{ "aboutHtml": "

Qwen3-235B-A22B นำแนวทางให้เหตุผลแบบผสมของ Qwen3 มาใช้ในโมเดล mixture-of-experts ขนาดใหญ่ ความสามารถข้อความครอบคลุมโจทย์คณิตศาสตร์และตรรกะ การสร้างโค้ด การเขียนเชิงสร้างสรรค์ บทสนทนาตามบทบาท และการทำตามคำสั่งหลายรอบ ทำงานได้มากกว่า 100 ภาษาและสำเนียง สำหรับการหารือพัฒนาผลิตภัณฑ์ ให้ข้อกำหนด ตัวอย่างที่เป็นรูปธรรม และการตัดสินใจที่ต้องการ ได้แก่ เปรียบเทียบการออกแบบ การพัฒนา หรือคำอธิบายที่ผู้ฟังเฉพาะใช้ได้

โมเดลมีพารามิเตอร์รวม 235 พันล้าน และเปิดใช้งาน 22 พันล้านระหว่างประมวลผล สถาปัตยกรรมมี 128 experts เลือกแปด และมี 94 ชั้น ตัวเลขนี้ระบุรุ่นนี้ โมเดล Qwen3 ที่เล็กกว่าและรุ่น FP8 มีตัวตนแยกกัน อินพุตและเอาต์พุตเป็นข้อความ งานวิศวกรรมที่เหมาะคือเปรียบเทียบอัลกอริทึมกระทบยอดสองแบบด้วยตัวอย่างระเบียนเดียวกัน ระบุข้อจำกัดที่แต่ละแบบทำได้ และส่งอัลกอริทึมที่เลือกพร้อมกรณีทดสอบ ให้ชื่อฟิลด์จริง กฎจัดการรายการซ้ำ และยอดรวมที่คาดหวัง เพื่อให้ตรวจคำตอบเทียบกับโจทย์เดิมได้

เตรียมคำขอเป็นข้อความแชต แยกต้นฉบับจากคำสั่ง สำหรับคณิตศาสตร์ ให้โจทย์ครบ สมมติฐานที่อนุญาต และสัญกรณ์ แล้วขอคำตอบสุดท้ายในรูปแบบที่กำหนด สำหรับโค้ด ให้ฟังก์ชัน ภาษา อินพุตตัวแทน และความล้มเหลวที่สังเกต ขอการแก้ที่เล็กที่สุดซึ่งมีเหตุผลรองรับ และระบุพฤติกรรมเดิมที่ต้องรักษา สำหรับงานเขียนหลายภาษา ให้ผู้ฟังและรายการศัพท์ แทนการขอแปลทั่วไป การเชื่อมต่อตามที่เผยแพร่ต้องใช้รันไทม์ที่รู้จัก Qwen3 การ์ดเตือนว่า Transformers รุ่นต่ำกว่า 4.51.0 ไม่รู้จักสถาปัตยกรรมที่จำเป็น

การคิดและไม่คิดเป็นโหมดของโมเดลเดียวกัน เทมเพลตแชตผู้ผลิตเปิดคิดโดยค่าเริ่มต้น สวิตช์บังคับปิดได้ เมื่อยังเปิดคิด /think และ /no_think ควบคุมรายรอบ โดยคำสั่งล่าสุดมีผลเหนือคำสั่งก่อนหน้า โหมดที่บังคับปิดไม่ตอบสนองคำสั่งสลับโหมดในพรอมป์ต์เหล่านั้น ในอินเทอร์เฟซนักพัฒนา แยกคำตอบสุดท้ายจากส่วนให้เหตุผล และส่งคำตอบสุดท้ายต่อในประวัติสนทนา เลือกโหมดโดยตั้งใจ ข้อถกเถียงอัลกอริทึมกับการเขียนใหม่สั้น ๆ ต้องใช้การวิเคราะห์ต่างกัน เมื่อเปิดการคิด แม้คำขอแบบไม่คิดผ่านคำสั่งในพรอมป์ต์ก็ยังมีบล็อกการให้เหตุผล ซึ่งเนื้อหาอาจว่าง การปิดแบบบังคับจะนำบล็อกนั้นออก

สำหรับขั้นตอนเอเจนต์ ผู้ผลิตแนะนำ Qwen-Agent สำหรับเทมเพลตเครื่องมือและการแยกวิเคราะห์ เครื่องมืออาจเป็นบริการเชื่อมต่อหรือตัวแปลโค้ด แอปพลิเคชันกำหนดและดำเนินการ เช่น ให้ผู้ช่วยค้นคลังสินค้าแบบอ่านอย่างเดียวด้วยฟิลด์ตามเอกสาร และขอเปรียบเทียบสต็อกที่ส่งกลับกับคำสั่งซื้อที่ให้ กำหนดจุดประสงค์เครื่องมือ อาร์กิวเมนต์ที่รับ โครงสร้างผลลัพธ์ และขอบเขตสิทธิ์ กำหนดให้คำตอบสุดท้ายแยกการกระทำที่เสนอจากผลเครื่องมือที่ยืนยันแล้ว ความสามารถเครื่องมือของโมเดลไม่ได้ทำให้เกิดการกระทำภายนอกเอง คู่มือ Qwen3 ยังอธิบายการเรียกเครื่องมือแบบขนานและหลายขั้น โดยอาร์กิวเมนต์แทนด้วยออบเจ็กต์ และส่งผลกลับเข้าสู่บทสนทนา

บริบทดั้งเดิมคือ 32,768 โทเคน ผู้ผลิตยืนยัน 131,072 โทเคนด้วย YaRN ซึ่งขึ้นกับการตั้งค่า และ static scaling อาจกระทบอินพุตสั้น งบบริบทรวมคำขอและคำตอบที่สร้าง สำหรับข้อกำหนดยาว ให้ระบุและติดป้ายส่วนที่เกี่ยวกับการตัดสินใจ และเผื่อพื้นที่ตอบ แทนใส่ต้นฉบับเต็มงบ การ์ดแนะนำเอาต์พุต 32,768 โทเคนสำหรับคำถามส่วนใหญ่ ไม่ได้ประกาศว่าเป็นขีดจำกัดบริการสากล เอกสาร Qwen3 กล่าวถึงความยาวข้อความผู้ช่วย 38,912 โทเคนในโหมดคิด และ 16,384 ในโหมดไม่คิด ในคำอธิบายความยาวระหว่างฝึก และแนะนำให้ประเมินคุณภาพการสร้างที่ยาวขึ้น ตัวเลขเหล่านี้ต่างจากหน้าต่างบริบทรวม และไม่ใช่เพดานตายตัวเฉพาะเอนด์พอยต์ การ์ดยังอธิบายการจัดสรรตำแหน่งเริ่มต้น 40,960 โทเคน เป็น 8,192 สำหรับพรอมป์ต์ทั่วไป บวก 32,768 สำหรับเอาต์พุต นี่คือแนวทางตั้งค่าผู้ผลิต แยกจากบริบทฝึกดั้งเดิมและขีดจำกัดเอนด์พอยต์

การสุ่มที่แนะนำในโหมดคิดคือ temperature 0.6, top-p 0.95, top-k 20 และ min-p 0 ส่วนโหมดไม่คิดใช้ 0.7, 0.8, 20 และ 0 ผู้ผลิตแนะนำ sampled decoding และเตือนว่า greedy decoding ในโหมดคิดอาจทำให้ซ้ำ presence penalty สูงก็อาจทำให้ปนภาษา ทำให้ตรวจผลง่ายด้วยฟิลด์คำตอบสุดท้ายที่มีชื่อ ตารางตัดสินใจพร้อมเหตุผล หรือแพตช์โค้ดพร้อมตัวอย่าง ตรวจการคำนวณกับตัวเลขที่ให้ เรียกใช้โค้ดในสภาพแวดล้อมที่ตั้งใจ และตรวจผลเครื่องมือก่อนดำเนินการ

", "aboutText": "Qwen3-235B-A22B นำแนวทางให้เหตุผลแบบผสมของ Qwen3 มาใช้ในโมเดล mixture-of-experts ขนาดใหญ่ ความสามารถข้อความครอบคลุมโจทย์คณิตศาสตร์และตรรกะ การสร้างโค้ด การเขียนเชิงสร้างสรรค์ บทสนทนาตามบทบาท และการทำตามคำสั่งหลายรอบ ทำงานได้มากกว่า 100 ภาษาและสำเนียง สำหรับการหารือพัฒนาผลิตภัณฑ์ ให้ข้อกำหนด ตัวอย่างที่เป็นรูปธรรม และการตัดสินใจที่ต้องการ ได้แก่ เปรียบเทียบการออกแบบ การพัฒนา หรือคำอธิบายที่ผู้ฟังเฉพาะใช้ได้\n\nโมเดลมีพารามิเตอร์รวม 235 พันล้าน และเปิดใช้งาน 22 พันล้านระหว่างประมวลผล สถาปัตยกรรมมี 128 experts เลือกแปด และมี 94 ชั้น ตัวเลขนี้ระบุรุ่นนี้ โมเดล Qwen3 ที่เล็กกว่าและรุ่น FP8 มีตัวตนแยกกัน อินพุตและเอาต์พุตเป็นข้อความ งานวิศวกรรมที่เหมาะคือเปรียบเทียบอัลกอริทึมกระทบยอดสองแบบด้วยตัวอย่างระเบียนเดียวกัน ระบุข้อจำกัดที่แต่ละแบบทำได้ และส่งอัลกอริทึมที่เลือกพร้อมกรณีทดสอบ ให้ชื่อฟิลด์จริง กฎจัดการรายการซ้ำ และยอดรวมที่คาดหวัง เพื่อให้ตรวจคำตอบเทียบกับโจทย์เดิมได้\n\nเตรียมคำขอเป็นข้อความแชต แยกต้นฉบับจากคำสั่ง สำหรับคณิตศาสตร์ ให้โจทย์ครบ สมมติฐานที่อนุญาต และสัญกรณ์ แล้วขอคำตอบสุดท้ายในรูปแบบที่กำหนด สำหรับโค้ด ให้ฟังก์ชัน ภาษา อินพุตตัวแทน และความล้มเหลวที่สังเกต ขอการแก้ที่เล็กที่สุดซึ่งมีเหตุผลรองรับ และระบุพฤติกรรมเดิมที่ต้องรักษา สำหรับงานเขียนหลายภาษา ให้ผู้ฟังและรายการศัพท์ แทนการขอแปลทั่วไป การเชื่อมต่อตามที่เผยแพร่ต้องใช้รันไทม์ที่รู้จัก Qwen3 การ์ดเตือนว่า Transformers รุ่นต่ำกว่า 4.51.0 ไม่รู้จักสถาปัตยกรรมที่จำเป็น\n\nการคิดและไม่คิดเป็นโหมดของโมเดลเดียวกัน เทมเพลตแชตผู้ผลิตเปิดคิดโดยค่าเริ่มต้น สวิตช์บังคับปิดได้ เมื่อยังเปิดคิด /think และ /no_think ควบคุมรายรอบ โดยคำสั่งล่าสุดมีผลเหนือคำสั่งก่อนหน้า โหมดที่บังคับปิดไม่ตอบสนองคำสั่งสลับโหมดในพรอมป์ต์เหล่านั้น ในอินเทอร์เฟซนักพัฒนา แยกคำตอบสุดท้ายจากส่วนให้เหตุผล และส่งคำตอบสุดท้ายต่อในประวัติสนทนา เลือกโหมดโดยตั้งใจ ข้อถกเถียงอัลกอริทึมกับการเขียนใหม่สั้น ๆ ต้องใช้การวิเคราะห์ต่างกัน เมื่อเปิดการคิด แม้คำขอแบบไม่คิดผ่านคำสั่งในพรอมป์ต์ก็ยังมีบล็อกการให้เหตุผล ซึ่งเนื้อหาอาจว่าง การปิดแบบบังคับจะนำบล็อกนั้นออก\n\nสำหรับขั้นตอนเอเจนต์ ผู้ผลิตแนะนำ Qwen-Agent สำหรับเทมเพลตเครื่องมือและการแยกวิเคราะห์ เครื่องมืออาจเป็นบริการเชื่อมต่อหรือตัวแปลโค้ด แอปพลิเคชันกำหนดและดำเนินการ เช่น ให้ผู้ช่วยค้นคลังสินค้าแบบอ่านอย่างเดียวด้วยฟิลด์ตามเอกสาร และขอเปรียบเทียบสต็อกที่ส่งกลับกับคำสั่งซื้อที่ให้ กำหนดจุดประสงค์เครื่องมือ อาร์กิวเมนต์ที่รับ โครงสร้างผลลัพธ์ และขอบเขตสิทธิ์ กำหนดให้คำตอบสุดท้ายแยกการกระทำที่เสนอจากผลเครื่องมือที่ยืนยันแล้ว ความสามารถเครื่องมือของโมเดลไม่ได้ทำให้เกิดการกระทำภายนอกเอง คู่มือ Qwen3 ยังอธิบายการเรียกเครื่องมือแบบขนานและหลายขั้น โดยอาร์กิวเมนต์แทนด้วยออบเจ็กต์ และส่งผลกลับเข้าสู่บทสนทนา\n\nบริบทดั้งเดิมคือ 32,768 โทเคน ผู้ผลิตยืนยัน 131,072 โทเคนด้วย YaRN ซึ่งขึ้นกับการตั้งค่า และ static scaling อาจกระทบอินพุตสั้น งบบริบทรวมคำขอและคำตอบที่สร้าง สำหรับข้อกำหนดยาว ให้ระบุและติดป้ายส่วนที่เกี่ยวกับการตัดสินใจ และเผื่อพื้นที่ตอบ แทนใส่ต้นฉบับเต็มงบ การ์ดแนะนำเอาต์พุต 32,768 โทเคนสำหรับคำถามส่วนใหญ่ ไม่ได้ประกาศว่าเป็นขีดจำกัดบริการสากล เอกสาร Qwen3 กล่าวถึงความยาวข้อความผู้ช่วย 38,912 โทเคนในโหมดคิด และ 16,384 ในโหมดไม่คิด ในคำอธิบายความยาวระหว่างฝึก และแนะนำให้ประเมินคุณภาพการสร้างที่ยาวขึ้น ตัวเลขเหล่านี้ต่างจากหน้าต่างบริบทรวม และไม่ใช่เพดานตายตัวเฉพาะเอนด์พอยต์ การ์ดยังอธิบายการจัดสรรตำแหน่งเริ่มต้น 40,960 โทเคน เป็น 8,192 สำหรับพรอมป์ต์ทั่วไป บวก 32,768 สำหรับเอาต์พุต นี่คือแนวทางตั้งค่าผู้ผลิต แยกจากบริบทฝึกดั้งเดิมและขีดจำกัดเอนด์พอยต์\n\nการสุ่มที่แนะนำในโหมดคิดคือ temperature 0.6, top-p 0.95, top-k 20 และ min-p 0 ส่วนโหมดไม่คิดใช้ 0.7, 0.8, 20 และ 0 ผู้ผลิตแนะนำ sampled decoding และเตือนว่า greedy decoding ในโหมดคิดอาจทำให้ซ้ำ presence penalty สูงก็อาจทำให้ปนภาษา ทำให้ตรวจผลง่ายด้วยฟิลด์คำตอบสุดท้ายที่มีชื่อ ตารางตัดสินใจพร้อมเหตุผล หรือแพตช์โค้ดพร้อมตัวอย่าง ตรวจการคำนวณกับตัวเลขที่ให้ เรียกใช้โค้ดในสภาพแวดล้อมที่ตั้งใจ และตรวจผลเครื่องมือก่อนดำเนินการ", "editorialOverlay": { "copy_fields": { "practical_html": "

งานตัวอย่างจริง

ตัวอย่างทางเทคนิคภาษาอังกฤษ

Reconcile duplicate transaction records\n\nCompare two reconciliation rules on these records: (id=A, revision=1, amount=10), (A,2,12), (B,1,5). Rule X sums every row; rule Y keeps the highest revision per ID, then sums. Requirement: one current amount per ID; equal-revision disagreements must be flagged. Choose a rule, propose pseudocode and give tests for duplicates and conflicting ties.

ผลลัพธ์ที่คาดหวัง

A rule comparison, chosen algorithm, expected total for the supplied records and conflict tests.

ตรวจสอบผลลัพธ์

Check the algorithm uses ID plus revision semantics and does not silently choose between conflicting equal revisions.

" }, "copy_sha256": "1cbb77513c8149ce1a78b003ff989d42e1116f3524437d7da79344993675cb93", "copy_source": { "locale": "th", "pack_sha256": "0f56d90ba41881e1134accf82e57338f246f8753ca4c0cee929aaffada5d10e7", "record_model_id": "qwen3-235b-a22b", "source_facts_sha256": "90489c746edba7222d61657c1a9d727c75b2f505899925d232dd416dde47f74a", "validation_sha256": "a2ac2f28056280fc0b2ea34a501bf156d5ce155406e57e708edf30bfdf6bfdc6" }, "html_sha256": "35595f5e2278a9b73751dfe32d7570d613ee1010eb2341b58d07516ba84d9ca6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "th", "methods": [ { "html": "

Al

Qwen3-235B-A22B

Alibaba /qwen3-235b-a22b

เริ่มต้น

Qwen3-235B-A22B รวมการให้เหตุผลละเอียดและคำตอบข้อความโดยตรงในโมเดล mixture-of-experts เดียว ใช้สำหรับวิเคราะห์คณิตศาสตร์ เขียนโค้ด เขียนหลายภาษา และผู้ช่วยที่ใช้เครื่องมือเชื่อมต่อ

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: ข้อความ

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Qwen3-235B-A22B นำแนวทางให้เหตุผลแบบผสมของ Qwen3 มาใช้ในโมเดล mixture-of-experts ขนาดใหญ่ ความสามารถข้อความครอบคลุมโจทย์คณิตศาสตร์และตรรกะ การสร้างโค้ด การเขียนเชิงสร้างสรรค์ บทสนทนาตามบทบาท และการทำตามคำสั่งหลายรอบ ทำงานได้มากกว่า 100 ภาษาและสำเนียง สำหรับการหารือพัฒนาผลิตภัณฑ์ ให้ข้อกำหนด ตัวอย่างที่เป็นรูปธรรม และการตัดสินใจที่ต้องการ ได้แก่ เปรียบเทียบการออกแบบ การพัฒนา หรือคำอธิบายที่ผู้ฟังเฉพาะใช้ได้

โมเดลมีพารามิเตอร์รวม 235 พันล้าน และเปิดใช้งาน 22 พันล้านระหว่างประมวลผล สถาปัตยกรรมมี 128 experts เลือกแปด และมี 94 ชั้น ตัวเลขนี้ระบุรุ่นนี้ โมเดล Qwen3 ที่เล็กกว่าและรุ่น FP8 มีตัวตนแยกกัน อินพุตและเอาต์พุตเป็นข้อความ งานวิศวกรรมที่เหมาะคือเปรียบเทียบอัลกอริทึมกระทบยอดสองแบบด้วยตัวอย่างระเบียนเดียวกัน ระบุข้อจำกัดที่แต่ละแบบทำได้ และส่งอัลกอริทึมที่เลือกพร้อมกรณีทดสอบ ให้ชื่อฟิลด์จริง กฎจัดการรายการซ้ำ และยอดรวมที่คาดหวัง เพื่อให้ตรวจคำตอบเทียบกับโจทย์เดิมได้

เตรียมคำขอเป็นข้อความแชต แยกต้นฉบับจากคำสั่ง สำหรับคณิตศาสตร์ ให้โจทย์ครบ สมมติฐานที่อนุญาต และสัญกรณ์ แล้วขอคำตอบสุดท้ายในรูปแบบที่กำหนด สำหรับโค้ด ให้ฟังก์ชัน ภาษา อินพุตตัวแทน และความล้มเหลวที่สังเกต ขอการแก้ที่เล็กที่สุดซึ่งมีเหตุผลรองรับ และระบุพฤติกรรมเดิมที่ต้องรักษา สำหรับงานเขียนหลายภาษา ให้ผู้ฟังและรายการศัพท์ แทนการขอแปลทั่วไป การเชื่อมต่อตามที่เผยแพร่ต้องใช้รันไทม์ที่รู้จัก Qwen3 การ์ดเตือนว่า Transformers รุ่นต่ำกว่า 4.51.0 ไม่รู้จักสถาปัตยกรรมที่จำเป็น

การคิดและไม่คิดเป็นโหมดของโมเดลเดียวกัน เทมเพลตแชตผู้ผลิตเปิดคิดโดยค่าเริ่มต้น สวิตช์บังคับปิดได้ เมื่อยังเปิดคิด /think และ /no_think ควบคุมรายรอบ โดยคำสั่งล่าสุดมีผลเหนือคำสั่งก่อนหน้า โหมดที่บังคับปิดไม่ตอบสนองคำสั่งสลับโหมดในพรอมป์ต์เหล่านั้น ในอินเทอร์เฟซนักพัฒนา แยกคำตอบสุดท้ายจากส่วนให้เหตุผล และส่งคำตอบสุดท้ายต่อในประวัติสนทนา เลือกโหมดโดยตั้งใจ ข้อถกเถียงอัลกอริทึมกับการเขียนใหม่สั้น ๆ ต้องใช้การวิเคราะห์ต่างกัน เมื่อเปิดการคิด แม้คำขอแบบไม่คิดผ่านคำสั่งในพรอมป์ต์ก็ยังมีบล็อกการให้เหตุผล ซึ่งเนื้อหาอาจว่าง การปิดแบบบังคับจะนำบล็อกนั้นออก

สำหรับขั้นตอนเอเจนต์ ผู้ผลิตแนะนำ Qwen-Agent สำหรับเทมเพลตเครื่องมือและการแยกวิเคราะห์ เครื่องมืออาจเป็นบริการเชื่อมต่อหรือตัวแปลโค้ด แอปพลิเคชันกำหนดและดำเนินการ เช่น ให้ผู้ช่วยค้นคลังสินค้าแบบอ่านอย่างเดียวด้วยฟิลด์ตามเอกสาร และขอเปรียบเทียบสต็อกที่ส่งกลับกับคำสั่งซื้อที่ให้ กำหนดจุดประสงค์เครื่องมือ อาร์กิวเมนต์ที่รับ โครงสร้างผลลัพธ์ และขอบเขตสิทธิ์ กำหนดให้คำตอบสุดท้ายแยกการกระทำที่เสนอจากผลเครื่องมือที่ยืนยันแล้ว ความสามารถเครื่องมือของโมเดลไม่ได้ทำให้เกิดการกระทำภายนอกเอง คู่มือ Qwen3 ยังอธิบายการเรียกเครื่องมือแบบขนานและหลายขั้น โดยอาร์กิวเมนต์แทนด้วยออบเจ็กต์ และส่งผลกลับเข้าสู่บทสนทนา

บริบทดั้งเดิมคือ 32,768 โทเคน ผู้ผลิตยืนยัน 131,072 โทเคนด้วย YaRN ซึ่งขึ้นกับการตั้งค่า และ static scaling อาจกระทบอินพุตสั้น งบบริบทรวมคำขอและคำตอบที่สร้าง สำหรับข้อกำหนดยาว ให้ระบุและติดป้ายส่วนที่เกี่ยวกับการตัดสินใจ และเผื่อพื้นที่ตอบ แทนใส่ต้นฉบับเต็มงบ การ์ดแนะนำเอาต์พุต 32,768 โทเคนสำหรับคำถามส่วนใหญ่ ไม่ได้ประกาศว่าเป็นขีดจำกัดบริการสากล เอกสาร Qwen3 กล่าวถึงความยาวข้อความผู้ช่วย 38,912 โทเคนในโหมดคิด และ 16,384 ในโหมดไม่คิด ในคำอธิบายความยาวระหว่างฝึก และแนะนำให้ประเมินคุณภาพการสร้างที่ยาวขึ้น ตัวเลขเหล่านี้ต่างจากหน้าต่างบริบทรวม และไม่ใช่เพดานตายตัวเฉพาะเอนด์พอยต์ การ์ดยังอธิบายการจัดสรรตำแหน่งเริ่มต้น 40,960 โทเคน เป็น 8,192 สำหรับพรอมป์ต์ทั่วไป บวก 32,768 สำหรับเอาต์พุต นี่คือแนวทางตั้งค่าผู้ผลิต แยกจากบริบทฝึกดั้งเดิมและขีดจำกัดเอนด์พอยต์

การสุ่มที่แนะนำในโหมดคิดคือ temperature 0.6, top-p 0.95, top-k 20 และ min-p 0 ส่วนโหมดไม่คิดใช้ 0.7, 0.8, 20 และ 0 ผู้ผลิตแนะนำ sampled decoding และเตือนว่า greedy decoding ในโหมดคิดอาจทำให้ซ้ำ presence penalty สูงก็อาจทำให้ปนภาษา ทำให้ตรวจผลง่ายด้วยฟิลด์คำตอบสุดท้ายที่มีชื่อ ตารางตัดสินใจพร้อมเหตุผล หรือแพตช์โค้ดพร้อมตัวอย่าง ตรวจการคำนวณกับตัวเลขที่ให้ เรียกใช้โค้ดในสภาพแวดล้อมที่ตั้งใจ และตรวจผลเครื่องมือก่อนดำเนินการ

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 qwen3-235b-a22b	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: ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: ไม่ได้ระบุ เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

การตั้งค่า	ตารางอัตราค่าบริการ	ค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคน	ตารางอัตราค่าบริการอัตราพื้นฐาน	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.00114 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.00342 / 1K โทเค็น ขาเข้า · การอ่านแคช $0 / 1K โทเค็น ขาเข้า · การเขียนแคช $0 / 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": "qwen3-235b-a22b", "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='qwen3-235b-a22b',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='qwen3-235b-a22b',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 qwen3-235b-a22b

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

qwen3-235b-a22b

", "method_identity": { "effective_request_model_id": "qwen3-235b-a22b", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "qwen3-235b-a22b", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|qwen3-235b-a22b", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "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": [ "qwen3-235b-a22b" ], "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": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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\": \"qwen3-235b-a22b\", \"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='qwen3-235b-a22b',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='qwen3-235b-a22b',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": null, "flex_multiplier": null, "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": 1.14, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 3.42, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "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": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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": "qwen3-235b-a22b", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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

Qwen3-235B-A22B

Alibaba /qwen3-235b-a22b

เริ่มต้น

Qwen3-235B-A22B รวมการให้เหตุผลละเอียดและคำตอบข้อความโดยตรงในโมเดล mixture-of-experts เดียว ใช้สำหรับวิเคราะห์คณิตศาสตร์ เขียนโค้ด เขียนหลายภาษา และผู้ช่วยที่ใช้เครื่องมือเชื่อมต่อ

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: json · sse

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Qwen3-235B-A22B นำแนวทางให้เหตุผลแบบผสมของ Qwen3 มาใช้ในโมเดล mixture-of-experts ขนาดใหญ่ ความสามารถข้อความครอบคลุมโจทย์คณิตศาสตร์และตรรกะ การสร้างโค้ด การเขียนเชิงสร้างสรรค์ บทสนทนาตามบทบาท และการทำตามคำสั่งหลายรอบ ทำงานได้มากกว่า 100 ภาษาและสำเนียง สำหรับการหารือพัฒนาผลิตภัณฑ์ ให้ข้อกำหนด ตัวอย่างที่เป็นรูปธรรม และการตัดสินใจที่ต้องการ ได้แก่ เปรียบเทียบการออกแบบ การพัฒนา หรือคำอธิบายที่ผู้ฟังเฉพาะใช้ได้

โมเดลมีพารามิเตอร์รวม 235 พันล้าน และเปิดใช้งาน 22 พันล้านระหว่างประมวลผล สถาปัตยกรรมมี 128 experts เลือกแปด และมี 94 ชั้น ตัวเลขนี้ระบุรุ่นนี้ โมเดล Qwen3 ที่เล็กกว่าและรุ่น FP8 มีตัวตนแยกกัน อินพุตและเอาต์พุตเป็นข้อความ งานวิศวกรรมที่เหมาะคือเปรียบเทียบอัลกอริทึมกระทบยอดสองแบบด้วยตัวอย่างระเบียนเดียวกัน ระบุข้อจำกัดที่แต่ละแบบทำได้ และส่งอัลกอริทึมที่เลือกพร้อมกรณีทดสอบ ให้ชื่อฟิลด์จริง กฎจัดการรายการซ้ำ และยอดรวมที่คาดหวัง เพื่อให้ตรวจคำตอบเทียบกับโจทย์เดิมได้

เตรียมคำขอเป็นข้อความแชต แยกต้นฉบับจากคำสั่ง สำหรับคณิตศาสตร์ ให้โจทย์ครบ สมมติฐานที่อนุญาต และสัญกรณ์ แล้วขอคำตอบสุดท้ายในรูปแบบที่กำหนด สำหรับโค้ด ให้ฟังก์ชัน ภาษา อินพุตตัวแทน และความล้มเหลวที่สังเกต ขอการแก้ที่เล็กที่สุดซึ่งมีเหตุผลรองรับ และระบุพฤติกรรมเดิมที่ต้องรักษา สำหรับงานเขียนหลายภาษา ให้ผู้ฟังและรายการศัพท์ แทนการขอแปลทั่วไป การเชื่อมต่อตามที่เผยแพร่ต้องใช้รันไทม์ที่รู้จัก Qwen3 การ์ดเตือนว่า Transformers รุ่นต่ำกว่า 4.51.0 ไม่รู้จักสถาปัตยกรรมที่จำเป็น

การคิดและไม่คิดเป็นโหมดของโมเดลเดียวกัน เทมเพลตแชตผู้ผลิตเปิดคิดโดยค่าเริ่มต้น สวิตช์บังคับปิดได้ เมื่อยังเปิดคิด /think และ /no_think ควบคุมรายรอบ โดยคำสั่งล่าสุดมีผลเหนือคำสั่งก่อนหน้า โหมดที่บังคับปิดไม่ตอบสนองคำสั่งสลับโหมดในพรอมป์ต์เหล่านั้น ในอินเทอร์เฟซนักพัฒนา แยกคำตอบสุดท้ายจากส่วนให้เหตุผล และส่งคำตอบสุดท้ายต่อในประวัติสนทนา เลือกโหมดโดยตั้งใจ ข้อถกเถียงอัลกอริทึมกับการเขียนใหม่สั้น ๆ ต้องใช้การวิเคราะห์ต่างกัน เมื่อเปิดการคิด แม้คำขอแบบไม่คิดผ่านคำสั่งในพรอมป์ต์ก็ยังมีบล็อกการให้เหตุผล ซึ่งเนื้อหาอาจว่าง การปิดแบบบังคับจะนำบล็อกนั้นออก

สำหรับขั้นตอนเอเจนต์ ผู้ผลิตแนะนำ Qwen-Agent สำหรับเทมเพลตเครื่องมือและการแยกวิเคราะห์ เครื่องมืออาจเป็นบริการเชื่อมต่อหรือตัวแปลโค้ด แอปพลิเคชันกำหนดและดำเนินการ เช่น ให้ผู้ช่วยค้นคลังสินค้าแบบอ่านอย่างเดียวด้วยฟิลด์ตามเอกสาร และขอเปรียบเทียบสต็อกที่ส่งกลับกับคำสั่งซื้อที่ให้ กำหนดจุดประสงค์เครื่องมือ อาร์กิวเมนต์ที่รับ โครงสร้างผลลัพธ์ และขอบเขตสิทธิ์ กำหนดให้คำตอบสุดท้ายแยกการกระทำที่เสนอจากผลเครื่องมือที่ยืนยันแล้ว ความสามารถเครื่องมือของโมเดลไม่ได้ทำให้เกิดการกระทำภายนอกเอง คู่มือ Qwen3 ยังอธิบายการเรียกเครื่องมือแบบขนานและหลายขั้น โดยอาร์กิวเมนต์แทนด้วยออบเจ็กต์ และส่งผลกลับเข้าสู่บทสนทนา

บริบทดั้งเดิมคือ 32,768 โทเคน ผู้ผลิตยืนยัน 131,072 โทเคนด้วย YaRN ซึ่งขึ้นกับการตั้งค่า และ static scaling อาจกระทบอินพุตสั้น งบบริบทรวมคำขอและคำตอบที่สร้าง สำหรับข้อกำหนดยาว ให้ระบุและติดป้ายส่วนที่เกี่ยวกับการตัดสินใจ และเผื่อพื้นที่ตอบ แทนใส่ต้นฉบับเต็มงบ การ์ดแนะนำเอาต์พุต 32,768 โทเคนสำหรับคำถามส่วนใหญ่ ไม่ได้ประกาศว่าเป็นขีดจำกัดบริการสากล เอกสาร Qwen3 กล่าวถึงความยาวข้อความผู้ช่วย 38,912 โทเคนในโหมดคิด และ 16,384 ในโหมดไม่คิด ในคำอธิบายความยาวระหว่างฝึก และแนะนำให้ประเมินคุณภาพการสร้างที่ยาวขึ้น ตัวเลขเหล่านี้ต่างจากหน้าต่างบริบทรวม และไม่ใช่เพดานตายตัวเฉพาะเอนด์พอยต์ การ์ดยังอธิบายการจัดสรรตำแหน่งเริ่มต้น 40,960 โทเคน เป็น 8,192 สำหรับพรอมป์ต์ทั่วไป บวก 32,768 สำหรับเอาต์พุต นี่คือแนวทางตั้งค่าผู้ผลิต แยกจากบริบทฝึกดั้งเดิมและขีดจำกัดเอนด์พอยต์

การสุ่มที่แนะนำในโหมดคิดคือ temperature 0.6, top-p 0.95, top-k 20 และ min-p 0 ส่วนโหมดไม่คิดใช้ 0.7, 0.8, 20 และ 0 ผู้ผลิตแนะนำ sampled decoding และเตือนว่า greedy decoding ในโหมดคิดอาจทำให้ซ้ำ presence penalty สูงก็อาจทำให้ปนภาษา ทำให้ตรวจผลง่ายด้วยฟิลด์คำตอบสุดท้ายที่มีชื่อ ตารางตัดสินใจพร้อมเหตุผล หรือแพตช์โค้ดพร้อมตัวอย่าง ตรวจการคำนวณกับตัวเลขที่ให้ เรียกใช้โค้ดในสภาพแวดล้อมที่ตั้งใจ และตรวจผลเครื่องมือก่อนดำเนินการ

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 qwen3-235b-a22b	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: ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: ไม่ได้ระบุ เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

การตั้งค่า	ตารางอัตราค่าบริการ	ค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคน	ตารางอัตราค่าบริการอัตราพื้นฐาน	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.00114 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.00342 / 1K โทเค็น ขาเข้า · การอ่านแคช $0 / 1K โทเค็น ขาเข้า · การเขียนแคช $0 / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · Anthropic Messages

{\n  "model": "qwen3-235b-a22b",\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': 'qwen3-235b-a22b', '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': 'qwen3-235b-a22b', '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 qwen3-235b-a22b

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

qwen3-235b-a22b

", "method_identity": { "effective_request_model_id": "qwen3-235b-a22b", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "qwen3-235b-a22b", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|qwen3-235b-a22b", "ordinal": 1, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "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": "qwen3-235b-a22b", "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": [ "qwen3-235b-a22b" ], "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": [ "qwen3-235b-a22b" ], "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": "qwen3-235b-a22b", "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": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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\": \"qwen3-235b-a22b\",\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': 'qwen3-235b-a22b', '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': 'qwen3-235b-a22b', '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": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 1.14, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 3.42, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "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": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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": "qwen3-235b-a22b", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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": "qwen3-235b-a22b", "nativeProvenance": { "input_facts_canonical_sha256": "f5c9d0ed8482cc34df48138fb3aa5a59d01fc3ec16e3ab1939d485198886db26", "input_html_sha256": "e23c8190f008ab1e3fd6ed8091b4a1c6a5714c8780714e9c7ec3bad3eaaa969c", "private_audit_sha256": "c4c18d962ef3acbbfe3545a066b6ccb4e0ee0fe91454446f1491763bf2b0878a", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/th/qwen3-235b-a22b/", "description": "Qwen3-235B-A22B รวมการให้เหตุผลละเอียดและคำตอบข้อความโดยตรงในโมเดล mixture-of-experts เดียว ใช้สำหรับวิเคราะห์คณิตศาสตร์ เขียนโค้ด เขียนหลายภาษา และผู้ช่วยที่ใช้เครื่องมือเชื่อมต่อ", "locale": "th", "md_url": "https://ailoot.ai/models/th/qwen3-235b-a22b/index.md", "title": "Qwen3-235B-A22B — Ailoot", "url": "https://ailoot.ai/models/th/qwen3-235b-a22b/" }, "practicalHtml": "

งานตัวอย่างจริง

ตัวอย่างทางเทคนิคภาษาอังกฤษ

Reconcile duplicate transaction records\n\nCompare two reconciliation rules on these records: (id=A, revision=1, amount=10), (A,2,12), (B,1,5). Rule X sums every row; rule Y keeps the highest revision per ID, then sums. Requirement: one current amount per ID; equal-revision disagreements must be flagged. Choose a rule, propose pseudocode and give tests for duplicates and conflicting ties.

ผลลัพธ์ที่คาดหวัง

A rule comparison, chosen algorithm, expected total for the supplied records and conflict tests.

ตรวจสอบผลลัพธ์

Check the algorithm uses ID plus revision semantics and does not silently choose between conflicting equal revisions.

", "practicalText": "งานตัวอย่างจริง ตัวอย่างทางเทคนิคภาษาอังกฤษ Reconcile duplicate transaction records Compare two reconciliation rules on these records: (id=A, revision=1, amount=10), (A,2,12), (B,1,5). Rule X sums every row; rule Y keeps the highest revision per ID, then sums. Requirement: one current amount per ID; equal-revision disagreements must be flagged. Choose a rule, propose pseudocode and give tests for duplicates and conflicting ties. ผลลัพธ์ที่คาดหวัง A rule comparison, chosen algorithm, expected total for the supplied records and conflict tests. ตรวจสอบผลลัพธ์ Check the algorithm uses ID plus revision semantics and does not silently choose between conflicting equal revisions.", "rawModel": { "about": "Qwen3-235B-A22B นำแนวทางให้เหตุผลแบบผสมของ Qwen3 มาใช้ในโมเดล mixture-of-experts ขนาดใหญ่ ความสามารถข้อความครอบคลุมโจทย์คณิตศาสตร์และตรรกะ การสร้างโค้ด การเขียนเชิงสร้างสรรค์ บทสนทนาตามบทบาท และการทำตามคำสั่งหลายรอบ ทำงานได้มากกว่า 100 ภาษาและสำเนียง สำหรับการหารือพัฒนาผลิตภัณฑ์ ให้ข้อกำหนด ตัวอย่างที่เป็นรูปธรรม และการตัดสินใจที่ต้องการ ได้แก่ เปรียบเทียบการออกแบบ การพัฒนา หรือคำอธิบายที่ผู้ฟังเฉพาะใช้ได้\n\nโมเดลมีพารามิเตอร์รวม 235 พันล้าน และเปิดใช้งาน 22 พันล้านระหว่างประมวลผล สถาปัตยกรรมมี 128 experts เลือกแปด และมี 94 ชั้น ตัวเลขนี้ระบุรุ่นนี้ โมเดล Qwen3 ที่เล็กกว่าและรุ่น FP8 มีตัวตนแยกกัน อินพุตและเอาต์พุตเป็นข้อความ งานวิศวกรรมที่เหมาะคือเปรียบเทียบอัลกอริทึมกระทบยอดสองแบบด้วยตัวอย่างระเบียนเดียวกัน ระบุข้อจำกัดที่แต่ละแบบทำได้ และส่งอัลกอริทึมที่เลือกพร้อมกรณีทดสอบ ให้ชื่อฟิลด์จริง กฎจัดการรายการซ้ำ และยอดรวมที่คาดหวัง เพื่อให้ตรวจคำตอบเทียบกับโจทย์เดิมได้\n\nเตรียมคำขอเป็นข้อความแชต แยกต้นฉบับจากคำสั่ง สำหรับคณิตศาสตร์ ให้โจทย์ครบ สมมติฐานที่อนุญาต และสัญกรณ์ แล้วขอคำตอบสุดท้ายในรูปแบบที่กำหนด สำหรับโค้ด ให้ฟังก์ชัน ภาษา อินพุตตัวแทน และความล้มเหลวที่สังเกต ขอการแก้ที่เล็กที่สุดซึ่งมีเหตุผลรองรับ และระบุพฤติกรรมเดิมที่ต้องรักษา สำหรับงานเขียนหลายภาษา ให้ผู้ฟังและรายการศัพท์ แทนการขอแปลทั่วไป การเชื่อมต่อตามที่เผยแพร่ต้องใช้รันไทม์ที่รู้จัก Qwen3 การ์ดเตือนว่า Transformers รุ่นต่ำกว่า 4.51.0 ไม่รู้จักสถาปัตยกรรมที่จำเป็น\n\nการคิดและไม่คิดเป็นโหมดของโมเดลเดียวกัน เทมเพลตแชตผู้ผลิตเปิดคิดโดยค่าเริ่มต้น สวิตช์บังคับปิดได้ เมื่อยังเปิดคิด /think และ /no_think ควบคุมรายรอบ โดยคำสั่งล่าสุดมีผลเหนือคำสั่งก่อนหน้า โหมดที่บังคับปิดไม่ตอบสนองคำสั่งสลับโหมดในพรอมป์ต์เหล่านั้น ในอินเทอร์เฟซนักพัฒนา แยกคำตอบสุดท้ายจากส่วนให้เหตุผล และส่งคำตอบสุดท้ายต่อในประวัติสนทนา เลือกโหมดโดยตั้งใจ ข้อถกเถียงอัลกอริทึมกับการเขียนใหม่สั้น ๆ ต้องใช้การวิเคราะห์ต่างกัน เมื่อเปิดการคิด แม้คำขอแบบไม่คิดผ่านคำสั่งในพรอมป์ต์ก็ยังมีบล็อกการให้เหตุผล ซึ่งเนื้อหาอาจว่าง การปิดแบบบังคับจะนำบล็อกนั้นออก\n\nสำหรับขั้นตอนเอเจนต์ ผู้ผลิตแนะนำ Qwen-Agent สำหรับเทมเพลตเครื่องมือและการแยกวิเคราะห์ เครื่องมืออาจเป็นบริการเชื่อมต่อหรือตัวแปลโค้ด แอปพลิเคชันกำหนดและดำเนินการ เช่น ให้ผู้ช่วยค้นคลังสินค้าแบบอ่านอย่างเดียวด้วยฟิลด์ตามเอกสาร และขอเปรียบเทียบสต็อกที่ส่งกลับกับคำสั่งซื้อที่ให้ กำหนดจุดประสงค์เครื่องมือ อาร์กิวเมนต์ที่รับ โครงสร้างผลลัพธ์ และขอบเขตสิทธิ์ กำหนดให้คำตอบสุดท้ายแยกการกระทำที่เสนอจากผลเครื่องมือที่ยืนยันแล้ว ความสามารถเครื่องมือของโมเดลไม่ได้ทำให้เกิดการกระทำภายนอกเอง คู่มือ Qwen3 ยังอธิบายการเรียกเครื่องมือแบบขนานและหลายขั้น โดยอาร์กิวเมนต์แทนด้วยออบเจ็กต์ และส่งผลกลับเข้าสู่บทสนทนา\n\nบริบทดั้งเดิมคือ 32,768 โทเคน ผู้ผลิตยืนยัน 131,072 โทเคนด้วย YaRN ซึ่งขึ้นกับการตั้งค่า และ static scaling อาจกระทบอินพุตสั้น งบบริบทรวมคำขอและคำตอบที่สร้าง สำหรับข้อกำหนดยาว ให้ระบุและติดป้ายส่วนที่เกี่ยวกับการตัดสินใจ และเผื่อพื้นที่ตอบ แทนใส่ต้นฉบับเต็มงบ การ์ดแนะนำเอาต์พุต 32,768 โทเคนสำหรับคำถามส่วนใหญ่ ไม่ได้ประกาศว่าเป็นขีดจำกัดบริการสากล เอกสาร Qwen3 กล่าวถึงความยาวข้อความผู้ช่วย 38,912 โทเคนในโหมดคิด และ 16,384 ในโหมดไม่คิด ในคำอธิบายความยาวระหว่างฝึก และแนะนำให้ประเมินคุณภาพการสร้างที่ยาวขึ้น ตัวเลขเหล่านี้ต่างจากหน้าต่างบริบทรวม และไม่ใช่เพดานตายตัวเฉพาะเอนด์พอยต์ การ์ดยังอธิบายการจัดสรรตำแหน่งเริ่มต้น 40,960 โทเคน เป็น 8,192 สำหรับพรอมป์ต์ทั่วไป บวก 32,768 สำหรับเอาต์พุต นี่คือแนวทางตั้งค่าผู้ผลิต แยกจากบริบทฝึกดั้งเดิมและขีดจำกัดเอนด์พอยต์\n\nการสุ่มที่แนะนำในโหมดคิดคือ temperature 0.6, top-p 0.95, top-k 20 และ min-p 0 ส่วนโหมดไม่คิดใช้ 0.7, 0.8, 20 และ 0 ผู้ผลิตแนะนำ sampled decoding และเตือนว่า greedy decoding ในโหมดคิดอาจทำให้ซ้ำ presence penalty สูงก็อาจทำให้ปนภาษา ทำให้ตรวจผลง่ายด้วยฟิลด์คำตอบสุดท้ายที่มีชื่อ ตารางตัดสินใจพร้อมเหตุผล หรือแพตช์โค้ดพร้อมตัวอย่าง ตรวจการคำนวณกับตัวเลขที่ให้ เรียกใช้โค้ดในสภาพแวดล้อมที่ตั้งใจ และตรวจผลเครื่องมือก่อนดำเนินการ", "alias_of": null, "aliases": [], "author": "Alibaba", "available": null, "canonical_model": "qwen3-235b-a22b", "capabilities": { "context_length": 128000, "manufacturer_input": [], "manufacturer_output": [] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "qwen3-235b-a22b", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "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": [ "qwen3-235b-a22b" ], "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": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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\": \"qwen3-235b-a22b\", \"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='qwen3-235b-a22b',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='qwen3-235b-a22b',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": null, "flex_multiplier": null, "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": 1.14, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 3.42, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "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": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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": "qwen3-235b-a22b", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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": 0, "cache_write": 0, "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": "qwen3-235b-a22b", "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": [ "qwen3-235b-a22b" ], "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": [ "qwen3-235b-a22b" ], "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": "qwen3-235b-a22b", "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": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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\": \"qwen3-235b-a22b\",\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': 'qwen3-235b-a22b', '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': 'qwen3-235b-a22b', '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": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 1.14, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 3.42, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "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": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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": "qwen3-235b-a22b", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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": "qwen3-235b-a22b", "request_model_id": "qwen3-235b-a22b", "route_label": "Ultra" } ], "name": "Qwen3-235B-A22B", "price": { "in": 1.14, "in_label": null, "out": 3.42, "out_label": null, "scope_label": "Token rates", "sort_in": 1.14, "sort_out": 3.42, "varies": false }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "OpenAI Chat · Base token rates", "units": [ { "amount": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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": "0.00114000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000114", "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": "0.00342000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000342", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "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": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "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": "qwen3-235b-a22b", "short": "Qwen3-235B-A22B รวมการให้เหตุผลละเอียดและคำตอบข้อความโดยตรงในโมเดล mixture-of-experts เดียว ใช้สำหรับวิเคราะห์คณิตศาสตร์ เขียนโค้ด เขียนหลายภาษา และผู้ช่วยที่ใช้เครื่องมือเชื่อมต่อ" }, "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": "Qwen3-235B-A22B รวมการให้เหตุผลละเอียดและคำตอบข้อความโดยตรงในโมเดล mixture-of-experts เดียว ใช้สำหรับวิเคราะห์คณิตศาสตร์ เขียนโค้ด เขียนหลายภาษา และผู้ช่วยที่ใช้เครื่องมือเชื่อมต่อ", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "9403c538f5911dc480a86f2c41e9894dbbb89de69f4ccf82675da695042eaf4e", "renderer_sha256": "890edb706fafafdd4f598bb324acf65fada58918b0911b97eb80e68be2ef65d9" }, "sourceRevision": "b225bc8d08d81f80b69acee26a7ab54666bac81e7d76be3879995948142c5dd7" }