จุดเด่น Qwen3.8 ในโมเดลภาษาและภาพแบบ dense
Qwen3.8-27B นำการปรับปรุงโค้ด งานวิชาชีพ วิจัย และงานเอเจนต์ของ Qwen3.8 มาใส่โมเดล dense 27 พันล้านพารามิเตอร์ รับข้อความ ภาพ และวิดีโอ แล้วส่งข้อความ ขอบเขตภาพตามเอกสารรวมแผนภาพ STEM หน้าเอกสาร และวิดีโอระดับชั่วโมง เป็นเช็กพอยต์แยกจาก Qwen3.8-2.4T-A95B ที่ใหญ่กว่ามากและรับข้อความล้วน จึงต้องแยกความสามารถอินพุตและข้อตกลงการคิด
Qwen เน้นวางแผนอัตโนมัติ ใช้ผลตอบกลับสภาพแวดล้อม และเชื่อมระบบควบคุมงานพัฒนา สำหรับงานเอเจนต์ ให้เป้าหมาย เนื้อหาเกี่ยวข้อง เครื่องมือที่อนุญาต และหลักฐานที่แสดงความเสร็จ โมเดลเสนอและปรับการกระทำด้วยผลที่ส่งกลับได้ ซอฟต์แวร์เชื่อมต่อเป็นผู้ดำเนินการ ขอชิ้นงานสุดท้ายและเงื่อนไขค้าง แทนถือแผนเป็นผลที่ทำแล้ว
ภาพรวมโมเดล
โมเดล 27B มีชั้นโมเดลภาษา 64 ชั้น เค้าโครงผสมจัดสามชั้น Gated DeltaNet ตามด้วย gated-attention หนึ่งชั้น พร้อม dense feed-forward networks ฝึกด้วย multi-token prediction และมีตัวเข้ารหัสภาพ ทางเลือกสถาปัตยกรรมนี้อธิบายโมเดลที่เผยแพร่ ไม่ได้หมายถึงทุกการนำขึ้นใช้มีหน่วยความจำหรือเวลาแฝงเท่ากัน
บริบทดั้งเดิม 262,144 โทเคน พร้อมส่วนขยายตามเอกสารเป็น 1,000,000 ข้อความ การแทนภาพ ประวัติสนทนา การคิด และเอาต์พุตสุดท้ายใช้งบลำดับที่ตั้งร่วมกัน ผู้ผลิตกล่าวถึงรุ่นจัดการที่มีคุณสมบัติเพิ่มแยก ไม่ควรกำหนดคุณสมบัตินั้นให้เช็กพอยต์เปิดโดยอัตโนมัติ
การใช้ข้อความ ภาพ และวิดีโอ
สำหรับโค้ด ให้ฟังก์ชันหรือโมดูลเกี่ยวข้อง อินพุตที่ล้มเหลว และพฤติกรรมคาดหวัง แล้วขอแพตช์พร้อมสมมติฐานและการตรวจที่ได้รับผล สำหรับแผนภาพ เก็บป้ายและให้คำถามครบ สำหรับเอกสาร ขอฟิลด์ที่มีชื่อหรือข้อสรุปพร้อมอ้างหน้า สำหรับวิดีโอ ระบุเหตุการณ์สนใจและเก็บเวลา
ตัวอย่างวิดีโอผู้ผลิตใช้สองเฟรมต่อวินาทีโดยค่าเริ่มต้นในขั้นตอนบริการที่รองรับ พร้อมตัวเลือกควบคุมการสุ่ม สรุปฉากกว้างกับเหตุการณ์สั้นอาจต้องสุ่มต่างกัน แนวทางวิดีโอยาวแนะนำขยายงบตัวประมวลผลวิดีโอให้สุ่มอัตราสูงขึ้นสำหรับเนื้อหาระดับชั่วโมง โดยตัวอย่างประมาณ 224K โทเคนวิดีโอ ต้องตั้งค่าและแข่งขันกับเนื้อหาบริบทอื่น ไม่ใช่การรับประกันระยะเวลาคลิปสากล
การคิดและเหตุผลจากประวัติ
เปิดคิดโดยค่าเริ่มต้นและปิดรายคำขอได้ผ่าน enable_thinking ของผู้ผลิต reasoning_effort รองรับ xhigh, medium และ low โดย xhigh เป็นค่าเริ่มต้น ความพยายามต่ำลดความยาวรอบหนึ่งได้ แต่ Qwen เตือนว่าการวิเคราะห์ไม่พอในงานเอเจนต์อาจทำให้ล้มเหลวและทำซ้ำ เพิ่มเวลารวมจนเสร็จ
preserve_thinking เปิดโดยค่าเริ่มต้น เก็บบล็อกเหตุผลจากข้อความประวัติเพื่อความต่อเนื่อง เมื่อปิดจะเก็บเฉพาะบล็อกที่สร้างระหว่างจัดการข้อความผู้ใช้ล่าสุด ต่างจากแนวทาง Qwen เก่าที่ทิ้งเหตุผลในประวัติทั้งหมด แยกเหตุผลกับเนื้อหาสุดท้ายในอินเทอร์เฟซ และรักษารูปบทสนทนาที่เช็กพอยต์ต้องการ ตัวควบคุมผู้ผลิตไม่ได้ยืนยันพารามิเตอร์ที่อีกแอปเปิดให้ใช้
แนวทางการสร้าง
สำหรับคิด Qwen แนะนำ temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 และ repetition penalty 1.0 สำหรับตอบโดยตรง แนะนำ 0.7, 0.8, 20, 0, 1.5 และ 1.0 ตามลำดับ presence penalty สูงลดการซ้ำได้ แต่อาจปนภาษาหรือลดคุณภาพเล็กน้อย
ในขั้นตอนหนึ่งล้านโทเคนที่ตั้งค่าและรองรับขีดจำกัดแยก ผู้ผลิตแนะนำโควตา 262,144 โทเคนสำหรับเหตุผล และ 131,072 สำหรับคำตอบสุดท้าย นี่คือคำแนะนำงบมีเงื่อนไข ไม่ใช่เพดานเอาต์พุตตายตัวอิสระหรือการจัดสรรที่ใส่พร้อมกันในบริบทดั้งเดิมได้
บริบทยาวพิเศษและขีดจำกัด
ส่วนขยายตามเอกสารใช้ YaRN กับการตั้งค่าตำแหน่งแบบสลับของโมเดลเอง ตัวคูณสี่มุ่งขั้นตอนหนึ่งล้านโทเคน สำหรับงานราว 524,288 โทเคน ผู้ผลิตแนะนำตัวคูณสอง static scaling อาจกระทบคุณภาพข้อความสั้น Qwen จึงแนะนำเปิดเมื่อจำเป็นต้องใช้บริบทยาว อย่าคัดลอกตัวคูณ extrapolation ของ Qwen-VL รุ่นอื่นโดยไม่มีสูตรของมัน
จัดอินพุตยาวตามรหัสเอกสาร หน้า หรือโค้ด และขอผลที่ตรวจได้ ตรวจการคำนวณ ป้ายภาพเล็ก และแพตช์ที่สร้างกับต้นฉบับ บริบทยาว เหตุผลที่เก็บ และงบวิดีโอใหญ่ช่วยพาหลักฐานมากขึ้นตลอดงาน แต่ไม่ได้ยืนยันจำครบ เหตุผลถูก หรือการกระทำภายนอกเสร็จด้วยตัวเอง
", "aboutText": "จุดเด่น Qwen3.8 ในโมเดลภาษาและภาพแบบ dense\n\nQwen3.8-27B นำการปรับปรุงโค้ด งานวิชาชีพ วิจัย และงานเอเจนต์ของ Qwen3.8 มาใส่โมเดล dense 27 พันล้านพารามิเตอร์ รับข้อความ ภาพ และวิดีโอ แล้วส่งข้อความ ขอบเขตภาพตามเอกสารรวมแผนภาพ STEM หน้าเอกสาร และวิดีโอระดับชั่วโมง เป็นเช็กพอยต์แยกจาก Qwen3.8-2.4T-A95B ที่ใหญ่กว่ามากและรับข้อความล้วน จึงต้องแยกความสามารถอินพุตและข้อตกลงการคิด\n\nQwen เน้นวางแผนอัตโนมัติ ใช้ผลตอบกลับสภาพแวดล้อม และเชื่อมระบบควบคุมงานพัฒนา สำหรับงานเอเจนต์ ให้เป้าหมาย เนื้อหาเกี่ยวข้อง เครื่องมือที่อนุญาต และหลักฐานที่แสดงความเสร็จ โมเดลเสนอและปรับการกระทำด้วยผลที่ส่งกลับได้ ซอฟต์แวร์เชื่อมต่อเป็นผู้ดำเนินการ ขอชิ้นงานสุดท้ายและเงื่อนไขค้าง แทนถือแผนเป็นผลที่ทำแล้ว\n\nภาพรวมโมเดล\n\nโมเดล 27B มีชั้นโมเดลภาษา 64 ชั้น เค้าโครงผสมจัดสามชั้น Gated DeltaNet ตามด้วย gated-attention หนึ่งชั้น พร้อม dense feed-forward networks ฝึกด้วย multi-token prediction และมีตัวเข้ารหัสภาพ ทางเลือกสถาปัตยกรรมนี้อธิบายโมเดลที่เผยแพร่ ไม่ได้หมายถึงทุกการนำขึ้นใช้มีหน่วยความจำหรือเวลาแฝงเท่ากัน\n\nบริบทดั้งเดิม 262,144 โทเคน พร้อมส่วนขยายตามเอกสารเป็น 1,000,000 ข้อความ การแทนภาพ ประวัติสนทนา การคิด และเอาต์พุตสุดท้ายใช้งบลำดับที่ตั้งร่วมกัน ผู้ผลิตกล่าวถึงรุ่นจัดการที่มีคุณสมบัติเพิ่มแยก ไม่ควรกำหนดคุณสมบัตินั้นให้เช็กพอยต์เปิดโดยอัตโนมัติ\n\nการใช้ข้อความ ภาพ และวิดีโอ\n\nสำหรับโค้ด ให้ฟังก์ชันหรือโมดูลเกี่ยวข้อง อินพุตที่ล้มเหลว และพฤติกรรมคาดหวัง แล้วขอแพตช์พร้อมสมมติฐานและการตรวจที่ได้รับผล สำหรับแผนภาพ เก็บป้ายและให้คำถามครบ สำหรับเอกสาร ขอฟิลด์ที่มีชื่อหรือข้อสรุปพร้อมอ้างหน้า สำหรับวิดีโอ ระบุเหตุการณ์สนใจและเก็บเวลา\n\nตัวอย่างวิดีโอผู้ผลิตใช้สองเฟรมต่อวินาทีโดยค่าเริ่มต้นในขั้นตอนบริการที่รองรับ พร้อมตัวเลือกควบคุมการสุ่ม สรุปฉากกว้างกับเหตุการณ์สั้นอาจต้องสุ่มต่างกัน แนวทางวิดีโอยาวแนะนำขยายงบตัวประมวลผลวิดีโอให้สุ่มอัตราสูงขึ้นสำหรับเนื้อหาระดับชั่วโมง โดยตัวอย่างประมาณ 224K โทเคนวิดีโอ ต้องตั้งค่าและแข่งขันกับเนื้อหาบริบทอื่น ไม่ใช่การรับประกันระยะเวลาคลิปสากล\n\nการคิดและเหตุผลจากประวัติ\n\nเปิดคิดโดยค่าเริ่มต้นและปิดรายคำขอได้ผ่าน enable_thinking ของผู้ผลิต reasoning_effort รองรับ xhigh, medium และ low โดย xhigh เป็นค่าเริ่มต้น ความพยายามต่ำลดความยาวรอบหนึ่งได้ แต่ Qwen เตือนว่าการวิเคราะห์ไม่พอในงานเอเจนต์อาจทำให้ล้มเหลวและทำซ้ำ เพิ่มเวลารวมจนเสร็จ\n\npreserve_thinking เปิดโดยค่าเริ่มต้น เก็บบล็อกเหตุผลจากข้อความประวัติเพื่อความต่อเนื่อง เมื่อปิดจะเก็บเฉพาะบล็อกที่สร้างระหว่างจัดการข้อความผู้ใช้ล่าสุด ต่างจากแนวทาง Qwen เก่าที่ทิ้งเหตุผลในประวัติทั้งหมด แยกเหตุผลกับเนื้อหาสุดท้ายในอินเทอร์เฟซ และรักษารูปบทสนทนาที่เช็กพอยต์ต้องการ ตัวควบคุมผู้ผลิตไม่ได้ยืนยันพารามิเตอร์ที่อีกแอปเปิดให้ใช้\n\nแนวทางการสร้าง\n\nสำหรับคิด Qwen แนะนำ temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 และ repetition penalty 1.0 สำหรับตอบโดยตรง แนะนำ 0.7, 0.8, 20, 0, 1.5 และ 1.0 ตามลำดับ presence penalty สูงลดการซ้ำได้ แต่อาจปนภาษาหรือลดคุณภาพเล็กน้อย\n\nในขั้นตอนหนึ่งล้านโทเคนที่ตั้งค่าและรองรับขีดจำกัดแยก ผู้ผลิตแนะนำโควตา 262,144 โทเคนสำหรับเหตุผล และ 131,072 สำหรับคำตอบสุดท้าย นี่คือคำแนะนำงบมีเงื่อนไข ไม่ใช่เพดานเอาต์พุตตายตัวอิสระหรือการจัดสรรที่ใส่พร้อมกันในบริบทดั้งเดิมได้\n\nบริบทยาวพิเศษและขีดจำกัด\n\nส่วนขยายตามเอกสารใช้ YaRN กับการตั้งค่าตำแหน่งแบบสลับของโมเดลเอง ตัวคูณสี่มุ่งขั้นตอนหนึ่งล้านโทเคน สำหรับงานราว 524,288 โทเคน ผู้ผลิตแนะนำตัวคูณสอง static scaling อาจกระทบคุณภาพข้อความสั้น Qwen จึงแนะนำเปิดเมื่อจำเป็นต้องใช้บริบทยาว อย่าคัดลอกตัวคูณ extrapolation ของ Qwen-VL รุ่นอื่นโดยไม่มีสูตรของมัน\n\nจัดอินพุตยาวตามรหัสเอกสาร หน้า หรือโค้ด และขอผลที่ตรวจได้ ตรวจการคำนวณ ป้ายภาพเล็ก และแพตช์ที่สร้างกับต้นฉบับ บริบทยาว เหตุผลที่เก็บ และงบวิดีโอใหญ่ช่วยพาหลักฐานมากขึ้นตลอดงาน แต่ไม่ได้ยืนยันจำครบ เหตุผลถูก หรือการกระทำภายนอกเสร็จด้วยตัวเอง", "editorialOverlay": { "copy_fields": { "practical_html": "ตัวอย่างทางเทคนิคภาษาอังกฤษ
Analyze a circuit described in text\n\nA written circuit description gives two 6-ohm resistors connected in parallel across an ideal 12-volt source. Assume ideal wires and constant resistance. Derive the equivalent resistance, total current and current through each branch. Show the formulas and verify that branch currents add to the total. No circuit image or execution tool is provided.A short derivation with units, three requested quantities and a current-sum check.Equivalent resistance is 3 ohms and the two equal branch currents sum to the derived total current.qwen/qwen3.8-27bQwen3.8-27B เป็นโมเดลภาษาและภาพแบบ dense ของ Qwen สำหรับข้อความ ภาพ และวิดีโอ ส่งกลับข้อความ ผสานโค้ดและงานเอเจนต์หลายขั้นกับการคิดที่เลือกได้ การรักษาเหตุผล และบริบทดั้งเดิม 262,144 โทเคน ซึ่งขยายเป็นหนึ่งล้านผ่านการตั้งค่าได้
คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก
จุดเด่น Qwen3.8 ในโมเดลภาษาและภาพแบบ dense
Qwen3.8-27B นำการปรับปรุงโค้ด งานวิชาชีพ วิจัย และงานเอเจนต์ของ Qwen3.8 มาใส่โมเดล dense 27 พันล้านพารามิเตอร์ รับข้อความ ภาพ และวิดีโอ แล้วส่งข้อความ ขอบเขตภาพตามเอกสารรวมแผนภาพ STEM หน้าเอกสาร และวิดีโอระดับชั่วโมง เป็นเช็กพอยต์แยกจาก Qwen3.8-2.4T-A95B ที่ใหญ่กว่ามากและรับข้อความล้วน จึงต้องแยกความสามารถอินพุตและข้อตกลงการคิด
Qwen เน้นวางแผนอัตโนมัติ ใช้ผลตอบกลับสภาพแวดล้อม และเชื่อมระบบควบคุมงานพัฒนา สำหรับงานเอเจนต์ ให้เป้าหมาย เนื้อหาเกี่ยวข้อง เครื่องมือที่อนุญาต และหลักฐานที่แสดงความเสร็จ โมเดลเสนอและปรับการกระทำด้วยผลที่ส่งกลับได้ ซอฟต์แวร์เชื่อมต่อเป็นผู้ดำเนินการ ขอชิ้นงานสุดท้ายและเงื่อนไขค้าง แทนถือแผนเป็นผลที่ทำแล้ว
ภาพรวมโมเดล
โมเดล 27B มีชั้นโมเดลภาษา 64 ชั้น เค้าโครงผสมจัดสามชั้น Gated DeltaNet ตามด้วย gated-attention หนึ่งชั้น พร้อม dense feed-forward networks ฝึกด้วย multi-token prediction และมีตัวเข้ารหัสภาพ ทางเลือกสถาปัตยกรรมนี้อธิบายโมเดลที่เผยแพร่ ไม่ได้หมายถึงทุกการนำขึ้นใช้มีหน่วยความจำหรือเวลาแฝงเท่ากัน
บริบทดั้งเดิม 262,144 โทเคน พร้อมส่วนขยายตามเอกสารเป็น 1,000,000 ข้อความ การแทนภาพ ประวัติสนทนา การคิด และเอาต์พุตสุดท้ายใช้งบลำดับที่ตั้งร่วมกัน ผู้ผลิตกล่าวถึงรุ่นจัดการที่มีคุณสมบัติเพิ่มแยก ไม่ควรกำหนดคุณสมบัตินั้นให้เช็กพอยต์เปิดโดยอัตโนมัติ
การใช้ข้อความ ภาพ และวิดีโอ
สำหรับโค้ด ให้ฟังก์ชันหรือโมดูลเกี่ยวข้อง อินพุตที่ล้มเหลว และพฤติกรรมคาดหวัง แล้วขอแพตช์พร้อมสมมติฐานและการตรวจที่ได้รับผล สำหรับแผนภาพ เก็บป้ายและให้คำถามครบ สำหรับเอกสาร ขอฟิลด์ที่มีชื่อหรือข้อสรุปพร้อมอ้างหน้า สำหรับวิดีโอ ระบุเหตุการณ์สนใจและเก็บเวลา
ตัวอย่างวิดีโอผู้ผลิตใช้สองเฟรมต่อวินาทีโดยค่าเริ่มต้นในขั้นตอนบริการที่รองรับ พร้อมตัวเลือกควบคุมการสุ่ม สรุปฉากกว้างกับเหตุการณ์สั้นอาจต้องสุ่มต่างกัน แนวทางวิดีโอยาวแนะนำขยายงบตัวประมวลผลวิดีโอให้สุ่มอัตราสูงขึ้นสำหรับเนื้อหาระดับชั่วโมง โดยตัวอย่างประมาณ 224K โทเคนวิดีโอ ต้องตั้งค่าและแข่งขันกับเนื้อหาบริบทอื่น ไม่ใช่การรับประกันระยะเวลาคลิปสากล
การคิดและเหตุผลจากประวัติ
เปิดคิดโดยค่าเริ่มต้นและปิดรายคำขอได้ผ่าน enable_thinking ของผู้ผลิต reasoning_effort รองรับ xhigh, medium และ low โดย xhigh เป็นค่าเริ่มต้น ความพยายามต่ำลดความยาวรอบหนึ่งได้ แต่ Qwen เตือนว่าการวิเคราะห์ไม่พอในงานเอเจนต์อาจทำให้ล้มเหลวและทำซ้ำ เพิ่มเวลารวมจนเสร็จ
preserve_thinking เปิดโดยค่าเริ่มต้น เก็บบล็อกเหตุผลจากข้อความประวัติเพื่อความต่อเนื่อง เมื่อปิดจะเก็บเฉพาะบล็อกที่สร้างระหว่างจัดการข้อความผู้ใช้ล่าสุด ต่างจากแนวทาง Qwen เก่าที่ทิ้งเหตุผลในประวัติทั้งหมด แยกเหตุผลกับเนื้อหาสุดท้ายในอินเทอร์เฟซ และรักษารูปบทสนทนาที่เช็กพอยต์ต้องการ ตัวควบคุมผู้ผลิตไม่ได้ยืนยันพารามิเตอร์ที่อีกแอปเปิดให้ใช้
แนวทางการสร้าง
สำหรับคิด Qwen แนะนำ temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 และ repetition penalty 1.0 สำหรับตอบโดยตรง แนะนำ 0.7, 0.8, 20, 0, 1.5 และ 1.0 ตามลำดับ presence penalty สูงลดการซ้ำได้ แต่อาจปนภาษาหรือลดคุณภาพเล็กน้อย
ในขั้นตอนหนึ่งล้านโทเคนที่ตั้งค่าและรองรับขีดจำกัดแยก ผู้ผลิตแนะนำโควตา 262,144 โทเคนสำหรับเหตุผล และ 131,072 สำหรับคำตอบสุดท้าย นี่คือคำแนะนำงบมีเงื่อนไข ไม่ใช่เพดานเอาต์พุตตายตัวอิสระหรือการจัดสรรที่ใส่พร้อมกันในบริบทดั้งเดิมได้
บริบทยาวพิเศษและขีดจำกัด
ส่วนขยายตามเอกสารใช้ YaRN กับการตั้งค่าตำแหน่งแบบสลับของโมเดลเอง ตัวคูณสี่มุ่งขั้นตอนหนึ่งล้านโทเคน สำหรับงานราว 524,288 โทเคน ผู้ผลิตแนะนำตัวคูณสอง static scaling อาจกระทบคุณภาพข้อความสั้น Qwen จึงแนะนำเปิดเมื่อจำเป็นต้องใช้บริบทยาว อย่าคัดลอกตัวคูณ extrapolation ของ Qwen-VL รุ่นอื่นโดยไม่มีสูตรของมัน
จัดอินพุตยาวตามรหัสเอกสาร หน้า หรือโค้ด และขอผลที่ตรวจได้ ตรวจการคำนวณ ป้ายภาพเล็ก และแพตช์ที่สร้างกับต้นฉบับ บริบทยาว เหตุผลที่เก็บ และงบวิดีโอใหญ่ช่วยพาหลักฐานมากขึ้นตลอดงาน แต่ไม่ได้ยืนยันจำครบ เหตุผลถูก หรือการกระทำภายนอกเสร็จด้วยตัวเอง
POST /v1/chat/completionstexttext| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
|---|---|---|---|---|
ฟิลด์model | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด qwen/qwen3.8-27b | ค่าเริ่มต้น— |
ฟิลด์messages | ประเภทmessage[] | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1 | ค่าเริ่มต้น— |
ฟิลด์messages[].role | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด ตัวอย่าง: system, user, assistant, tool, function เงื่อนไข: บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์messages[].content | ประเภทstring|content_part[]|null | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์messages[].tool_calls | ประเภทtool_call[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์messages[].tool_call_id | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ใช้เมื่อ: role=tool โดยใช้ ID ที่ส่งกลับจริง | ค่าเริ่มต้น— |
ฟิลด์messages[].name | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์messages[].reasoning_content | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ใช้เมื่อ: ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น | ค่าเริ่มต้น— |
ฟิลด์messages[].reasoning_details | ประเภทobject|array | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์max_tokens | ประเภทinteger | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์max_completion_tokens | ประเภทinteger | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์stream | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้นfalse |
ฟิลด์stream_options.include_usage | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์temperature | ประเภทnumber | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์top_p | ประเภทnumber | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์stop | ประเภทstring|string[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์tools | ประเภทfunction_tool[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์tools[].type | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด function ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์tools[].function.name | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด ใช้เมื่อ: มีเครื่องมือฟังก์ชันให้ใช้ | ค่าเริ่มต้น— |
ฟิลด์tools[].function.description | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์tools[].function.parameters | ประเภทJSON_schema | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์tool_choice | ประเภทstring|object | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์parallel_tool_calls | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์response_format | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์reasoning_effort | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์reasoning | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์service_tier | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์instructions | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ฟิลด์เพื่อความเข้ากันได้ | ค่าเริ่มต้น— |
ฟิลด์functions | ประเภทfunction[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์function_call | ประเภทstring|object | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์prompt_cache_options | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์modalities | ประเภทstring[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด text | ค่าเริ่มต้น— |
ฟิลด์provider | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options | ค่าเริ่มต้น— |
ฟิลด์cache_control.ttl | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h | ค่าเริ่มต้น— |
ข้อความ · ข้อความ UTF8
messages[].content
| พารามิเตอร์ | ข้อกำหนด |
|---|---|
พารามิเตอร์content_type | ข้อกำหนดapplication/json |
พารามิเตอร์required | ข้อกำหนดmodel, messages |
พารามิเตอร์material_types | ข้อกำหนดtext |
พารามิเตอร์messages | ข้อกำหนดอาร์เรย์ข้อความที่มีโครงสร้าง role/content |
พารามิเตอร์file_material | ข้อกำหนดแทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์ |
พารามิเตอร์optional_controls | ข้อกำหนดstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
พารามิเตอร์control_scope | ข้อกำหนดขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้ |
พารามิเตอร์output_modalities | ข้อกำหนดtext |
พารามิเตอร์hosted_operations | ข้อกำหนดfalse |
พารามิเตอร์multimodal_input_binding | ข้อกำหนดnull |
วงจรการทำงาน: synchronous_or_streamed
ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages
ความยาวบริบทไม่ใช่เพดานผลลัพธ์
ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง
ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก
เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน
| การตั้งค่า | ตารางอัตราค่าบริการ | โทเค็นบริบท มากกว่า | โทเค็นบริบท ไม่เกินและรวมค่า | ค่าบริการ |
|---|---|---|---|---|
| การตั้งค่าอัตราราคาพื้นฐานของโทเคน | ตารางอัตราค่าบริการอัตราพื้นฐาน | โทเค็นบริบท มากกว่า— | โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด | ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.00085 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0051 / 1K โทเค็น ขาเข้า · การอ่านแคช $0.00017 / 1K โทเค็น ขาเข้า · การเขียนแคช $0.0010625 / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น |
| การตั้งค่าระดับความยาวคำขอ 1 | ตารางอัตราค่าบริการ— | โทเค็นบริบท มากกว่า0 | โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด | ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.00085 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0051 / 1K โทเค็น ขาเข้า · การอ่านแคช $0.00017 / 1K โทเค็น ขาเข้า · การเขียนแคช $0.0010625 / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น |
Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-27b", "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/qwen3.8-27b',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/qwen3.8-27b',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 หรือ SSE
เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน
เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย
เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้
| ฟิลด์ | ประเภท |
|---|---|
ฟิลด์choices[].index | ประเภทinteger |
ฟิลด์choices[].message.content | ประเภทstring|null |
ฟิลด์choices[].message.tool_calls | ประเภทtool_call[] |
ฟิลด์choices[].message.reasoning_content | ประเภทstring |
ฟิลด์choices[].message.reasoning_details | ประเภทobject|array |
ฟิลด์choices[].finish_reason | ประเภทstring|null |
ฟิลด์usage | ประเภทobject |
| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
|---|---|---|
การตอบกลับ400 · invalid_request_error | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
Ailoot Ultra qwen/qwen3.8-27b
ใช้พาธเมธอดที่แสดงด้านบน
qwen/qwen3.8-27bQwen3.8-27B เป็นโมเดลภาษาและภาพแบบ dense ของ Qwen สำหรับข้อความ ภาพ และวิดีโอ ส่งกลับข้อความ ผสานโค้ดและงานเอเจนต์หลายขั้นกับการคิดที่เลือกได้ การรักษาเหตุผล และบริบทดั้งเดิม 262,144 โทเคน ซึ่งขยายเป็นหนึ่งล้านผ่านการตั้งค่าได้
คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก
จุดเด่น Qwen3.8 ในโมเดลภาษาและภาพแบบ dense
Qwen3.8-27B นำการปรับปรุงโค้ด งานวิชาชีพ วิจัย และงานเอเจนต์ของ Qwen3.8 มาใส่โมเดล dense 27 พันล้านพารามิเตอร์ รับข้อความ ภาพ และวิดีโอ แล้วส่งข้อความ ขอบเขตภาพตามเอกสารรวมแผนภาพ STEM หน้าเอกสาร และวิดีโอระดับชั่วโมง เป็นเช็กพอยต์แยกจาก Qwen3.8-2.4T-A95B ที่ใหญ่กว่ามากและรับข้อความล้วน จึงต้องแยกความสามารถอินพุตและข้อตกลงการคิด
Qwen เน้นวางแผนอัตโนมัติ ใช้ผลตอบกลับสภาพแวดล้อม และเชื่อมระบบควบคุมงานพัฒนา สำหรับงานเอเจนต์ ให้เป้าหมาย เนื้อหาเกี่ยวข้อง เครื่องมือที่อนุญาต และหลักฐานที่แสดงความเสร็จ โมเดลเสนอและปรับการกระทำด้วยผลที่ส่งกลับได้ ซอฟต์แวร์เชื่อมต่อเป็นผู้ดำเนินการ ขอชิ้นงานสุดท้ายและเงื่อนไขค้าง แทนถือแผนเป็นผลที่ทำแล้ว
ภาพรวมโมเดล
โมเดล 27B มีชั้นโมเดลภาษา 64 ชั้น เค้าโครงผสมจัดสามชั้น Gated DeltaNet ตามด้วย gated-attention หนึ่งชั้น พร้อม dense feed-forward networks ฝึกด้วย multi-token prediction และมีตัวเข้ารหัสภาพ ทางเลือกสถาปัตยกรรมนี้อธิบายโมเดลที่เผยแพร่ ไม่ได้หมายถึงทุกการนำขึ้นใช้มีหน่วยความจำหรือเวลาแฝงเท่ากัน
บริบทดั้งเดิม 262,144 โทเคน พร้อมส่วนขยายตามเอกสารเป็น 1,000,000 ข้อความ การแทนภาพ ประวัติสนทนา การคิด และเอาต์พุตสุดท้ายใช้งบลำดับที่ตั้งร่วมกัน ผู้ผลิตกล่าวถึงรุ่นจัดการที่มีคุณสมบัติเพิ่มแยก ไม่ควรกำหนดคุณสมบัตินั้นให้เช็กพอยต์เปิดโดยอัตโนมัติ
การใช้ข้อความ ภาพ และวิดีโอ
สำหรับโค้ด ให้ฟังก์ชันหรือโมดูลเกี่ยวข้อง อินพุตที่ล้มเหลว และพฤติกรรมคาดหวัง แล้วขอแพตช์พร้อมสมมติฐานและการตรวจที่ได้รับผล สำหรับแผนภาพ เก็บป้ายและให้คำถามครบ สำหรับเอกสาร ขอฟิลด์ที่มีชื่อหรือข้อสรุปพร้อมอ้างหน้า สำหรับวิดีโอ ระบุเหตุการณ์สนใจและเก็บเวลา
ตัวอย่างวิดีโอผู้ผลิตใช้สองเฟรมต่อวินาทีโดยค่าเริ่มต้นในขั้นตอนบริการที่รองรับ พร้อมตัวเลือกควบคุมการสุ่ม สรุปฉากกว้างกับเหตุการณ์สั้นอาจต้องสุ่มต่างกัน แนวทางวิดีโอยาวแนะนำขยายงบตัวประมวลผลวิดีโอให้สุ่มอัตราสูงขึ้นสำหรับเนื้อหาระดับชั่วโมง โดยตัวอย่างประมาณ 224K โทเคนวิดีโอ ต้องตั้งค่าและแข่งขันกับเนื้อหาบริบทอื่น ไม่ใช่การรับประกันระยะเวลาคลิปสากล
การคิดและเหตุผลจากประวัติ
เปิดคิดโดยค่าเริ่มต้นและปิดรายคำขอได้ผ่าน enable_thinking ของผู้ผลิต reasoning_effort รองรับ xhigh, medium และ low โดย xhigh เป็นค่าเริ่มต้น ความพยายามต่ำลดความยาวรอบหนึ่งได้ แต่ Qwen เตือนว่าการวิเคราะห์ไม่พอในงานเอเจนต์อาจทำให้ล้มเหลวและทำซ้ำ เพิ่มเวลารวมจนเสร็จ
preserve_thinking เปิดโดยค่าเริ่มต้น เก็บบล็อกเหตุผลจากข้อความประวัติเพื่อความต่อเนื่อง เมื่อปิดจะเก็บเฉพาะบล็อกที่สร้างระหว่างจัดการข้อความผู้ใช้ล่าสุด ต่างจากแนวทาง Qwen เก่าที่ทิ้งเหตุผลในประวัติทั้งหมด แยกเหตุผลกับเนื้อหาสุดท้ายในอินเทอร์เฟซ และรักษารูปบทสนทนาที่เช็กพอยต์ต้องการ ตัวควบคุมผู้ผลิตไม่ได้ยืนยันพารามิเตอร์ที่อีกแอปเปิดให้ใช้
แนวทางการสร้าง
สำหรับคิด Qwen แนะนำ temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 และ repetition penalty 1.0 สำหรับตอบโดยตรง แนะนำ 0.7, 0.8, 20, 0, 1.5 และ 1.0 ตามลำดับ presence penalty สูงลดการซ้ำได้ แต่อาจปนภาษาหรือลดคุณภาพเล็กน้อย
ในขั้นตอนหนึ่งล้านโทเคนที่ตั้งค่าและรองรับขีดจำกัดแยก ผู้ผลิตแนะนำโควตา 262,144 โทเคนสำหรับเหตุผล และ 131,072 สำหรับคำตอบสุดท้าย นี่คือคำแนะนำงบมีเงื่อนไข ไม่ใช่เพดานเอาต์พุตตายตัวอิสระหรือการจัดสรรที่ใส่พร้อมกันในบริบทดั้งเดิมได้
บริบทยาวพิเศษและขีดจำกัด
ส่วนขยายตามเอกสารใช้ YaRN กับการตั้งค่าตำแหน่งแบบสลับของโมเดลเอง ตัวคูณสี่มุ่งขั้นตอนหนึ่งล้านโทเคน สำหรับงานราว 524,288 โทเคน ผู้ผลิตแนะนำตัวคูณสอง static scaling อาจกระทบคุณภาพข้อความสั้น Qwen จึงแนะนำเปิดเมื่อจำเป็นต้องใช้บริบทยาว อย่าคัดลอกตัวคูณ extrapolation ของ Qwen-VL รุ่นอื่นโดยไม่มีสูตรของมัน
จัดอินพุตยาวตามรหัสเอกสาร หน้า หรือโค้ด และขอผลที่ตรวจได้ ตรวจการคำนวณ ป้ายภาพเล็ก และแพตช์ที่สร้างกับต้นฉบับ บริบทยาว เหตุผลที่เก็บ และงบวิดีโอใหญ่ช่วยพาหลักฐานมากขึ้นตลอดงาน แต่ไม่ได้ยืนยันจำครบ เหตุผลถูก หรือการกระทำภายนอกเสร็จด้วยตัวเอง
POST /v1/messagestextjson, sse| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
|---|---|---|---|---|
ฟิลด์model | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด qwen/qwen3.8-27b | ค่าเริ่มต้น— |
ฟิลด์messages | ประเภทmessage[] | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์messages[].role | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด user, assistant | ค่าเริ่มต้น— |
ฟิลด์messages[].content | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์max_tokens | ประเภทinteger | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์stream | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้นfalse |
ข้อความ · ข้อความ UTF-8
สตริง messages[].content
| พารามิเตอร์ | ข้อกำหนด |
|---|---|
พารามิเตอร์content_type | ข้อกำหนดapplication/json |
พารามิเตอร์required | ข้อกำหนดmodel, messages, max_tokens |
พารามิเตอร์optional_controls | ข้อกำหนดstream |
พารามิเตอร์material_types | ข้อกำหนดtext |
พารามิเตอร์text_file_material | ข้อกำหนดอ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ |
วงจรการทำงาน: synchronous_or_streamed
ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก
เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน
| การตั้งค่า | ตารางอัตราค่าบริการ | โทเค็นบริบท มากกว่า | โทเค็นบริบท ไม่เกินและรวมค่า | ค่าบริการ |
|---|---|---|---|---|
| การตั้งค่าอัตราราคาพื้นฐานของโทเคน | ตารางอัตราค่าบริการอัตราพื้นฐาน | โทเค็นบริบท มากกว่า— | โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด | ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.00085 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0051 / 1K โทเค็น ขาเข้า · การอ่านแคช $0.00017 / 1K โทเค็น ขาเข้า · การเขียนแคช $0.0010625 / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น |
| การตั้งค่าระดับความยาวคำขอ 1 | ตารางอัตราค่าบริการ— | โทเค็นบริบท มากกว่า0 | โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด | ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.00085 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0051 / 1K โทเค็น ขาเข้า · การอ่านแคช $0.00017 / 1K โทเค็น ขาเข้า · การเขียนแคช $0.0010625 / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น |
Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →
{\n "model": "qwen/qwen3.8-27b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.8-27b', '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/qwen3.8-27b', '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 หรือ SSE
เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน
เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด
เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้
| ฟิลด์ | ประเภท |
|---|---|
ฟิลด์id | ประเภทstring |
ฟิลด์model | ประเภทstring |
ฟิลด์content[] | ประเภทtext|thinking|tool_use|other content block |
ฟิลด์stop_reason | ประเภทstring|null |
ฟิลด์usage | ประเภทobject |
| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
|---|---|---|
การตอบกลับ400 · invalid_request_error | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
Ailoot Ultra qwen/qwen3.8-27b
ใช้พาธเมธอดที่แสดงด้านบน
ตัวอย่างทางเทคนิคภาษาอังกฤษ
Analyze a circuit described in text\n\nA written circuit description gives two 6-ohm resistors connected in parallel across an ideal 12-volt source. Assume ideal wires and constant resistance. Derive the equivalent resistance, total current and current through each branch. Show the formulas and verify that branch currents add to the total. No circuit image or execution tool is provided.A short derivation with units, three requested quantities and a current-sum check.Equivalent resistance is 3 ohms and the two equal branch currents sum to the derived total current.