{ "aboutHtml": "

จุดเด่น Qwen3-Next: การใช้เหตุผลกับข้อความที่ซับซ้อน

Qwen3-Next-80B-A3B-Thinking เป็นรุ่นข้อความคิดอย่างเดียวของ Qwen3-Next ผู้พัฒนาแนะนำโมเดลนี้สำหรับงานใช้เหตุผลที่ซับซ้อนมาก และระบุการคิดของโมเดลนี้อาจยาวกว่าการคิดของโมเดลก่อนหน้า รับข้อความและส่งข้อความ รวมคำตอบมีคำอธิบายหรือข้อเสนอโค้ด แยกจาก Qwen3-Next-80B-A3B-Instruct และ Qwen3-Coder-Next ซึ่งมีข้อกำหนดไม่คิดต่างกัน

ตระกูลนำความสนใจผสมที่รวม Gated DeltaNet กับความสนใจแบบมีเกต ผู้เชี่ยวชาญแบบ sparse สูง เทคนิคเสถียรเช่น layer normalization แบบ zero-centered และ weight-decayed และการทำนายหลายโทเคนมาใช้ Qwen ยังอธิบายการทำ reinforcement learning ให้เสถียรผ่าน GSPO เป็นฟีเจอร์การฝึกและสถาปัตยกรรม ประสิทธิภาพที่ได้ขึ้นกับการพัฒนาและไม่ควรกลายเป็นคำกล่าวเวลาตอบสากล

ภาพรวมโมเดล

โมเดลมีพารามิเตอร์รวม 80 พันล้านและเปิดใช้สามพันล้าน มี 48 ชั้นในรูปแบบผู้เชี่ยวชาญสาม DeltaNet ต่อหนึ่งความสนใจมีเกต ผู้พัฒนาระบุผู้เชี่ยวชาญ 512 ตัว เปิดใช้สิบตัว และใช้ร่วมหนึ่งตัว ฝึกเบื้องต้นด้วย 15 ล้านล้านโทเคนแล้วฝึกภายหลัง พารามิเตอร์ที่เปิดใช้ไม่ใช่ขนาดเช็กพอยต์ครบ

บริบทเดิมคือ 262,144 โทเคน มีส่วนขยายระบุถึง 1,010,000 ข้อความต้นทาง ข้อความประวัติ ข้อสังเกตเครื่องมือ เหตุผล และผลสุดท้ายแบ่งโควตาลำดับที่กำหนด สำหรับการคิดซับซ้อน ผู้พัฒนาแนะนำบริบทกำหนดมากกว่า 131,072 เมื่อเป็นไปได้ แม้หน้าต่างเล็กกว่าลดแรงกดหน่วยความจำ

การใช้อินเทอร์เฟซคิดอย่างเดียว

แม่แบบแชตเริ่มต้นมีเครื่องหมายเปิดคิดอยู่แล้ว ลำดับที่ส่งกลับจึงมีเครื่องหมายปิดโดยไม่ซ้ำเครื่องหมายเปิดได้ เป็นรูปแบบปกติของสูตรผู้พัฒนา ไม่ใช่หลักฐานว่าเหตุผลหาย โมเดลรองรับเฉพาะโหมดคิด คำขอคำตอบสุดท้ายกระชับไม่เปลี่ยนเป็นรุ่นไม่คิด

สำหรับปัญหาคณิตศาสตร์หรือตรรกะ ให้โจทย์ครบ นิยาม หน่วย และสมมติฐานที่อนุญาต ขอคำตอบสุดท้ายมีขอบเขตชัดพร้อมขั้นสนับสนุนที่ต้องใช้ตรวจ สำหรับการใช้เหตุผลเกี่ยวกับโค้ด ให้ฟังก์ชัน ข้อมูลเข้า และพฤติกรรมที่ตั้งใจเกี่ยวข้อง แล้วขอข้อเสนอมีคำอธิบาย เทียบการคำนวณสนับสนุนหรือแพตช์เสนอ กับเงื่อนไขที่ให้และผลจริง

การพัฒนาและเครื่องมือ

ตัวอย่างผู้พัฒนารองรับงานพัฒนาและขั้นตอนเครื่องมือ และแนะนำ Qwen-Agent สำหรับแม่แบบการเรียกเครื่องมือและการแยกวิเคราะห์คำขอเรียกเครื่องมือ พร้อมเครื่องมือกำหนดค่าหรือเชื่อม MCP กำหนดเครื่องมืออนุญาต เป้าหมายงาน และเงื่อนไขเสร็จที่สังเกตได้ แอปพลิเคชันทำการกระทำภายนอกและส่งข้อสังเกตจริง โมเดลใช้ผลตอบกลับนั้นในคำตอบถัดไปได้

การทำนายหลายโทเคนเป็นส่วนฝึก แต่การใช้ในการอนุมานขึ้นกับการพัฒนาและไม่ได้มีทั่วไปในทุกขั้นตอนเบา คงความต่างนี้เมื่อประเมินการนำไปใช้ ความสามารถเครื่องมือหรือสถาปัตยกรรมอย่างเดียวไม่กำหนดการเข้าถึงไฟล์ ต้นทางปัจจุบัน หรือสภาพแวดล้อมรันผ่านอีกแอปพลิเคชัน

ข้อความยาวมาก

ส่วนขยายที่ระบุใช้ YaRN ผู้พัฒนาตรวจสอบบริบทราวหนึ่งล้านโทเคนและให้สูตรตัวคูณสี่จาก 262,144 ตำแหน่งเดิม สำหรับงาน 524,288 โทเคน แนะนำตัวคูณสอง การปรับสเกลคงที่กระทบประสิทธิภาพข้อความสั้นกว่าได้ จึงควรตามความจำเป็นจริงของข้อมูลเข้ายาว

จัดข้อมูลเข้าใหญ่ด้วยขอบเขตเอกสารและตัวระบุโค้ดหรือส่วน ระบุคำถามและผลงานคาดหวังให้โมเดลเชื่อมหลักฐานเกี่ยวข้อง แทนใช้หน้าต่างเต็มเป็นสิ่งแทนงานชัด เผื่อพื้นที่เหตุผลที่อาจยาวและผลสุดท้าย

แนวทางสร้าง

แนวปฏิบัติแนะนำ temperature 0.6, top_p 0.95, top_k 20 และ min_p 0 ในที่รองรับ presence penalty ระหว่างศูนย์และสองลดข้อความซ้ำได้ แต่ค่าที่สูงกว่าอาจผสมภาษาหรือลดคุณภาพเล็กน้อย Qwen แนะนำโควตาสร้าง 32,768 โทเคนสำหรับคำถามส่วนใหญ่ และ 81,920 สำหรับงานคณิตศาสตร์หรือโปรแกรมซับซ้อนผิดปกติ เป็นคำแนะนำ ไม่ใช่เพดานผลตายตัวอิสระ

กำหนดรูปคำตอบสุดท้ายชัด เช่น ผลคณิตศาสตร์มีตัวคั่นหรือฟิลด์คำตอบ ผู้พัฒนาแนะนำเก็บผลสุดท้ายไม่มีเนื้อหาความคิดในข้อความผู้ช่วยประวัติ ตามแม่แบบเช็กพอยต์นี้ ไม่ควรนำตัวเลือกเก็บเหตุผลประวัติของโมเดลภายหลังมาใช้อัตโนมัติ

ข้อจำกัดสำคัญ

เป็นโมเดลเฉพาะข้อความ ภาพ เสียง หรือวิดีโอต้องมีรูปแทนแยกเหมาะสมก่อนเป็นหลักฐานในขั้นตอนนี้ ความคิดยาวและบริบทเป็นทรัพยากรมีขอบเขต เหตุผลละเอียดไม่ได้พิสูจน์ผลถูกต้องอย่างอิสระ ตรวจสมมติฐาน การคำนวณ และโค้ดที่สร้างกับต้นทางที่ให้ ผลมีประโยชน์เป็นคำตอบหรือผลงานที่ทบทวนได้ มีหลักฐานยังมองเห็นและรักษาเอกลักษณ์คิดอย่างเดียว

", "aboutText": "จุดเด่น Qwen3-Next: การใช้เหตุผลกับข้อความที่ซับซ้อน\n\nQwen3-Next-80B-A3B-Thinking เป็นรุ่นข้อความคิดอย่างเดียวของ Qwen3-Next ผู้พัฒนาแนะนำโมเดลนี้สำหรับงานใช้เหตุผลที่ซับซ้อนมาก และระบุการคิดของโมเดลนี้อาจยาวกว่าการคิดของโมเดลก่อนหน้า รับข้อความและส่งข้อความ รวมคำตอบมีคำอธิบายหรือข้อเสนอโค้ด แยกจาก Qwen3-Next-80B-A3B-Instruct และ Qwen3-Coder-Next ซึ่งมีข้อกำหนดไม่คิดต่างกัน\n\nตระกูลนำความสนใจผสมที่รวม Gated DeltaNet กับความสนใจแบบมีเกต ผู้เชี่ยวชาญแบบ sparse สูง เทคนิคเสถียรเช่น layer normalization แบบ zero-centered และ weight-decayed และการทำนายหลายโทเคนมาใช้ Qwen ยังอธิบายการทำ reinforcement learning ให้เสถียรผ่าน GSPO เป็นฟีเจอร์การฝึกและสถาปัตยกรรม ประสิทธิภาพที่ได้ขึ้นกับการพัฒนาและไม่ควรกลายเป็นคำกล่าวเวลาตอบสากล\n\nภาพรวมโมเดล\n\nโมเดลมีพารามิเตอร์รวม 80 พันล้านและเปิดใช้สามพันล้าน มี 48 ชั้นในรูปแบบผู้เชี่ยวชาญสาม DeltaNet ต่อหนึ่งความสนใจมีเกต ผู้พัฒนาระบุผู้เชี่ยวชาญ 512 ตัว เปิดใช้สิบตัว และใช้ร่วมหนึ่งตัว ฝึกเบื้องต้นด้วย 15 ล้านล้านโทเคนแล้วฝึกภายหลัง พารามิเตอร์ที่เปิดใช้ไม่ใช่ขนาดเช็กพอยต์ครบ\n\nบริบทเดิมคือ 262,144 โทเคน มีส่วนขยายระบุถึง 1,010,000 ข้อความต้นทาง ข้อความประวัติ ข้อสังเกตเครื่องมือ เหตุผล และผลสุดท้ายแบ่งโควตาลำดับที่กำหนด สำหรับการคิดซับซ้อน ผู้พัฒนาแนะนำบริบทกำหนดมากกว่า 131,072 เมื่อเป็นไปได้ แม้หน้าต่างเล็กกว่าลดแรงกดหน่วยความจำ\n\nการใช้อินเทอร์เฟซคิดอย่างเดียว\n\nแม่แบบแชตเริ่มต้นมีเครื่องหมายเปิดคิดอยู่แล้ว ลำดับที่ส่งกลับจึงมีเครื่องหมายปิดโดยไม่ซ้ำเครื่องหมายเปิดได้ เป็นรูปแบบปกติของสูตรผู้พัฒนา ไม่ใช่หลักฐานว่าเหตุผลหาย โมเดลรองรับเฉพาะโหมดคิด คำขอคำตอบสุดท้ายกระชับไม่เปลี่ยนเป็นรุ่นไม่คิด\n\nสำหรับปัญหาคณิตศาสตร์หรือตรรกะ ให้โจทย์ครบ นิยาม หน่วย และสมมติฐานที่อนุญาต ขอคำตอบสุดท้ายมีขอบเขตชัดพร้อมขั้นสนับสนุนที่ต้องใช้ตรวจ สำหรับการใช้เหตุผลเกี่ยวกับโค้ด ให้ฟังก์ชัน ข้อมูลเข้า และพฤติกรรมที่ตั้งใจเกี่ยวข้อง แล้วขอข้อเสนอมีคำอธิบาย เทียบการคำนวณสนับสนุนหรือแพตช์เสนอ กับเงื่อนไขที่ให้และผลจริง\n\nการพัฒนาและเครื่องมือ\n\nตัวอย่างผู้พัฒนารองรับงานพัฒนาและขั้นตอนเครื่องมือ และแนะนำ Qwen-Agent สำหรับแม่แบบการเรียกเครื่องมือและการแยกวิเคราะห์คำขอเรียกเครื่องมือ พร้อมเครื่องมือกำหนดค่าหรือเชื่อม MCP กำหนดเครื่องมืออนุญาต เป้าหมายงาน และเงื่อนไขเสร็จที่สังเกตได้ แอปพลิเคชันทำการกระทำภายนอกและส่งข้อสังเกตจริง โมเดลใช้ผลตอบกลับนั้นในคำตอบถัดไปได้\n\nการทำนายหลายโทเคนเป็นส่วนฝึก แต่การใช้ในการอนุมานขึ้นกับการพัฒนาและไม่ได้มีทั่วไปในทุกขั้นตอนเบา คงความต่างนี้เมื่อประเมินการนำไปใช้ ความสามารถเครื่องมือหรือสถาปัตยกรรมอย่างเดียวไม่กำหนดการเข้าถึงไฟล์ ต้นทางปัจจุบัน หรือสภาพแวดล้อมรันผ่านอีกแอปพลิเคชัน\n\nข้อความยาวมาก\n\nส่วนขยายที่ระบุใช้ YaRN ผู้พัฒนาตรวจสอบบริบทราวหนึ่งล้านโทเคนและให้สูตรตัวคูณสี่จาก 262,144 ตำแหน่งเดิม สำหรับงาน 524,288 โทเคน แนะนำตัวคูณสอง การปรับสเกลคงที่กระทบประสิทธิภาพข้อความสั้นกว่าได้ จึงควรตามความจำเป็นจริงของข้อมูลเข้ายาว\n\nจัดข้อมูลเข้าใหญ่ด้วยขอบเขตเอกสารและตัวระบุโค้ดหรือส่วน ระบุคำถามและผลงานคาดหวังให้โมเดลเชื่อมหลักฐานเกี่ยวข้อง แทนใช้หน้าต่างเต็มเป็นสิ่งแทนงานชัด เผื่อพื้นที่เหตุผลที่อาจยาวและผลสุดท้าย\n\nแนวทางสร้าง\n\nแนวปฏิบัติแนะนำ temperature 0.6, top_p 0.95, top_k 20 และ min_p 0 ในที่รองรับ presence penalty ระหว่างศูนย์และสองลดข้อความซ้ำได้ แต่ค่าที่สูงกว่าอาจผสมภาษาหรือลดคุณภาพเล็กน้อย Qwen แนะนำโควตาสร้าง 32,768 โทเคนสำหรับคำถามส่วนใหญ่ และ 81,920 สำหรับงานคณิตศาสตร์หรือโปรแกรมซับซ้อนผิดปกติ เป็นคำแนะนำ ไม่ใช่เพดานผลตายตัวอิสระ\n\nกำหนดรูปคำตอบสุดท้ายชัด เช่น ผลคณิตศาสตร์มีตัวคั่นหรือฟิลด์คำตอบ ผู้พัฒนาแนะนำเก็บผลสุดท้ายไม่มีเนื้อหาความคิดในข้อความผู้ช่วยประวัติ ตามแม่แบบเช็กพอยต์นี้ ไม่ควรนำตัวเลือกเก็บเหตุผลประวัติของโมเดลภายหลังมาใช้อัตโนมัติ\n\nข้อจำกัดสำคัญ\n\nเป็นโมเดลเฉพาะข้อความ ภาพ เสียง หรือวิดีโอต้องมีรูปแทนแยกเหมาะสมก่อนเป็นหลักฐานในขั้นตอนนี้ ความคิดยาวและบริบทเป็นทรัพยากรมีขอบเขต เหตุผลละเอียดไม่ได้พิสูจน์ผลถูกต้องอย่างอิสระ ตรวจสมมติฐาน การคำนวณ และโค้ดที่สร้างกับต้นทางที่ให้ ผลมีประโยชน์เป็นคำตอบหรือผลงานที่ทบทวนได้ มีหลักฐานยังมองเห็นและรักษาเอกลักษณ์คิดอย่างเดียว", "editorialOverlay": { "copy_fields": { "practical_html": "

งานตัวอย่างจริง

ตัวอย่างทางเทคนิคภาษาอังกฤษ

Identify what a logic puzzle actually determines\n\nExactly one of A, B and C took a key, and exactly one statement is true. A says, 'B took it.' B says, 'C took it.' C says, 'I did not take it.' Determine every possible culprit consistent with these premises. Show a truth table and state whether the culprit is uniquely determined.

ผลลัพธ์ที่คาดหวัง

A three-case truth table and the complete set of consistent culprits with a uniqueness conclusion.

ตรวจสอบผลลัพธ์

The table checks exactly one true statement in each candidate case and preserves multiple solutions if the premises allow them.

" }, "copy_sha256": "6d385fbbf0efd65212778fae10386925ae0c228d9cde02e2bedf321672aaeb74", "copy_source": { "locale": "th", "pack_sha256": "0f56d90ba41881e1134accf82e57338f246f8753ca4c0cee929aaffada5d10e7", "record_model_id": "qwen/qwen3-next-80b-a3b-thinking", "source_facts_sha256": "2b8a6665a926c6abee164b2c7145329084ed196ff8d7068ef0b697f3c8b0a8a5", "validation_sha256": "a2ac2f28056280fc0b2ea34a501bf156d5ce155406e57e708edf30bfdf6bfdc6" }, "html_sha256": "1da8ffbe2aeb70bb992b072c44fd5f2c252b55513db02d78310b82dcc3360d5a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "th", "methods": [ { "html": "

Al

Qwen: Qwen3 Next 80B A3B Thinking

Alibaba /qwen/qwen3-next-80b-a3b-thinking

เริ่มต้น

Qwen3-Next-80B-A3B-Thinking เป็นโมเดลสำหรับการใช้เหตุผลกับข้อความของ Qwen มีพารามิเตอร์รวม 80 พันล้านและเปิดใช้ 3 พันล้าน ใช้โหมดคิดอย่างเดียว ความสนใจผสม และผู้เชี่ยวชาญ sparse สำหรับงานซับซ้อน พร้อมบริบทเดิม 262,144 โทเคนและส่วนขยายมีเงื่อนไขถึง 1,010,000

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: ข้อความ

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

จุดเด่น Qwen3-Next: การใช้เหตุผลกับข้อความที่ซับซ้อน

Qwen3-Next-80B-A3B-Thinking เป็นรุ่นข้อความคิดอย่างเดียวของ Qwen3-Next ผู้พัฒนาแนะนำโมเดลนี้สำหรับงานใช้เหตุผลที่ซับซ้อนมาก และระบุการคิดของโมเดลนี้อาจยาวกว่าการคิดของโมเดลก่อนหน้า รับข้อความและส่งข้อความ รวมคำตอบมีคำอธิบายหรือข้อเสนอโค้ด แยกจาก Qwen3-Next-80B-A3B-Instruct และ Qwen3-Coder-Next ซึ่งมีข้อกำหนดไม่คิดต่างกัน

ตระกูลนำความสนใจผสมที่รวม Gated DeltaNet กับความสนใจแบบมีเกต ผู้เชี่ยวชาญแบบ sparse สูง เทคนิคเสถียรเช่น layer normalization แบบ zero-centered และ weight-decayed และการทำนายหลายโทเคนมาใช้ Qwen ยังอธิบายการทำ reinforcement learning ให้เสถียรผ่าน GSPO เป็นฟีเจอร์การฝึกและสถาปัตยกรรม ประสิทธิภาพที่ได้ขึ้นกับการพัฒนาและไม่ควรกลายเป็นคำกล่าวเวลาตอบสากล

ภาพรวมโมเดล

โมเดลมีพารามิเตอร์รวม 80 พันล้านและเปิดใช้สามพันล้าน มี 48 ชั้นในรูปแบบผู้เชี่ยวชาญสาม DeltaNet ต่อหนึ่งความสนใจมีเกต ผู้พัฒนาระบุผู้เชี่ยวชาญ 512 ตัว เปิดใช้สิบตัว และใช้ร่วมหนึ่งตัว ฝึกเบื้องต้นด้วย 15 ล้านล้านโทเคนแล้วฝึกภายหลัง พารามิเตอร์ที่เปิดใช้ไม่ใช่ขนาดเช็กพอยต์ครบ

บริบทเดิมคือ 262,144 โทเคน มีส่วนขยายระบุถึง 1,010,000 ข้อความต้นทาง ข้อความประวัติ ข้อสังเกตเครื่องมือ เหตุผล และผลสุดท้ายแบ่งโควตาลำดับที่กำหนด สำหรับการคิดซับซ้อน ผู้พัฒนาแนะนำบริบทกำหนดมากกว่า 131,072 เมื่อเป็นไปได้ แม้หน้าต่างเล็กกว่าลดแรงกดหน่วยความจำ

การใช้อินเทอร์เฟซคิดอย่างเดียว

แม่แบบแชตเริ่มต้นมีเครื่องหมายเปิดคิดอยู่แล้ว ลำดับที่ส่งกลับจึงมีเครื่องหมายปิดโดยไม่ซ้ำเครื่องหมายเปิดได้ เป็นรูปแบบปกติของสูตรผู้พัฒนา ไม่ใช่หลักฐานว่าเหตุผลหาย โมเดลรองรับเฉพาะโหมดคิด คำขอคำตอบสุดท้ายกระชับไม่เปลี่ยนเป็นรุ่นไม่คิด

สำหรับปัญหาคณิตศาสตร์หรือตรรกะ ให้โจทย์ครบ นิยาม หน่วย และสมมติฐานที่อนุญาต ขอคำตอบสุดท้ายมีขอบเขตชัดพร้อมขั้นสนับสนุนที่ต้องใช้ตรวจ สำหรับการใช้เหตุผลเกี่ยวกับโค้ด ให้ฟังก์ชัน ข้อมูลเข้า และพฤติกรรมที่ตั้งใจเกี่ยวข้อง แล้วขอข้อเสนอมีคำอธิบาย เทียบการคำนวณสนับสนุนหรือแพตช์เสนอ กับเงื่อนไขที่ให้และผลจริง

การพัฒนาและเครื่องมือ

ตัวอย่างผู้พัฒนารองรับงานพัฒนาและขั้นตอนเครื่องมือ และแนะนำ Qwen-Agent สำหรับแม่แบบการเรียกเครื่องมือและการแยกวิเคราะห์คำขอเรียกเครื่องมือ พร้อมเครื่องมือกำหนดค่าหรือเชื่อม MCP กำหนดเครื่องมืออนุญาต เป้าหมายงาน และเงื่อนไขเสร็จที่สังเกตได้ แอปพลิเคชันทำการกระทำภายนอกและส่งข้อสังเกตจริง โมเดลใช้ผลตอบกลับนั้นในคำตอบถัดไปได้

การทำนายหลายโทเคนเป็นส่วนฝึก แต่การใช้ในการอนุมานขึ้นกับการพัฒนาและไม่ได้มีทั่วไปในทุกขั้นตอนเบา คงความต่างนี้เมื่อประเมินการนำไปใช้ ความสามารถเครื่องมือหรือสถาปัตยกรรมอย่างเดียวไม่กำหนดการเข้าถึงไฟล์ ต้นทางปัจจุบัน หรือสภาพแวดล้อมรันผ่านอีกแอปพลิเคชัน

ข้อความยาวมาก

ส่วนขยายที่ระบุใช้ YaRN ผู้พัฒนาตรวจสอบบริบทราวหนึ่งล้านโทเคนและให้สูตรตัวคูณสี่จาก 262,144 ตำแหน่งเดิม สำหรับงาน 524,288 โทเคน แนะนำตัวคูณสอง การปรับสเกลคงที่กระทบประสิทธิภาพข้อความสั้นกว่าได้ จึงควรตามความจำเป็นจริงของข้อมูลเข้ายาว

จัดข้อมูลเข้าใหญ่ด้วยขอบเขตเอกสารและตัวระบุโค้ดหรือส่วน ระบุคำถามและผลงานคาดหวังให้โมเดลเชื่อมหลักฐานเกี่ยวข้อง แทนใช้หน้าต่างเต็มเป็นสิ่งแทนงานชัด เผื่อพื้นที่เหตุผลที่อาจยาวและผลสุดท้าย

แนวทางสร้าง

แนวปฏิบัติแนะนำ temperature 0.6, top_p 0.95, top_k 20 และ min_p 0 ในที่รองรับ presence penalty ระหว่างศูนย์และสองลดข้อความซ้ำได้ แต่ค่าที่สูงกว่าอาจผสมภาษาหรือลดคุณภาพเล็กน้อย Qwen แนะนำโควตาสร้าง 32,768 โทเคนสำหรับคำถามส่วนใหญ่ และ 81,920 สำหรับงานคณิตศาสตร์หรือโปรแกรมซับซ้อนผิดปกติ เป็นคำแนะนำ ไม่ใช่เพดานผลตายตัวอิสระ

กำหนดรูปคำตอบสุดท้ายชัด เช่น ผลคณิตศาสตร์มีตัวคั่นหรือฟิลด์คำตอบ ผู้พัฒนาแนะนำเก็บผลสุดท้ายไม่มีเนื้อหาความคิดในข้อความผู้ช่วยประวัติ ตามแม่แบบเช็กพอยต์นี้ ไม่ควรนำตัวเลือกเก็บเหตุผลประวัติของโมเดลภายหลังมาใช้อัตโนมัติ

ข้อจำกัดสำคัญ

เป็นโมเดลเฉพาะข้อความ ภาพ เสียง หรือวิดีโอต้องมีรูปแทนแยกเหมาะสมก่อนเป็นหลักฐานในขั้นตอนนี้ ความคิดยาวและบริบทเป็นทรัพยากรมีขอบเขต เหตุผลละเอียดไม่ได้พิสูจน์ผลถูกต้องอย่างอิสระ ตรวจสมมติฐาน การคำนวณ และโค้ดที่สร้างกับต้นทางที่ให้ ผลมีประโยชน์เป็นคำตอบหรือผลงานที่ทบทวนได้ มีหลักฐานยังมองเห็นและรักษาเอกลักษณ์คิดอย่างเดียว

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions

ขาเข้า: text
ขาออก: text
รูปแบบเอาต์พุต: json หรือ SSE

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด qwen/qwen3-next-80b-a3b-thinking	ค่าเริ่มต้น—
ฟิลด์`messages`	ประเภท`message[]`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1	ค่าเริ่มต้น—
ฟิลด์`messages[].role`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ตัวอย่าง: system, user, assistant, tool, function เงื่อนไข: บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`messages[].content`	ประเภท`string\|content_part[]\|null`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].tool_calls`	ประเภท`tool_call[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].tool_call_id`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ใช้เมื่อ: role=tool โดยใช้ ID ที่ส่งกลับจริง	ค่าเริ่มต้น—
ฟิลด์`messages[].name`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].reasoning_content`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ใช้เมื่อ: ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น	ค่าเริ่มต้น—
ฟิลด์`messages[].reasoning_details`	ประเภท`object\|array`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`max_tokens`	ประเภท`integer`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`max_completion_tokens`	ประเภท`integer`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`stream`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้นfalse
ฟิลด์`stream_options.include_usage`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`temperature`	ประเภท`number`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`top_p`	ประเภท`number`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`stop`	ประเภท`string\|string[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`tools`	ประเภท`function_tool[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`tools[].type`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด function ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`tools[].function.name`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ใช้เมื่อ: มีเครื่องมือฟังก์ชันให้ใช้	ค่าเริ่มต้น—
ฟิลด์`tools[].function.description`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`tools[].function.parameters`	ประเภท`JSON_schema`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`tool_choice`	ประเภท`string\|object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`parallel_tool_calls`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`response_format`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`reasoning_effort`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`reasoning`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`service_tier`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`instructions`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ฟิลด์เพื่อความเข้ากันได้	ค่าเริ่มต้น—
ฟิลด์`functions`	ประเภท`function[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`function_call`	ประเภท`string\|object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`prompt_cache_options`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`modalities`	ประเภท`string[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด text	ค่าเริ่มต้น—
ฟิลด์`provider`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด เงื่อนไข: เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options	ค่าเริ่มต้น—
ฟิลด์`cache_control.ttl`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด เงื่อนไข: ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h	ค่าเริ่มต้น—

ชุดผสมของสื่ออินพุต

ข้อความ · ข้อความ UTF8

messages[].content

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, messages
พารามิเตอร์`material_types`	ข้อกำหนดtext
พารามิเตอร์`messages`	ข้อกำหนดอาร์เรย์ข้อความที่มีโครงสร้าง role/content
พารามิเตอร์`file_material`	ข้อกำหนดแทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์
พารามิเตอร์`optional_controls`	ข้อกำหนดstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
พารามิเตอร์`control_scope`	ข้อกำหนดขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้
พารามิเตอร์`output_modalities`	ข้อกำหนดtext
พารามิเตอร์`hosted_operations`	ข้อกำหนดfalse
พารามิเตอร์`multimodal_input_binding`	ข้อกำหนดnull

วงจรการทำงาน: synchronous_or_streamed

ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages

ความยาวบริบทไม่ใช่เพดานผลลัพธ์

ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว: อัตรามาตรฐาน เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: อัตรามาตรฐาน เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: อัตรามาตรฐาน เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่า	ตารางอัตราค่าบริการ	โทเค็นบริบท มากกว่า	โทเค็นบริบท ไม่เกินและรวมค่า	ค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคน	ตารางอัตราค่าบริการอัตราพื้นฐาน	โทเค็นบริบท มากกว่า—	โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0003 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0024 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น
การตั้งค่าระดับความยาวคำขอ 1	ตารางอัตราค่าบริการ—	โทเค็นบริบท มากกว่า0	โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0003 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0024 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · OpenAI Chat

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-next-80b-a3b-thinking", "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\n

from 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-next-80b-a3b-thinking',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"))\n

from 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-next-80b-a3b-thinking',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")\n

รับและบันทึกผลลัพธ์

Ailoot Ultra · OpenAI Chat

json หรือ SSE

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้

ฟิลด์การตอบกลับ

ฟิลด์	ประเภท
ฟิลด์`choices[].index`	ประเภทinteger
ฟิลด์`choices[].message.content`	ประเภทstring\|null
ฟิลด์`choices[].message.tool_calls`	ประเภทtool_call[]
ฟิลด์`choices[].message.reasoning_content`	ประเภทstring
ฟิลด์`choices[].message.reasoning_details`	ประเภทobject\|array
ฟิลด์`choices[].finish_reason`	ประเภทstring\|null
ฟิลด์`usage`	ประเภทobject

ข้อผิดพลาดและขั้นตอนถัดไป

การตอบกลับ	เงื่อนไข	ขั้นตอนถัดไป
การตอบกลับ400 · `invalid_request_error`	เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง	ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra qwen/qwen3-next-80b-a3b-thinking

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

qwen/qwen3-next-80b-a3b-thinking

", "method_identity": { "effective_request_model_id": "qwen/qwen3-next-80b-a3b-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "qwen/qwen3-next-80b-a3b-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|qwen%2Fqwen3-next-80b-a3b-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "A model-dependent field needs the exact published model profile; unspecified defaults/enums are not guessed.", "Tool calls propose actions; the client application returns actual observations with the returned call ID.", "Guarded canonical keys must occur once; duplicate or case-varied model/tools/cap fields are rejected." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "ข้อความ UTF8" } ], "operation_modes": [ "conversation", "function_tool_continuation", "streaming" ], "outputs": { "all_results": "เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen/qwen3-next-80b-a3b-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "conditions": "บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล", "default": null, "default_known": false, "enum": [ "system", "user", "assistant", "tool", "function" ], "enum_exhaustive": false, "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string|content_part[]|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_calls", "required": false, "type": "tool_call[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_call_id", "required": false, "type": "string", "when": "role=tool โดยใช้ ID ที่ส่งกลับจริง" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].name", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_content", "required": false, "type": "string", "when": "ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_details", "required": false, "type": "object|array" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stream_options.include_usage", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stop", "required": false, "type": "string|string[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools", "required": false, "type": "function_tool[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": [ "function" ], "enum_known": true, "name": "tools[].type", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.name", "required": true, "type": "string", "when": "มีเครื่องมือฟังก์ชันให้ใช้" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.description", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.parameters", "required": false, "type": "JSON_schema" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tool_choice", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "parallel_tool_calls", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "response_format", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning_effort", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "service_tier", "required": false, "type": "string" }, { "availability": "source_compatibility", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "instructions", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "functions", "required": false, "type": "function[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "function_call", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "prompt_cache_options", "required": false, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text" ], "enum_known": true, "name": "modalities", "required": false, "type": "string[]" }, { "availability": "source_interface", "conditions": "เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" }, { "availability": "source_interface", "conditions": "ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cache_control.ttl", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages", "ความยาวบริบทไม่ใช่เพดานผลลัพธ์", "ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง" ], "input": { "content_type": "application/json", "control_scope": "ขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้", "file_material": "แทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์", "hosted_operations": false, "material_types": [ "text" ], "messages": "อาร์เรย์ข้อความที่มีโครงสร้าง role/content", "multimodal_input_binding": null, "optional_controls": [ "stream", "temperature", "top_p", "stop", "max_tokens", "max_completion_tokens", "reasoning", "response_format", "tools", "tool_choice" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "ระดับความยาวคำขอ 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-next-80b-a3b-thinking\", \"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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-next-80b-a3b-thinking',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\"))\n", "label": "Python SDK · all choices", "language": "python" }, { "code": "from 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-next-80b-a3b-thinking',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\")\n", "label": "Python SDK streaming · all events", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.3, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 2.4, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "qwen/qwen3-next-80b-a3b-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.3, "input_multiplier": null, "interval_boundary": "min_exclusive_max_inclusive", "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "null_rate_policy": "unknown or inherited; never zero", "out": 2.4, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "

Al

Qwen: Qwen3 Next 80B A3B Thinking

Alibaba /qwen/qwen3-next-80b-a3b-thinking

เริ่มต้น

Qwen3-Next-80B-A3B-Thinking เป็นโมเดลสำหรับการใช้เหตุผลกับข้อความของ Qwen มีพารามิเตอร์รวม 80 พันล้านและเปิดใช้ 3 พันล้าน ใช้โหมดคิดอย่างเดียว ความสนใจผสม และผู้เชี่ยวชาญ sparse สำหรับงานซับซ้อน พร้อมบริบทเดิม 262,144 โทเคนและส่วนขยายมีเงื่อนไขถึง 1,010,000

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: json · sse

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

จุดเด่น Qwen3-Next: การใช้เหตุผลกับข้อความที่ซับซ้อน

Qwen3-Next-80B-A3B-Thinking เป็นรุ่นข้อความคิดอย่างเดียวของ Qwen3-Next ผู้พัฒนาแนะนำโมเดลนี้สำหรับงานใช้เหตุผลที่ซับซ้อนมาก และระบุการคิดของโมเดลนี้อาจยาวกว่าการคิดของโมเดลก่อนหน้า รับข้อความและส่งข้อความ รวมคำตอบมีคำอธิบายหรือข้อเสนอโค้ด แยกจาก Qwen3-Next-80B-A3B-Instruct และ Qwen3-Coder-Next ซึ่งมีข้อกำหนดไม่คิดต่างกัน

ตระกูลนำความสนใจผสมที่รวม Gated DeltaNet กับความสนใจแบบมีเกต ผู้เชี่ยวชาญแบบ sparse สูง เทคนิคเสถียรเช่น layer normalization แบบ zero-centered และ weight-decayed และการทำนายหลายโทเคนมาใช้ Qwen ยังอธิบายการทำ reinforcement learning ให้เสถียรผ่าน GSPO เป็นฟีเจอร์การฝึกและสถาปัตยกรรม ประสิทธิภาพที่ได้ขึ้นกับการพัฒนาและไม่ควรกลายเป็นคำกล่าวเวลาตอบสากล

ภาพรวมโมเดล

โมเดลมีพารามิเตอร์รวม 80 พันล้านและเปิดใช้สามพันล้าน มี 48 ชั้นในรูปแบบผู้เชี่ยวชาญสาม DeltaNet ต่อหนึ่งความสนใจมีเกต ผู้พัฒนาระบุผู้เชี่ยวชาญ 512 ตัว เปิดใช้สิบตัว และใช้ร่วมหนึ่งตัว ฝึกเบื้องต้นด้วย 15 ล้านล้านโทเคนแล้วฝึกภายหลัง พารามิเตอร์ที่เปิดใช้ไม่ใช่ขนาดเช็กพอยต์ครบ

บริบทเดิมคือ 262,144 โทเคน มีส่วนขยายระบุถึง 1,010,000 ข้อความต้นทาง ข้อความประวัติ ข้อสังเกตเครื่องมือ เหตุผล และผลสุดท้ายแบ่งโควตาลำดับที่กำหนด สำหรับการคิดซับซ้อน ผู้พัฒนาแนะนำบริบทกำหนดมากกว่า 131,072 เมื่อเป็นไปได้ แม้หน้าต่างเล็กกว่าลดแรงกดหน่วยความจำ

การใช้อินเทอร์เฟซคิดอย่างเดียว

แม่แบบแชตเริ่มต้นมีเครื่องหมายเปิดคิดอยู่แล้ว ลำดับที่ส่งกลับจึงมีเครื่องหมายปิดโดยไม่ซ้ำเครื่องหมายเปิดได้ เป็นรูปแบบปกติของสูตรผู้พัฒนา ไม่ใช่หลักฐานว่าเหตุผลหาย โมเดลรองรับเฉพาะโหมดคิด คำขอคำตอบสุดท้ายกระชับไม่เปลี่ยนเป็นรุ่นไม่คิด

สำหรับปัญหาคณิตศาสตร์หรือตรรกะ ให้โจทย์ครบ นิยาม หน่วย และสมมติฐานที่อนุญาต ขอคำตอบสุดท้ายมีขอบเขตชัดพร้อมขั้นสนับสนุนที่ต้องใช้ตรวจ สำหรับการใช้เหตุผลเกี่ยวกับโค้ด ให้ฟังก์ชัน ข้อมูลเข้า และพฤติกรรมที่ตั้งใจเกี่ยวข้อง แล้วขอข้อเสนอมีคำอธิบาย เทียบการคำนวณสนับสนุนหรือแพตช์เสนอ กับเงื่อนไขที่ให้และผลจริง

การพัฒนาและเครื่องมือ

ตัวอย่างผู้พัฒนารองรับงานพัฒนาและขั้นตอนเครื่องมือ และแนะนำ Qwen-Agent สำหรับแม่แบบการเรียกเครื่องมือและการแยกวิเคราะห์คำขอเรียกเครื่องมือ พร้อมเครื่องมือกำหนดค่าหรือเชื่อม MCP กำหนดเครื่องมืออนุญาต เป้าหมายงาน และเงื่อนไขเสร็จที่สังเกตได้ แอปพลิเคชันทำการกระทำภายนอกและส่งข้อสังเกตจริง โมเดลใช้ผลตอบกลับนั้นในคำตอบถัดไปได้

การทำนายหลายโทเคนเป็นส่วนฝึก แต่การใช้ในการอนุมานขึ้นกับการพัฒนาและไม่ได้มีทั่วไปในทุกขั้นตอนเบา คงความต่างนี้เมื่อประเมินการนำไปใช้ ความสามารถเครื่องมือหรือสถาปัตยกรรมอย่างเดียวไม่กำหนดการเข้าถึงไฟล์ ต้นทางปัจจุบัน หรือสภาพแวดล้อมรันผ่านอีกแอปพลิเคชัน

ข้อความยาวมาก

ส่วนขยายที่ระบุใช้ YaRN ผู้พัฒนาตรวจสอบบริบทราวหนึ่งล้านโทเคนและให้สูตรตัวคูณสี่จาก 262,144 ตำแหน่งเดิม สำหรับงาน 524,288 โทเคน แนะนำตัวคูณสอง การปรับสเกลคงที่กระทบประสิทธิภาพข้อความสั้นกว่าได้ จึงควรตามความจำเป็นจริงของข้อมูลเข้ายาว

จัดข้อมูลเข้าใหญ่ด้วยขอบเขตเอกสารและตัวระบุโค้ดหรือส่วน ระบุคำถามและผลงานคาดหวังให้โมเดลเชื่อมหลักฐานเกี่ยวข้อง แทนใช้หน้าต่างเต็มเป็นสิ่งแทนงานชัด เผื่อพื้นที่เหตุผลที่อาจยาวและผลสุดท้าย

แนวทางสร้าง

แนวปฏิบัติแนะนำ temperature 0.6, top_p 0.95, top_k 20 และ min_p 0 ในที่รองรับ presence penalty ระหว่างศูนย์และสองลดข้อความซ้ำได้ แต่ค่าที่สูงกว่าอาจผสมภาษาหรือลดคุณภาพเล็กน้อย Qwen แนะนำโควตาสร้าง 32,768 โทเคนสำหรับคำถามส่วนใหญ่ และ 81,920 สำหรับงานคณิตศาสตร์หรือโปรแกรมซับซ้อนผิดปกติ เป็นคำแนะนำ ไม่ใช่เพดานผลตายตัวอิสระ

กำหนดรูปคำตอบสุดท้ายชัด เช่น ผลคณิตศาสตร์มีตัวคั่นหรือฟิลด์คำตอบ ผู้พัฒนาแนะนำเก็บผลสุดท้ายไม่มีเนื้อหาความคิดในข้อความผู้ช่วยประวัติ ตามแม่แบบเช็กพอยต์นี้ ไม่ควรนำตัวเลือกเก็บเหตุผลประวัติของโมเดลภายหลังมาใช้อัตโนมัติ

ข้อจำกัดสำคัญ

เป็นโมเดลเฉพาะข้อความ ภาพ เสียง หรือวิดีโอต้องมีรูปแทนแยกเหมาะสมก่อนเป็นหลักฐานในขั้นตอนนี้ ความคิดยาวและบริบทเป็นทรัพยากรมีขอบเขต เหตุผลละเอียดไม่ได้พิสูจน์ผลถูกต้องอย่างอิสระ ตรวจสมมติฐาน การคำนวณ และโค้ดที่สร้างกับต้นทางที่ให้ ผลมีประโยชน์เป็นคำตอบหรือผลงานที่ทบทวนได้ มีหลักฐานยังมองเห็นและรักษาเอกลักษณ์คิดอย่างเดียว

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · Anthropic Messages POST /v1/messages

ขาเข้า: text
ขาออก: json, sse
รูปแบบเอาต์พุต: JSON หรือ SSE

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด qwen/qwen3-next-80b-a3b-thinking	ค่าเริ่มต้น—
ฟิลด์`messages`	ประเภท`message[]`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].role`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด user, assistant	ค่าเริ่มต้น—
ฟิลด์`messages[].content`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`max_tokens`	ประเภท`integer`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`stream`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้นfalse

ชุดผสมของสื่ออินพุต

ข้อความ · ข้อความ UTF-8

สตริง messages[].content

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, messages, max_tokens
พารามิเตอร์`optional_controls`	ข้อกำหนดstream
พารามิเตอร์`material_types`	ข้อกำหนดtext
พารามิเตอร์`text_file_material`	ข้อกำหนดอ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ

วงจรการทำงาน: synchronous_or_streamed

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว: อัตรามาตรฐาน เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: อัตรามาตรฐาน เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: อัตรามาตรฐาน เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่า	ตารางอัตราค่าบริการ	โทเค็นบริบท มากกว่า	โทเค็นบริบท ไม่เกินและรวมค่า	ค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคน	ตารางอัตราค่าบริการอัตราพื้นฐาน	โทเค็นบริบท มากกว่า—	โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0003 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0024 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น
การตั้งค่าระดับความยาวคำขอ 1	ตารางอัตราค่าบริการ—	โทเค็นบริบท มากกว่า0	โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0003 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0024 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · Anthropic Messages

{\n  "model": "qwen/qwen3-next-80b-a3b-thinking",\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-next-80b-a3b-thinking', '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\n

import 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-next-80b-a3b-thinking', '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))\n

รับและบันทึกผลลัพธ์

Ailoot Ultra · Anthropic Messages

JSON หรือ SSE

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้

ฟิลด์การตอบกลับ

ฟิลด์	ประเภท
ฟิลด์`id`	ประเภทstring
ฟิลด์`model`	ประเภทstring
ฟิลด์`content[]`	ประเภทtext\|thinking\|tool_use\|other content block
ฟิลด์`stop_reason`	ประเภทstring\|null
ฟิลด์`usage`	ประเภทobject

ข้อผิดพลาดและขั้นตอนถัดไป

การตอบกลับ	เงื่อนไข	ขั้นตอนถัดไป
การตอบกลับ400 · `invalid_request_error`	เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง	ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra qwen/qwen3-next-80b-a3b-thinking

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

qwen/qwen3-next-80b-a3b-thinking

", "method_identity": { "effective_request_model_id": "qwen/qwen3-next-80b-a3b-thinking", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "qwen/qwen3-next-80b-a3b-thinking", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|qwen%2Fqwen3-next-80b-a3b-thinking", "ordinal": 1, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "qwen/qwen3-next-80b-a3b-thinking", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "สตริง messages[].content", "required_material": "ข้อความ UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen/qwen3-next-80b-a3b-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "qwen/qwen3-next-80b-a3b-thinking" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "qwen/qwen3-next-80b-a3b-thinking", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "อ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ" }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "ระดับความยาวคำขอ 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"qwen/qwen3-next-80b-a3b-thinking\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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-next-80b-a3b-thinking', '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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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-next-80b-a3b-thinking', '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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "in": 0.3, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 2.4, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "qwen/qwen3-next-80b-a3b-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.3, "input_multiplier": null, "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "out": 2.4, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "qwen/qwen3-next-80b-a3b-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "b0059a97db216a52748cf7012685d8b555c44d85be80477673e8a50062d95ee3", "input_html_sha256": "2323556128c69cf7c2abe5f1e5a67dcfafa3bd3b9d4519f2e8c32e89793bae2d", "private_audit_sha256": "43003cdc71fc70eca286bc1ab579c22392c7ef741513ffa29a70f6998f41b49b", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/th/qwen-qwen3-next-80b-a3b-thinking/", "description": "Qwen3-Next-80B-A3B-Thinking เป็นโมเดลสำหรับการใช้เหตุผลกับข้อความของ Qwen มีพารามิเตอร์รวม 80 พันล้านและเปิดใช้ 3 พันล้าน ใช้โหมดคิดอย่างเดียว ความสนใจผสม และผู้เชี่ยวชาญ sparse สำหรับงานซับซ้อน พร้อมบริบทเดิม 262,144 โทเคนและส่วนขยายมีเงื่อนไขถึง 1,010,000", "locale": "th", "md_url": "https://ailoot.ai/models/th/qwen-qwen3-next-80b-a3b-thinking/index.md", "title": "Qwen: Qwen3 Next 80B A3B Thinking — Ailoot", "url": "https://ailoot.ai/models/th/qwen-qwen3-next-80b-a3b-thinking/" }, "practicalHtml": "

งานตัวอย่างจริง

ตัวอย่างทางเทคนิคภาษาอังกฤษ

Identify what a logic puzzle actually determines\n\nExactly one of A, B and C took a key, and exactly one statement is true. A says, 'B took it.' B says, 'C took it.' C says, 'I did not take it.' Determine every possible culprit consistent with these premises. Show a truth table and state whether the culprit is uniquely determined.

ผลลัพธ์ที่คาดหวัง

A three-case truth table and the complete set of consistent culprits with a uniqueness conclusion.

ตรวจสอบผลลัพธ์

The table checks exactly one true statement in each candidate case and preserves multiple solutions if the premises allow them.

", "practicalText": "งานตัวอย่างจริง ตัวอย่างทางเทคนิคภาษาอังกฤษ Identify what a logic puzzle actually determines Exactly one of A, B and C took a key, and exactly one statement is true. A says, 'B took it.' B says, 'C took it.' C says, 'I did not take it.' Determine every possible culprit consistent with these premises. Show a truth table and state whether the culprit is uniquely determined. ผลลัพธ์ที่คาดหวัง A three-case truth table and the complete set of consistent culprits with a uniqueness conclusion. ตรวจสอบผลลัพธ์ The table checks exactly one true statement in each candidate case and preserves multiple solutions if the premises allow them.", "rawModel": { "about": "จุดเด่น Qwen3-Next: การใช้เหตุผลกับข้อความที่ซับซ้อน\n\nQwen3-Next-80B-A3B-Thinking เป็นรุ่นข้อความคิดอย่างเดียวของ Qwen3-Next ผู้พัฒนาแนะนำโมเดลนี้สำหรับงานใช้เหตุผลที่ซับซ้อนมาก และระบุการคิดของโมเดลนี้อาจยาวกว่าการคิดของโมเดลก่อนหน้า รับข้อความและส่งข้อความ รวมคำตอบมีคำอธิบายหรือข้อเสนอโค้ด แยกจาก Qwen3-Next-80B-A3B-Instruct และ Qwen3-Coder-Next ซึ่งมีข้อกำหนดไม่คิดต่างกัน\n\nตระกูลนำความสนใจผสมที่รวม Gated DeltaNet กับความสนใจแบบมีเกต ผู้เชี่ยวชาญแบบ sparse สูง เทคนิคเสถียรเช่น layer normalization แบบ zero-centered และ weight-decayed และการทำนายหลายโทเคนมาใช้ Qwen ยังอธิบายการทำ reinforcement learning ให้เสถียรผ่าน GSPO เป็นฟีเจอร์การฝึกและสถาปัตยกรรม ประสิทธิภาพที่ได้ขึ้นกับการพัฒนาและไม่ควรกลายเป็นคำกล่าวเวลาตอบสากล\n\nภาพรวมโมเดล\n\nโมเดลมีพารามิเตอร์รวม 80 พันล้านและเปิดใช้สามพันล้าน มี 48 ชั้นในรูปแบบผู้เชี่ยวชาญสาม DeltaNet ต่อหนึ่งความสนใจมีเกต ผู้พัฒนาระบุผู้เชี่ยวชาญ 512 ตัว เปิดใช้สิบตัว และใช้ร่วมหนึ่งตัว ฝึกเบื้องต้นด้วย 15 ล้านล้านโทเคนแล้วฝึกภายหลัง พารามิเตอร์ที่เปิดใช้ไม่ใช่ขนาดเช็กพอยต์ครบ\n\nบริบทเดิมคือ 262,144 โทเคน มีส่วนขยายระบุถึง 1,010,000 ข้อความต้นทาง ข้อความประวัติ ข้อสังเกตเครื่องมือ เหตุผล และผลสุดท้ายแบ่งโควตาลำดับที่กำหนด สำหรับการคิดซับซ้อน ผู้พัฒนาแนะนำบริบทกำหนดมากกว่า 131,072 เมื่อเป็นไปได้ แม้หน้าต่างเล็กกว่าลดแรงกดหน่วยความจำ\n\nการใช้อินเทอร์เฟซคิดอย่างเดียว\n\nแม่แบบแชตเริ่มต้นมีเครื่องหมายเปิดคิดอยู่แล้ว ลำดับที่ส่งกลับจึงมีเครื่องหมายปิดโดยไม่ซ้ำเครื่องหมายเปิดได้ เป็นรูปแบบปกติของสูตรผู้พัฒนา ไม่ใช่หลักฐานว่าเหตุผลหาย โมเดลรองรับเฉพาะโหมดคิด คำขอคำตอบสุดท้ายกระชับไม่เปลี่ยนเป็นรุ่นไม่คิด\n\nสำหรับปัญหาคณิตศาสตร์หรือตรรกะ ให้โจทย์ครบ นิยาม หน่วย และสมมติฐานที่อนุญาต ขอคำตอบสุดท้ายมีขอบเขตชัดพร้อมขั้นสนับสนุนที่ต้องใช้ตรวจ สำหรับการใช้เหตุผลเกี่ยวกับโค้ด ให้ฟังก์ชัน ข้อมูลเข้า และพฤติกรรมที่ตั้งใจเกี่ยวข้อง แล้วขอข้อเสนอมีคำอธิบาย เทียบการคำนวณสนับสนุนหรือแพตช์เสนอ กับเงื่อนไขที่ให้และผลจริง\n\nการพัฒนาและเครื่องมือ\n\nตัวอย่างผู้พัฒนารองรับงานพัฒนาและขั้นตอนเครื่องมือ และแนะนำ Qwen-Agent สำหรับแม่แบบการเรียกเครื่องมือและการแยกวิเคราะห์คำขอเรียกเครื่องมือ พร้อมเครื่องมือกำหนดค่าหรือเชื่อม MCP กำหนดเครื่องมืออนุญาต เป้าหมายงาน และเงื่อนไขเสร็จที่สังเกตได้ แอปพลิเคชันทำการกระทำภายนอกและส่งข้อสังเกตจริง โมเดลใช้ผลตอบกลับนั้นในคำตอบถัดไปได้\n\nการทำนายหลายโทเคนเป็นส่วนฝึก แต่การใช้ในการอนุมานขึ้นกับการพัฒนาและไม่ได้มีทั่วไปในทุกขั้นตอนเบา คงความต่างนี้เมื่อประเมินการนำไปใช้ ความสามารถเครื่องมือหรือสถาปัตยกรรมอย่างเดียวไม่กำหนดการเข้าถึงไฟล์ ต้นทางปัจจุบัน หรือสภาพแวดล้อมรันผ่านอีกแอปพลิเคชัน\n\nข้อความยาวมาก\n\nส่วนขยายที่ระบุใช้ YaRN ผู้พัฒนาตรวจสอบบริบทราวหนึ่งล้านโทเคนและให้สูตรตัวคูณสี่จาก 262,144 ตำแหน่งเดิม สำหรับงาน 524,288 โทเคน แนะนำตัวคูณสอง การปรับสเกลคงที่กระทบประสิทธิภาพข้อความสั้นกว่าได้ จึงควรตามความจำเป็นจริงของข้อมูลเข้ายาว\n\nจัดข้อมูลเข้าใหญ่ด้วยขอบเขตเอกสารและตัวระบุโค้ดหรือส่วน ระบุคำถามและผลงานคาดหวังให้โมเดลเชื่อมหลักฐานเกี่ยวข้อง แทนใช้หน้าต่างเต็มเป็นสิ่งแทนงานชัด เผื่อพื้นที่เหตุผลที่อาจยาวและผลสุดท้าย\n\nแนวทางสร้าง\n\nแนวปฏิบัติแนะนำ temperature 0.6, top_p 0.95, top_k 20 และ min_p 0 ในที่รองรับ presence penalty ระหว่างศูนย์และสองลดข้อความซ้ำได้ แต่ค่าที่สูงกว่าอาจผสมภาษาหรือลดคุณภาพเล็กน้อย Qwen แนะนำโควตาสร้าง 32,768 โทเคนสำหรับคำถามส่วนใหญ่ และ 81,920 สำหรับงานคณิตศาสตร์หรือโปรแกรมซับซ้อนผิดปกติ เป็นคำแนะนำ ไม่ใช่เพดานผลตายตัวอิสระ\n\nกำหนดรูปคำตอบสุดท้ายชัด เช่น ผลคณิตศาสตร์มีตัวคั่นหรือฟิลด์คำตอบ ผู้พัฒนาแนะนำเก็บผลสุดท้ายไม่มีเนื้อหาความคิดในข้อความผู้ช่วยประวัติ ตามแม่แบบเช็กพอยต์นี้ ไม่ควรนำตัวเลือกเก็บเหตุผลประวัติของโมเดลภายหลังมาใช้อัตโนมัติ\n\nข้อจำกัดสำคัญ\n\nเป็นโมเดลเฉพาะข้อความ ภาพ เสียง หรือวิดีโอต้องมีรูปแทนแยกเหมาะสมก่อนเป็นหลักฐานในขั้นตอนนี้ ความคิดยาวและบริบทเป็นทรัพยากรมีขอบเขต เหตุผลละเอียดไม่ได้พิสูจน์ผลถูกต้องอย่างอิสระ ตรวจสมมติฐาน การคำนวณ และโค้ดที่สร้างกับต้นทางที่ให้ ผลมีประโยชน์เป็นคำตอบหรือผลงานที่ทบทวนได้ มีหลักฐานยังมองเห็นและรักษาเอกลักษณ์คิดอย่างเดียว", "alias_of": null, "aliases": [], "author": "Alibaba", "available": null, "canonical_model": "qwen/qwen3-next-80b-a3b-thinking", "capabilities": { "context_length": 262144, "manufacturer_input": [ "text" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "ดูราคาตามการกำหนดค่าแบบครบถ้วนในรายละเอียด" } ], "ctx": null, "entity_type": "model", "formats": [ "chat", "messages" ], "id": "qwen/qwen3-next-80b-a3b-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "A model-dependent field needs the exact published model profile; unspecified defaults/enums are not guessed.", "Tool calls propose actions; the client application returns actual observations with the returned call ID.", "Guarded canonical keys must occur once; duplicate or case-varied model/tools/cap fields are rejected." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "ข้อความ UTF8" } ], "operation_modes": [ "conversation", "function_tool_continuation", "streaming" ], "outputs": { "all_results": "เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen/qwen3-next-80b-a3b-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "conditions": "บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล", "default": null, "default_known": false, "enum": [ "system", "user", "assistant", "tool", "function" ], "enum_exhaustive": false, "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string|content_part[]|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_calls", "required": false, "type": "tool_call[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_call_id", "required": false, "type": "string", "when": "role=tool โดยใช้ ID ที่ส่งกลับจริง" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].name", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_content", "required": false, "type": "string", "when": "ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_details", "required": false, "type": "object|array" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stream_options.include_usage", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stop", "required": false, "type": "string|string[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools", "required": false, "type": "function_tool[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": [ "function" ], "enum_known": true, "name": "tools[].type", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.name", "required": true, "type": "string", "when": "มีเครื่องมือฟังก์ชันให้ใช้" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.description", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.parameters", "required": false, "type": "JSON_schema" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tool_choice", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "parallel_tool_calls", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "response_format", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning_effort", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "service_tier", "required": false, "type": "string" }, { "availability": "source_compatibility", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "instructions", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "functions", "required": false, "type": "function[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "function_call", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "prompt_cache_options", "required": false, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text" ], "enum_known": true, "name": "modalities", "required": false, "type": "string[]" }, { "availability": "source_interface", "conditions": "เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" }, { "availability": "source_interface", "conditions": "ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cache_control.ttl", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages", "ความยาวบริบทไม่ใช่เพดานผลลัพธ์", "ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง" ], "input": { "content_type": "application/json", "control_scope": "ขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้", "file_material": "แทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์", "hosted_operations": false, "material_types": [ "text" ], "messages": "อาร์เรย์ข้อความที่มีโครงสร้าง role/content", "multimodal_input_binding": null, "optional_controls": [ "stream", "temperature", "top_p", "stop", "max_tokens", "max_completion_tokens", "reasoning", "response_format", "tools", "tool_choice" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "ระดับความยาวคำขอ 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-next-80b-a3b-thinking\", \"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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-next-80b-a3b-thinking',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\"))\n", "label": "Python SDK · all choices", "language": "python" }, { "code": "from 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-next-80b-a3b-thinking',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\")\n", "label": "Python SDK streaming · all events", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.3, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 2.4, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "qwen/qwen3-next-80b-a3b-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.3, "input_multiplier": null, "interval_boundary": "min_exclusive_max_inclusive", "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "null_rate_policy": "unknown or inherited; never zero", "out": 2.4, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "qwen/qwen3-next-80b-a3b-thinking", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "สตริง messages[].content", "required_material": "ข้อความ UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen/qwen3-next-80b-a3b-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "qwen/qwen3-next-80b-a3b-thinking" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "qwen/qwen3-next-80b-a3b-thinking", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "อ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ" }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "ระดับความยาวคำขอ 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"qwen/qwen3-next-80b-a3b-thinking\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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-next-80b-a3b-thinking', '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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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-next-80b-a3b-thinking', '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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "in": 0.3, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 2.4, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "qwen/qwen3-next-80b-a3b-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.3, "input_multiplier": null, "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "out": 2.4, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "qwen/qwen3-next-80b-a3b-thinking", "request_model_id": "qwen/qwen3-next-80b-a3b-thinking", "route_label": "Ultra" } ], "name": "Qwen: Qwen3 Next 80B A3B Thinking", "price": { "in": 0.3, "in_label": null, "out": 2.4, "out_label": null, "scope_label": "Token rates", "sort_in": 0.3, "sort_out": 2.4, "varies": true }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "OpenAI Chat · Base token rates", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "OpenAI Chat · Request-length tier 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "regime": "base" }, "label": "Anthropic Messages · Base token rates", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Anthropic Messages · Request-length tier 1", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "public_id": "qwen/qwen3-next-80b-a3b-thinking", "short": "Qwen3-Next-80B-A3B-Thinking เป็นโมเดลสำหรับการใช้เหตุผลกับข้อความของ Qwen มีพารามิเตอร์รวม 80 พันล้านและเปิดใช้ 3 พันล้าน ใช้โหมดคิดอย่างเดียว ความสนใจผสม และผู้เชี่ยวชาญ sparse สำหรับงานซับซ้อน พร้อมบริบทเดิม 262,144 โทเคนและส่วนขยายมีเงื่อนไขถึง 1,010,000" }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Qwen3-Next-80B-A3B-Thinking เป็นโมเดลสำหรับการใช้เหตุผลกับข้อความของ Qwen มีพารามิเตอร์รวม 80 พันล้านและเปิดใช้ 3 พันล้าน ใช้โหมดคิดอย่างเดียว ความสนใจผสม และผู้เชี่ยวชาญ sparse สำหรับงานซับซ้อน พร้อมบริบทเดิม 262,144 โทเคนและส่วนขยายมีเงื่อนไขถึง 1,010,000", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "ac35d8db96c99e2bcb0828b1bc90f3a7090fcb35813b6205856f3178048891ab", "renderer_sha256": "890edb706fafafdd4f598bb324acf65fada58918b0911b97eb80e68be2ef65d9" }, "sourceRevision": "b6565e32b39b47b3eeab5ad3edf8db858b473a8d7106a3f0525c68817f428ea1" }