Asosiy jihatlar: belgilangan Instruct-2507 yangilanishi
Qwen3-30B-A3B-Instruct-2507 — Qwen3-30B-A3B’ning yangilangan fikrlashsiz versiyasi. Ishlab chiqaruvchi ko‘rsatmalarga rioya qilish, mantiqiy fikr yuritish, matnni anglash, matematika, fan, dasturlash va vositalardan foydalanishdagi yaxshilanishlar, bir nechta tilda kam uchraydigan mavzularga oid kengroq bilim va erkin vazifalarga yaxshiroq moslashishni ta’kidlaydi. U matn qabul qilib, matn yaratadi: javob, izoh, kod taklifi yoki so‘ralgan yozma artefakt.
Belgilangan 2507 identifikatsiyasini dastlabki gibrid Qwen3-30B-A3B, uning FP8 yig‘ilmasi va Thinking-2507 versiyasidan ajrating. Modelning ko‘p tilli bilim tavsifi ushbu versiya nusxasi uchun alohida til soni kafolatini bermaydi. Tarjima yoki qayta yozish vazifasida maqsad til, auditoriya va o‘zgarmasligi kerak bo‘lgan atamalarni belgilang.
Modelga umumiy nazar
Ekspertlar aralashmasi modelida jami 30,5 milliard parametr bor va 3,3 milliard faollashadi. Unda 48 qatlam, 128 ekspert va har token uchun tanlanadigan sakkiz ekspert bor. Asl konteksti 262 144 token. Faollashgan parametrlar to‘liq nazorat nuqtasining hajmi emas, arxitekturaning o‘zi esa ilovada qat’iy javob vaqtini belgilamaydi.
Bu versiya faqat fikrlashsiz rejimni qo‘llaydi va aniq fikrlash bloklarini yaratmaydi. Ishlab chiqaruvchi retseptida enable_thinking=False sozlamasi shart emas. U oddiy matnda hisob-kitobni ko‘rsatishi yoki kodni izohlashi mumkin; qo‘llab-quvvatlovchi bosqichlarni so‘rash uni alohida Thinking nazorat nuqtasiga aylantirmaydi.
Foydali matn so‘rovini tayyorlash
Dasturlash vazifasida tegishli funksiya yoki modul, kirish cheklovlari, kuzatilgan xatti-harakat va kerakli natijani bering. Ta’sirlanadigan farazlar izohi bilan patch taklifi yoki to‘liq funksiyani so‘rang. Matematik yoki ilmiy savolda to‘liq shart, birliklar va ta’riflarni berib, shu shartlarga tayangan, aniq chegaralangan yakuniy javobni so‘rang.
Erkin shakldagi yozish vazifasida auditoriya, maqsad, ohang va chiqishi shart bo‘lgan ma’lumotni belgilang. Foydali javob so‘ralgan bo‘limlar bo‘yicha tashkil qilingan, asoslanmagan farazlari alohida ko‘rsatilgan tahrirlanuvchi qoralama bo‘lishi mumkin. Qaytgan qoralama, hisoblash yoki taklif etilgan kodni berilgan fakt, ta’rif va talablarga nisbatan tekshiring.
Agent sifatida foydalanish
Qwen vosita chaqirishni hujjatlashtiradi va sozlangan yoki MCP orqali ulangan vositalar uchun vosita chaqiruvlari shablonlari hamda sintaktik tahlilini ta’minlaydigan Qwen-Agent’ni tavsiya qiladi. Ruxsat etilgan harakatlar va kuzatiladigan tugash shartlarini ayting. Ulangan vositalar tashqi amallarni bajarib, kuzatuvlarni qaytaradi; model shu fikr-mulohazadan keyingi javobda foydalanishi mumkin. Taklif etilgan buyruq yoki olingan manba haqidagi da’vo jarayon haqiqatan qaytargan natijadan alohida qolishi kerak.
Aniq yakuniy artefakt kod taklifi, dalillar jadvali yoki qisqa hisobot bo‘lishi mumkin. Vosita qo‘llab-quvvatlanishi har bir interfeys orqali joriy manba, fayl yoki bajarish muhitiga kirishni o‘z-o‘zidan yaratmaydi. Gibrid modelning yo‘riqnoma kalitlari yoki Thinking versiyasining chiqish hajmlarini ko‘chirmay, aynan shu modelning fikrlashsiz javob shartnomasini saqlang.
Nihoyatda uzun matnni ishlash
Ishlab chiqaruvchi Dual Chunk Attention va MInference siyrak diqqatidan foydalanib, taxminan bir million tokenga yetadigan ixtiyoriy jarayonni hujjatlashtiradi. Birinchisi bo‘laklararo aloqalarni saqlagan holda uzun ketma-ketlikni boshqariladigan qismlarga bo‘ladi; ikkinchisi hisoblashni tanlangan diqqat aloqalariga qaratadi. Bu asl 262 144 kontekstdan tashqari, maxsus uzun kontekst konfiguratsiyasidan foydalanadigan qo‘shimcha sozlash yo‘lidir.
Retsept model vaznlari, keshlangan ketma-ketlik holati va eng yuqori aktivatsiyalar uchun taxminan 240 GB jami GPU xotirasini baholaydi. U ketma-ketlik keshi, aktivatsiya xotirasi yoki sozlangan uzunlikdan oshadigan kirish tufayli yuz beradigan alohida sig‘im nosozliklarini ham tasvirlaydi. Shuning uchun million tokenli jarayon konfiguratsiya va resurslarga bog‘liq; sarlavhadagi ko‘rsatkichni shartsiz standart deb qabul qilmaslik kerak.
Uzun kirishni hujjat chegaralari, bo‘lim nomlari yoki kod identifikatorlari va aniq savol bilan tayyorlang. Javobga joy qoldiring va har bir xulosani asoslaydigan dalilni so‘rang.
Yaratish tavsiyalari
Eng yaxshi amaliyot tavsiyalari temperature 0,7, top_p 0,8, top_k 20 va min_p 0 ni tavsiya qiladi. Qo‘llab-quvvatlangan joyda nol va ikki orasidagi presence penalty takroriy matnni kamaytirishi, yuqoriroq qiymatlar esa tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin. Ishlab chiqaruvchi ko‘pchilik so‘rovlar uchun Thinking-2507’ga oid uzunroq budjetlar o‘rniga 16 384 tokenli chiqish hajmini tavsiya qiladi. Bu mustaqil belgilangan qat’iy chiqish chegarasi emas, tavsiyadir.
Yakuniy formatni aniq belgilang, masalan, matematik ajratgich yoki javob maydoni. Modelning hujjatlashtirilgan kirishi matn bo‘lgani uchun vizual yoki audio dalil bu jarayondan oldin tegishli alohida ifodani talab qiladi. Hisoblash, iqtibos va yaratilgan kodni manbaga nisbatan tekshiring. Foydali natija belgilangan Instruct-2507 identifikatsiyasi, fikrlashsiz rejim va shartli uzun kontekst tartibi aniq qoladigan to‘liq, ko‘rib chiqiladigan matn artefaktidir.
", "aboutText": "Asosiy jihatlar: belgilangan Instruct-2507 yangilanishi\n\nQwen3-30B-A3B-Instruct-2507 — Qwen3-30B-A3B’ning yangilangan fikrlashsiz versiyasi. Ishlab chiqaruvchi ko‘rsatmalarga rioya qilish, mantiqiy fikr yuritish, matnni anglash, matematika, fan, dasturlash va vositalardan foydalanishdagi yaxshilanishlar, bir nechta tilda kam uchraydigan mavzularga oid kengroq bilim va erkin vazifalarga yaxshiroq moslashishni ta’kidlaydi. U matn qabul qilib, matn yaratadi: javob, izoh, kod taklifi yoki so‘ralgan yozma artefakt.\n\nBelgilangan 2507 identifikatsiyasini dastlabki gibrid Qwen3-30B-A3B, uning FP8 yig‘ilmasi va Thinking-2507 versiyasidan ajrating. Modelning ko‘p tilli bilim tavsifi ushbu versiya nusxasi uchun alohida til soni kafolatini bermaydi. Tarjima yoki qayta yozish vazifasida maqsad til, auditoriya va o‘zgarmasligi kerak bo‘lgan atamalarni belgilang.\n\nModelga umumiy nazar\n\nEkspertlar aralashmasi modelida jami 30,5 milliard parametr bor va 3,3 milliard faollashadi. Unda 48 qatlam, 128 ekspert va har token uchun tanlanadigan sakkiz ekspert bor. Asl konteksti 262 144 token. Faollashgan parametrlar to‘liq nazorat nuqtasining hajmi emas, arxitekturaning o‘zi esa ilovada qat’iy javob vaqtini belgilamaydi.\n\nBu versiya faqat fikrlashsiz rejimni qo‘llaydi va aniq fikrlash bloklarini yaratmaydi. Ishlab chiqaruvchi retseptida enable_thinking=False sozlamasi shart emas. U oddiy matnda hisob-kitobni ko‘rsatishi yoki kodni izohlashi mumkin; qo‘llab-quvvatlovchi bosqichlarni so‘rash uni alohida Thinking nazorat nuqtasiga aylantirmaydi.\n\nFoydali matn so‘rovini tayyorlash\n\nDasturlash vazifasida tegishli funksiya yoki modul, kirish cheklovlari, kuzatilgan xatti-harakat va kerakli natijani bering. Ta’sirlanadigan farazlar izohi bilan patch taklifi yoki to‘liq funksiyani so‘rang. Matematik yoki ilmiy savolda to‘liq shart, birliklar va ta’riflarni berib, shu shartlarga tayangan, aniq chegaralangan yakuniy javobni so‘rang.\n\nErkin shakldagi yozish vazifasida auditoriya, maqsad, ohang va chiqishi shart bo‘lgan ma’lumotni belgilang. Foydali javob so‘ralgan bo‘limlar bo‘yicha tashkil qilingan, asoslanmagan farazlari alohida ko‘rsatilgan tahrirlanuvchi qoralama bo‘lishi mumkin. Qaytgan qoralama, hisoblash yoki taklif etilgan kodni berilgan fakt, ta’rif va talablarga nisbatan tekshiring.\n\nAgent sifatida foydalanish\n\nQwen vosita chaqirishni hujjatlashtiradi va sozlangan yoki MCP orqali ulangan vositalar uchun vosita chaqiruvlari shablonlari hamda sintaktik tahlilini ta’minlaydigan Qwen-Agent’ni tavsiya qiladi. Ruxsat etilgan harakatlar va kuzatiladigan tugash shartlarini ayting. Ulangan vositalar tashqi amallarni bajarib, kuzatuvlarni qaytaradi; model shu fikr-mulohazadan keyingi javobda foydalanishi mumkin. Taklif etilgan buyruq yoki olingan manba haqidagi da’vo jarayon haqiqatan qaytargan natijadan alohida qolishi kerak.\n\nAniq yakuniy artefakt kod taklifi, dalillar jadvali yoki qisqa hisobot bo‘lishi mumkin. Vosita qo‘llab-quvvatlanishi har bir interfeys orqali joriy manba, fayl yoki bajarish muhitiga kirishni o‘z-o‘zidan yaratmaydi. Gibrid modelning yo‘riqnoma kalitlari yoki Thinking versiyasining chiqish hajmlarini ko‘chirmay, aynan shu modelning fikrlashsiz javob shartnomasini saqlang.\n\nNihoyatda uzun matnni ishlash\n\nIshlab chiqaruvchi Dual Chunk Attention va MInference siyrak diqqatidan foydalanib, taxminan bir million tokenga yetadigan ixtiyoriy jarayonni hujjatlashtiradi. Birinchisi bo‘laklararo aloqalarni saqlagan holda uzun ketma-ketlikni boshqariladigan qismlarga bo‘ladi; ikkinchisi hisoblashni tanlangan diqqat aloqalariga qaratadi. Bu asl 262 144 kontekstdan tashqari, maxsus uzun kontekst konfiguratsiyasidan foydalanadigan qo‘shimcha sozlash yo‘lidir.\n\nRetsept model vaznlari, keshlangan ketma-ketlik holati va eng yuqori aktivatsiyalar uchun taxminan 240 GB jami GPU xotirasini baholaydi. U ketma-ketlik keshi, aktivatsiya xotirasi yoki sozlangan uzunlikdan oshadigan kirish tufayli yuz beradigan alohida sig‘im nosozliklarini ham tasvirlaydi. Shuning uchun million tokenli jarayon konfiguratsiya va resurslarga bog‘liq; sarlavhadagi ko‘rsatkichni shartsiz standart deb qabul qilmaslik kerak.\n\nUzun kirishni hujjat chegaralari, bo‘lim nomlari yoki kod identifikatorlari va aniq savol bilan tayyorlang. Javobga joy qoldiring va har bir xulosani asoslaydigan dalilni so‘rang.\n\nYaratish tavsiyalari\n\nEng yaxshi amaliyot tavsiyalari temperature 0,7, top_p 0,8, top_k 20 va min_p 0 ni tavsiya qiladi. Qo‘llab-quvvatlangan joyda nol va ikki orasidagi presence penalty takroriy matnni kamaytirishi, yuqoriroq qiymatlar esa tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin. Ishlab chiqaruvchi ko‘pchilik so‘rovlar uchun Thinking-2507’ga oid uzunroq budjetlar o‘rniga 16 384 tokenli chiqish hajmini tavsiya qiladi. Bu mustaqil belgilangan qat’iy chiqish chegarasi emas, tavsiyadir.\n\nYakuniy formatni aniq belgilang, masalan, matematik ajratgich yoki javob maydoni. Modelning hujjatlashtirilgan kirishi matn bo‘lgani uchun vizual yoki audio dalil bu jarayondan oldin tegishli alohida ifodani talab qiladi. Hisoblash, iqtibos va yaratilgan kodni manbaga nisbatan tekshiring. Foydali natija belgilangan Instruct-2507 identifikatsiyasi, fikrlashsiz rejim va shartli uzun kontekst tartibi aniq qoladigan to‘liq, ko‘rib chiqiladigan matn artefaktidir.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 — Qwen’ning iyuldagi qat’iy 2507 matn versiyasi bo‘lib, fikrlashsiz ishlaydi va jami 30,5 milliard hamda 3,3 milliard faollashadigan parametrga ega. U ko‘rsatmalarga rioya qilish, dasturlash, ko‘p tilli bilim va erkin shakldagi yozishni yaxshilaydi, asl konteksti 262 144 token.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Asosiy jihatlar: belgilangan Instruct-2507 yangilanishi
Qwen3-30B-A3B-Instruct-2507 — Qwen3-30B-A3B’ning yangilangan fikrlashsiz versiyasi. Ishlab chiqaruvchi ko‘rsatmalarga rioya qilish, mantiqiy fikr yuritish, matnni anglash, matematika, fan, dasturlash va vositalardan foydalanishdagi yaxshilanishlar, bir nechta tilda kam uchraydigan mavzularga oid kengroq bilim va erkin vazifalarga yaxshiroq moslashishni ta’kidlaydi. U matn qabul qilib, matn yaratadi: javob, izoh, kod taklifi yoki so‘ralgan yozma artefakt.
Belgilangan 2507 identifikatsiyasini dastlabki gibrid Qwen3-30B-A3B, uning FP8 yig‘ilmasi va Thinking-2507 versiyasidan ajrating. Modelning ko‘p tilli bilim tavsifi ushbu versiya nusxasi uchun alohida til soni kafolatini bermaydi. Tarjima yoki qayta yozish vazifasida maqsad til, auditoriya va o‘zgarmasligi kerak bo‘lgan atamalarni belgilang.
Modelga umumiy nazar
Ekspertlar aralashmasi modelida jami 30,5 milliard parametr bor va 3,3 milliard faollashadi. Unda 48 qatlam, 128 ekspert va har token uchun tanlanadigan sakkiz ekspert bor. Asl konteksti 262 144 token. Faollashgan parametrlar to‘liq nazorat nuqtasining hajmi emas, arxitekturaning o‘zi esa ilovada qat’iy javob vaqtini belgilamaydi.
Bu versiya faqat fikrlashsiz rejimni qo‘llaydi va aniq fikrlash bloklarini yaratmaydi. Ishlab chiqaruvchi retseptida enable_thinking=False sozlamasi shart emas. U oddiy matnda hisob-kitobni ko‘rsatishi yoki kodni izohlashi mumkin; qo‘llab-quvvatlovchi bosqichlarni so‘rash uni alohida Thinking nazorat nuqtasiga aylantirmaydi.
Foydali matn so‘rovini tayyorlash
Dasturlash vazifasida tegishli funksiya yoki modul, kirish cheklovlari, kuzatilgan xatti-harakat va kerakli natijani bering. Ta’sirlanadigan farazlar izohi bilan patch taklifi yoki to‘liq funksiyani so‘rang. Matematik yoki ilmiy savolda to‘liq shart, birliklar va ta’riflarni berib, shu shartlarga tayangan, aniq chegaralangan yakuniy javobni so‘rang.
Erkin shakldagi yozish vazifasida auditoriya, maqsad, ohang va chiqishi shart bo‘lgan ma’lumotni belgilang. Foydali javob so‘ralgan bo‘limlar bo‘yicha tashkil qilingan, asoslanmagan farazlari alohida ko‘rsatilgan tahrirlanuvchi qoralama bo‘lishi mumkin. Qaytgan qoralama, hisoblash yoki taklif etilgan kodni berilgan fakt, ta’rif va talablarga nisbatan tekshiring.
Agent sifatida foydalanish
Qwen vosita chaqirishni hujjatlashtiradi va sozlangan yoki MCP orqali ulangan vositalar uchun vosita chaqiruvlari shablonlari hamda sintaktik tahlilini ta’minlaydigan Qwen-Agent’ni tavsiya qiladi. Ruxsat etilgan harakatlar va kuzatiladigan tugash shartlarini ayting. Ulangan vositalar tashqi amallarni bajarib, kuzatuvlarni qaytaradi; model shu fikr-mulohazadan keyingi javobda foydalanishi mumkin. Taklif etilgan buyruq yoki olingan manba haqidagi da’vo jarayon haqiqatan qaytargan natijadan alohida qolishi kerak.
Aniq yakuniy artefakt kod taklifi, dalillar jadvali yoki qisqa hisobot bo‘lishi mumkin. Vosita qo‘llab-quvvatlanishi har bir interfeys orqali joriy manba, fayl yoki bajarish muhitiga kirishni o‘z-o‘zidan yaratmaydi. Gibrid modelning yo‘riqnoma kalitlari yoki Thinking versiyasining chiqish hajmlarini ko‘chirmay, aynan shu modelning fikrlashsiz javob shartnomasini saqlang.
Nihoyatda uzun matnni ishlash
Ishlab chiqaruvchi Dual Chunk Attention va MInference siyrak diqqatidan foydalanib, taxminan bir million tokenga yetadigan ixtiyoriy jarayonni hujjatlashtiradi. Birinchisi bo‘laklararo aloqalarni saqlagan holda uzun ketma-ketlikni boshqariladigan qismlarga bo‘ladi; ikkinchisi hisoblashni tanlangan diqqat aloqalariga qaratadi. Bu asl 262 144 kontekstdan tashqari, maxsus uzun kontekst konfiguratsiyasidan foydalanadigan qo‘shimcha sozlash yo‘lidir.
Retsept model vaznlari, keshlangan ketma-ketlik holati va eng yuqori aktivatsiyalar uchun taxminan 240 GB jami GPU xotirasini baholaydi. U ketma-ketlik keshi, aktivatsiya xotirasi yoki sozlangan uzunlikdan oshadigan kirish tufayli yuz beradigan alohida sig‘im nosozliklarini ham tasvirlaydi. Shuning uchun million tokenli jarayon konfiguratsiya va resurslarga bog‘liq; sarlavhadagi ko‘rsatkichni shartsiz standart deb qabul qilmaslik kerak.
Uzun kirishni hujjat chegaralari, bo‘lim nomlari yoki kod identifikatorlari va aniq savol bilan tayyorlang. Javobga joy qoldiring va har bir xulosani asoslaydigan dalilni so‘rang.
Yaratish tavsiyalari
Eng yaxshi amaliyot tavsiyalari temperature 0,7, top_p 0,8, top_k 20 va min_p 0 ni tavsiya qiladi. Qo‘llab-quvvatlangan joyda nol va ikki orasidagi presence penalty takroriy matnni kamaytirishi, yuqoriroq qiymatlar esa tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin. Ishlab chiqaruvchi ko‘pchilik so‘rovlar uchun Thinking-2507’ga oid uzunroq budjetlar o‘rniga 16 384 tokenli chiqish hajmini tavsiya qiladi. Bu mustaqil belgilangan qat’iy chiqish chegarasi emas, tavsiyadir.
Yakuniy formatni aniq belgilang, masalan, matematik ajratgich yoki javob maydoni. Modelning hujjatlashtirilgan kirishi matn bo‘lgani uchun vizual yoki audio dalil bu jarayondan oldin tegishli alohida ifodani talab qiladi. Hisoblash, iqtibos va yaratilgan kodni manbaga nisbatan tekshiring. Foydali natija belgilangan Instruct-2507 identifikatsiyasi, fikrlashsiz rejim va shartli uzun kontekst tartibi aniq qoladigan to‘liq, ko‘rib chiqiladigan matn artefaktidir.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar qwen/qwen3-30b-a3b-instruct-2507 | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Namunalar: system, user, assistant, tool, function Shartlar: Bu rollar manba kodining moslik turlarida ochiq ifodalangan; aniq rollar to‘plami har bir modelga xos bo‘lib qoladi. Modelga bogʻliq | Standart— |
Maydonmessages[].content | Turstring|content_part[]|null | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_calls | Turtool_call[] | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_call_id | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: role=tool; haqiqatan qaytarilgan IDdan foydalaning | Standart— |
Maydonmessages[].name | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].reasoning_content | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Ushbu model foydalanganda, haqiqatan qaytarilgan fikrlash ma’lumotlarini keyingi so‘rovda qayta yuboring | Standart— |
Maydonmessages[].reasoning_details | Turobject|array | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmax_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonmax_completion_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Maydonstream_options.include_usage | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontemperature | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontop_p | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonstop | Turstring|string[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools | Turfunction_tool[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools[].type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar function Modelga bogʻliq | Standart— |
Maydontools[].function.name | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Funksiya vositasi taqdim etilgan | Standart— |
Maydontools[].function.description | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontools[].function.parameters | TurJSON_schema | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontool_choice | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonparallel_tool_calls | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonresponse_format | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning_effort | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonservice_tier | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydoninstructions | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Moslik maydoni | Standart— |
Maydonfunctions | Turfunction[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonfunction_call | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonprompt_cache_options | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmodalities | Turstring[] | TalabIxtiyoriy | Qiymatlar va cheklovlar text | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Ushbu Ultra matn marshrutida provider.options rad etiladi | Standart— |
Maydoncache_control.ttl | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Haqiqiy prompt-kesh joylarida 1h rad etiladi | Standart— |
Matn · UTF8 matni
messages[].content
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages |
Parametrmaterial_types | Parametr talablaritext |
Parametrmessages | Parametr talablarirole/content tuzilishidagi xabarlar massivi |
Parametrfile_material | Parametr talablariHaqiqiy UTF-8 hujjati aynan matn sifatida kiritiladi; fayl IDsi faraz qilinmaydi |
Parametroptional_controls | Parametr talablaristream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Parametr talablariModelga xos; foydalanuvchi funksiya vositalari hostingdagi vositalardan farq qiladi |
Parametroutput_modalities | Parametr talablaritext |
Parametrhosted_operations | Parametr talablarifalse |
Parametrmultimodal_input_binding | Parametr talablarinull |
Hayot sikli: synchronous_or_streamed
Aniq model IDsini messages bilan yuboring.
Kontekst uzunligi chiqishning yuqori chegarasi emas.
Matn fayli aynan matnni taqdim etishi mumkin; tasvir, audio va fayl obyekti kirishlari aniq bog‘lashni talab qiladi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0002 / 1K token Chiqish · Chiqish tokenlari $0.0008 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0002 / 1K token Chiqish · Chiqish tokenlari $0.0008 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-30b-a3b-instruct-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir javob variantini va uning kontenti, vosita chaqiruvlari hamda fikrlash ma’lumotlarini saqlang. SSEda o‘zgarish qismlarini variant va vosita indeksi bo‘yicha yig‘ing, yakuniy tugash sababi va sarf ma’lumotlarini saqlang.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonchoices[].index | Turinteger |
Maydonchoices[].message.content | Turstring|null |
Maydonchoices[].message.tool_calls | Turtool_call[] |
Maydonchoices[].message.reasoning_content | Turstring |
Maydonchoices[].message.reasoning_details | Turobject|array |
Maydonchoices[].finish_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 — Qwen’ning iyuldagi qat’iy 2507 matn versiyasi bo‘lib, fikrlashsiz ishlaydi va jami 30,5 milliard hamda 3,3 milliard faollashadigan parametrga ega. U ko‘rsatmalarga rioya qilish, dasturlash, ko‘p tilli bilim va erkin shakldagi yozishni yaxshilaydi, asl konteksti 262 144 token.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Asosiy jihatlar: belgilangan Instruct-2507 yangilanishi
Qwen3-30B-A3B-Instruct-2507 — Qwen3-30B-A3B’ning yangilangan fikrlashsiz versiyasi. Ishlab chiqaruvchi ko‘rsatmalarga rioya qilish, mantiqiy fikr yuritish, matnni anglash, matematika, fan, dasturlash va vositalardan foydalanishdagi yaxshilanishlar, bir nechta tilda kam uchraydigan mavzularga oid kengroq bilim va erkin vazifalarga yaxshiroq moslashishni ta’kidlaydi. U matn qabul qilib, matn yaratadi: javob, izoh, kod taklifi yoki so‘ralgan yozma artefakt.
Belgilangan 2507 identifikatsiyasini dastlabki gibrid Qwen3-30B-A3B, uning FP8 yig‘ilmasi va Thinking-2507 versiyasidan ajrating. Modelning ko‘p tilli bilim tavsifi ushbu versiya nusxasi uchun alohida til soni kafolatini bermaydi. Tarjima yoki qayta yozish vazifasida maqsad til, auditoriya va o‘zgarmasligi kerak bo‘lgan atamalarni belgilang.
Modelga umumiy nazar
Ekspertlar aralashmasi modelida jami 30,5 milliard parametr bor va 3,3 milliard faollashadi. Unda 48 qatlam, 128 ekspert va har token uchun tanlanadigan sakkiz ekspert bor. Asl konteksti 262 144 token. Faollashgan parametrlar to‘liq nazorat nuqtasining hajmi emas, arxitekturaning o‘zi esa ilovada qat’iy javob vaqtini belgilamaydi.
Bu versiya faqat fikrlashsiz rejimni qo‘llaydi va aniq fikrlash bloklarini yaratmaydi. Ishlab chiqaruvchi retseptida enable_thinking=False sozlamasi shart emas. U oddiy matnda hisob-kitobni ko‘rsatishi yoki kodni izohlashi mumkin; qo‘llab-quvvatlovchi bosqichlarni so‘rash uni alohida Thinking nazorat nuqtasiga aylantirmaydi.
Foydali matn so‘rovini tayyorlash
Dasturlash vazifasida tegishli funksiya yoki modul, kirish cheklovlari, kuzatilgan xatti-harakat va kerakli natijani bering. Ta’sirlanadigan farazlar izohi bilan patch taklifi yoki to‘liq funksiyani so‘rang. Matematik yoki ilmiy savolda to‘liq shart, birliklar va ta’riflarni berib, shu shartlarga tayangan, aniq chegaralangan yakuniy javobni so‘rang.
Erkin shakldagi yozish vazifasida auditoriya, maqsad, ohang va chiqishi shart bo‘lgan ma’lumotni belgilang. Foydali javob so‘ralgan bo‘limlar bo‘yicha tashkil qilingan, asoslanmagan farazlari alohida ko‘rsatilgan tahrirlanuvchi qoralama bo‘lishi mumkin. Qaytgan qoralama, hisoblash yoki taklif etilgan kodni berilgan fakt, ta’rif va talablarga nisbatan tekshiring.
Agent sifatida foydalanish
Qwen vosita chaqirishni hujjatlashtiradi va sozlangan yoki MCP orqali ulangan vositalar uchun vosita chaqiruvlari shablonlari hamda sintaktik tahlilini ta’minlaydigan Qwen-Agent’ni tavsiya qiladi. Ruxsat etilgan harakatlar va kuzatiladigan tugash shartlarini ayting. Ulangan vositalar tashqi amallarni bajarib, kuzatuvlarni qaytaradi; model shu fikr-mulohazadan keyingi javobda foydalanishi mumkin. Taklif etilgan buyruq yoki olingan manba haqidagi da’vo jarayon haqiqatan qaytargan natijadan alohida qolishi kerak.
Aniq yakuniy artefakt kod taklifi, dalillar jadvali yoki qisqa hisobot bo‘lishi mumkin. Vosita qo‘llab-quvvatlanishi har bir interfeys orqali joriy manba, fayl yoki bajarish muhitiga kirishni o‘z-o‘zidan yaratmaydi. Gibrid modelning yo‘riqnoma kalitlari yoki Thinking versiyasining chiqish hajmlarini ko‘chirmay, aynan shu modelning fikrlashsiz javob shartnomasini saqlang.
Nihoyatda uzun matnni ishlash
Ishlab chiqaruvchi Dual Chunk Attention va MInference siyrak diqqatidan foydalanib, taxminan bir million tokenga yetadigan ixtiyoriy jarayonni hujjatlashtiradi. Birinchisi bo‘laklararo aloqalarni saqlagan holda uzun ketma-ketlikni boshqariladigan qismlarga bo‘ladi; ikkinchisi hisoblashni tanlangan diqqat aloqalariga qaratadi. Bu asl 262 144 kontekstdan tashqari, maxsus uzun kontekst konfiguratsiyasidan foydalanadigan qo‘shimcha sozlash yo‘lidir.
Retsept model vaznlari, keshlangan ketma-ketlik holati va eng yuqori aktivatsiyalar uchun taxminan 240 GB jami GPU xotirasini baholaydi. U ketma-ketlik keshi, aktivatsiya xotirasi yoki sozlangan uzunlikdan oshadigan kirish tufayli yuz beradigan alohida sig‘im nosozliklarini ham tasvirlaydi. Shuning uchun million tokenli jarayon konfiguratsiya va resurslarga bog‘liq; sarlavhadagi ko‘rsatkichni shartsiz standart deb qabul qilmaslik kerak.
Uzun kirishni hujjat chegaralari, bo‘lim nomlari yoki kod identifikatorlari va aniq savol bilan tayyorlang. Javobga joy qoldiring va har bir xulosani asoslaydigan dalilni so‘rang.
Yaratish tavsiyalari
Eng yaxshi amaliyot tavsiyalari temperature 0,7, top_p 0,8, top_k 20 va min_p 0 ni tavsiya qiladi. Qo‘llab-quvvatlangan joyda nol va ikki orasidagi presence penalty takroriy matnni kamaytirishi, yuqoriroq qiymatlar esa tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin. Ishlab chiqaruvchi ko‘pchilik so‘rovlar uchun Thinking-2507’ga oid uzunroq budjetlar o‘rniga 16 384 tokenli chiqish hajmini tavsiya qiladi. Bu mustaqil belgilangan qat’iy chiqish chegarasi emas, tavsiyadir.
Yakuniy formatni aniq belgilang, masalan, matematik ajratgich yoki javob maydoni. Modelning hujjatlashtirilgan kirishi matn bo‘lgani uchun vizual yoki audio dalil bu jarayondan oldin tegishli alohida ifodani talab qiladi. Hisoblash, iqtibos va yaratilgan kodni manbaga nisbatan tekshiring. Foydali natija belgilangan Instruct-2507 identifikatsiyasi, fikrlashsiz rejim va shartli uzun kontekst tartibi aniq qoladigan to‘liq, ko‘rib chiqiladigan matn artefaktidir.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar qwen/qwen3-30b-a3b-instruct-2507 | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar user, assistant | Standart— |
Maydonmessages[].content | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmax_tokens | Turinteger | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF-8 matni
messages[].content satri
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages, max_tokens |
Parametroptional_controls | Parametr talablaristream |
Parametrmaterial_types | Parametr talablaritext |
Parametrtext_file_material | Parametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring. |
Hayot sikli: synchronous_or_streamed
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0002 / 1K token Chiqish · Chiqish tokenlari $0.0008 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0002 / 1K token Chiqish · Chiqish tokenlari $0.0008 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "qwen/qwen3-30b-a3b-instruct-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Barcha kontent bloklari, fikrlash imzolari va haqiqiy vosita ishlatish IDlarini saqlang. SSE bloklarining barcha o‘zgarish qismlarini yig‘ing; birinchi matn bloki to‘liq chiqish emas.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonid | Turstring |
Maydonmodel | Turstring |
Maydoncontent[] | Turtext|thinking|tool_use|other content block |
Maydonstop_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.