, top_k 20 och repetition penalty 1.05. Den exakta rekommendationen för repetition penalty skiljer sig från flera andra Qwen-modeller och förblir en del av denna Coder-variants recept. Qwen rekommenderar en genereringsbudget på 65,536 token för de flesta frågor, vilket är en rekommendation snarare än en oberoende fastställd hård maxgräns.
Ange utdataspråk och form, till exempel en patch, en komplett funktion eller en förklaring, och kontrollera artefaktens syntax och gränssnitt i det verkliga utvecklingsflödet. Tillverkarens funktionsexempel illustrerar verktygsmekanismen; ett verktygskontrakt behöver fortfarande internt konsekventa argumentnamn och retursemantik i den applikation som använder det.
Väsentliga begränsningar och användbart resultat
Denna modellversions dokumenterade indata är text. Den fastställer inte direkt bild-, ljud- eller videoförståelse. Genererad kod och en självsäker förklaring är utkast till artefakter tills relevanta kontroller eller observationer faktiskt returneras av den anslutna miljön. Det användbara resultatet är ett granskningsbart implementationsförslag knutet till de tillhandahållna villkoren i kodarkivet, med dess exakta Coder-identitet, läge utan thinking och producentens genereringsvägledning bevarade.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3-coder-30b-a3b-instruct | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen/qwen3-coder-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-coder-30b-a3b-instruct', '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-coder-30b-a3b-instruct', '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-coder-30b-a3b-instruct
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Implement interval overlap correctly\n\nImplement overlaps(a, b) for two half-open intervals [start, end), using numeric endpoints. Intervals touching at an endpoint do not overlap. Reject intervals with start greater than end; empty intervals never overlap. Return a complete Python function and tests for genuine overlap, touching, empty and reversed intervals. Keep the interface limited to two pairs.A complete Python function and four focused tests expressing the interval contract.Check that [1, 3) and [3, 5) return false and an empty interval cannot overlap a containing interval.