Qwen3.5 yangiliklari: 122B-A10B ekspert modeli
Qwen3.5-122B-A10B — birgalikdagi matnli va vizual vazifalar uchun qo‘shimcha o‘qitishdan o‘tgan ko‘rish-til modeli. U matn, tasvir va videoni qabul qilib, matn qaytaradi, jumladan tushuntirishlar, kod takliflari va so‘ralgan hujjat ko‘rinishidagi ish mahsullarini. Oila matn va ko‘rishning dastlabki birlashuvi hamda tobora murakkablashadigan vazifalarda mustahkamlash asosida o‘qitish orqali qurilgan bo‘lib, mulohaza, dasturlash, agentlar va vizual tushunishni rivojlantiradi. Unda 201 til va sheva qamrovi tavsiflanadi, ammo bu har bir til yoki soha bir xil ishonchlilikka ega ekanini anglatmaydi.
Foydali vazifa texnik spetsifikatsiya, diagrammalar va tegishli kodni birlashtirib, modeldan komponentlarni tushuntirish va amalga oshirish taklifini qaytarishni so‘rashi mumkin. Hujjat tahlili vazifasi asoslovchi bo‘lim yoki sahifa havolalari bilan taqqoslashni so‘rashi mumkin.
Model haqida
Siyrak ekspertlar aralashmasi model nusxasida jami 122 milliard parametr bor va o‘n milliardi faollashadi. U til modelining 48 qatlamiga ega, bunda uchta Gated DeltaNet ekspert qatlamidan keyin bitta darvozali diqqat ekspert qatlami keladigan guruhlar bor. Ishlab chiqaruvchi 256 yo‘naltiriladigan ekspert mavjudligini ko‘rsatadi; model ulardan sakkiztasini bitta umumiy ekspert bilan birga tanlaydi. Ko‘rish enkoderi va bir nechta tokenni bashorat qilish modelning bir qismi. Jami va faollashgan sonlar turli ma’noga ega; faollashgan ko‘rsatkich to‘liq model nusxasi hajmi emas.
Bu zich Qwen3.5-27B, siyrak Qwen3.5-35B-A3B va keyingi model avlodlaridan alohida nashrdir. Faqat o‘lchamga qarab umumiy unumdorlik yoki kechikish tartibini xulosa qilmang. Asosiy kontekst 262,144 token va hujjatlashtirilgan kengaytirish sozlash bilan 1,010,000 gacha yetadi. Qwen murakkab fikrlashda imkon qadar kamida 128K kontekstni saqlashni maslahat beradi, xotira bosimi esa kichikroq oynani talab qilishi mumkinligini tan oladi.
Birgalikdagi matnli va vizual dalillarni tayyorlash
Diagramma yorliqlari, grafik o‘qlari, jadval sarlavhalari va birliklarni saqlang. Natija munosabatni tushuntirishi, nomlangan maydonlarni ajratib olishi yoki kod taklif qilishi kerakligini ayting. Bir nechta manba muhim bo‘lsa, ularga yorliq bering va bir xil identifikatorlar bo‘yicha tuzilgan chiqishni so‘rang. Ko‘rinadigan faktlarni taxminlardan ajrating, shunda ko‘rib chiquvchi mulohaza izini berilgan materialgacha kuzata oladi.
Dasturlash so‘rovida mo‘ljallangan xatti-harakat, tegishli manba va muammoni ko‘rsatadigan kirishni belgilang. Ta’sirlanadigan shartlar va tekshiruvlar tushuntirishi bilan tahrirlanadigan tuzatishni so‘rang. Video uchun hodisalar ketma-ketligi va vaqt ma’lumotini saqlang, umumiy ajratilmagan xulosa so‘rash o‘rniga savolni aniqlashtiring. Modelning matnli natijasi ko‘zdan kechiriladigan ish mahsuli loyihasi; vizual kirish imkoniyati tasvir, video yoki nutq yaratishni anglatmaydi.
Fikrlash va tarix
Fikrlash sukut bo‘yicha yoqilgan, mulohaza yakuniy javobdan oldin keladi. Ishlab chiqaruvchining enable_thinking sozlamasi uni bevosita javoblar uchun o‘chirishi mumkin. Eski /think va /nothink yumshoq kalitlari rasman qo‘llanmaydi. Qwen3.5 avvalgi yordamchi xabarlarida yakuniy javoblarni fikrlash mazmunisiz saqlashni tavsiya qiladi. Faqat oila nomi umumiy bo‘lgani uchun buni keyingi Qwen avlodlarining tarixni saqlash parametrlari bilan almashtirmaslik kerak.
Yakuniy natijani oson topiladigan qiling, masalan belgilangan javob maydoni, ajratgichlar bilan chegaralangan qiymat yoki alohida kod mahsuli. Bevosita javobni ham tekshirish zarur, uzunroq mulohaza esa faqat uning bosqichlari tekshiriladigan xulosani qo‘llab-quvvatlaganda foydalidir.
Agent sifatida foydalanish
Qwen vosita chaqiruvlarini hujjatlashtiradi va sozlangan yoki MCP orqali ulangan vositalarga ega Qwen-Agent’ni, dasturlash agenti ishlari uchun esa Qwen Code’ni tavsiya qiladi. Ruxsat etilgan amallar, mavjud dalillar va tugallanish mezonlarini belgilang. Ulangan vositalar amallarni bajaradi va natijalarni qaytaradi; model shu qayta aloqa natijalaridan tahlilida foydalanadi. Taklif qilingan buyruq, qidiruv so‘rovi yoki tuzatish ilova haqiqatan bajargan amaldan alohida qolishi kerak.
Juda uzun kontekst va video
Ishlab chiqaruvchining kengaytirishi model nusxasining almashinuvchi pozitsion sozlamalari bilan YaRN’dan foydalanadi. To‘rt koeffitsiyenti taxminan bir million tokenli ish jarayoniga mo‘ljallangan, 524,288 tokenli yuklamalar uchun esa ikki taklif qilinadi. Statik masshtablash qisqaroq matn bilan ishlashga ta’sir qilishi mumkin, shuning uchun u katta kontekstga bo‘lgan haqiqiy ehtiyojga mos bo‘lishi kerak. Kirish, ifodalangan vizual materiallar, tarix, mulohaza va yakuniy javobning barchasi sozlangan ketma-ketlik budjetidan foydalanadi.
Qo‘llab-quvvatlanadigan video misoli sukut bo‘yicha soniyasiga ikki kadrdan foydalanadi. Soatlab davom etadigan materialda ishlab chiqaruvchi yuqoriroq tezlikda kadr tanlash uchun protsessor budjetini taxminan 224K video tokenigacha oshirishni tavsiya qiladi. Bu sozlamaga bog‘liq retsept bo‘lib, umumiy media davomiyligi, to‘liq eslab qolish yoki vaqt belgisi aniqligining kafolati emas.
Generatsiya bo‘yicha tavsiyalar va mazmuniy cheklovlar
Best Practices umumiy fikrlash uchun temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 va repetition penalty 1.0 ni tavsiya qiladi. Aniq dasturlashda temperature 0.6 va presence penalty nol bo‘ladi. Umumiy bevosita javoblarda temperature 0.7, top_p 0.8 va presence penalty 1.5 ishlatiladi; top_k 20, min_p 0 va repetition penalty 1.0 bo‘ladi. Bevosita javobdagi mulohazaning alohida sozlamalari bor: temperature 1.0, top_p 1.0, top_k 40 va presence penalty 2.0. Yuqoriroq presence penalty tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin.
Ko‘pchilik so‘rovlar uchun 32,768 token, noodatiy murakkab matematika yoki dasturlash ishlari uchun esa 81,920 token generatsiya limiti tavsiya etiladi; ular alohida belgilangan qat’iy chiqish chegaralari emas. So‘ralgan formatni belgilang, manba identifikatorlarini saqlang va hisob-kitoblar, ajratib olingan qiymatlar hamda taklif qilingan kodni asl dalillarga solishtiring. Foydali natija — taxminlari va asoslovchi materiali ko‘rinadigan to‘liq matnli ish mahsuli.
", "aboutText": "Qwen3.5 yangiliklari: 122B-A10B ekspert modeli\n\nQwen3.5-122B-A10B — birgalikdagi matnli va vizual vazifalar uchun qo‘shimcha o‘qitishdan o‘tgan ko‘rish-til modeli. U matn, tasvir va videoni qabul qilib, matn qaytaradi, jumladan tushuntirishlar, kod takliflari va so‘ralgan hujjat ko‘rinishidagi ish mahsullarini. Oila matn va ko‘rishning dastlabki birlashuvi hamda tobora murakkablashadigan vazifalarda mustahkamlash asosida o‘qitish orqali qurilgan bo‘lib, mulohaza, dasturlash, agentlar va vizual tushunishni rivojlantiradi. Unda 201 til va sheva qamrovi tavsiflanadi, ammo bu har bir til yoki soha bir xil ishonchlilikka ega ekanini anglatmaydi.\n\nFoydali vazifa texnik spetsifikatsiya, diagrammalar va tegishli kodni birlashtirib, modeldan komponentlarni tushuntirish va amalga oshirish taklifini qaytarishni so‘rashi mumkin. Hujjat tahlili vazifasi asoslovchi bo‘lim yoki sahifa havolalari bilan taqqoslashni so‘rashi mumkin.\n\nModel haqida\n\nSiyrak ekspertlar aralashmasi model nusxasida jami 122 milliard parametr bor va o‘n milliardi faollashadi. U til modelining 48 qatlamiga ega, bunda uchta Gated DeltaNet ekspert qatlamidan keyin bitta darvozali diqqat ekspert qatlami keladigan guruhlar bor. Ishlab chiqaruvchi 256 yo‘naltiriladigan ekspert mavjudligini ko‘rsatadi; model ulardan sakkiztasini bitta umumiy ekspert bilan birga tanlaydi. Ko‘rish enkoderi va bir nechta tokenni bashorat qilish modelning bir qismi. Jami va faollashgan sonlar turli ma’noga ega; faollashgan ko‘rsatkich to‘liq model nusxasi hajmi emas.\n\nBu zich Qwen3.5-27B, siyrak Qwen3.5-35B-A3B va keyingi model avlodlaridan alohida nashrdir. Faqat o‘lchamga qarab umumiy unumdorlik yoki kechikish tartibini xulosa qilmang. Asosiy kontekst 262,144 token va hujjatlashtirilgan kengaytirish sozlash bilan 1,010,000 gacha yetadi. Qwen murakkab fikrlashda imkon qadar kamida 128K kontekstni saqlashni maslahat beradi, xotira bosimi esa kichikroq oynani talab qilishi mumkinligini tan oladi.\n\nBirgalikdagi matnli va vizual dalillarni tayyorlash\n\nDiagramma yorliqlari, grafik o‘qlari, jadval sarlavhalari va birliklarni saqlang. Natija munosabatni tushuntirishi, nomlangan maydonlarni ajratib olishi yoki kod taklif qilishi kerakligini ayting. Bir nechta manba muhim bo‘lsa, ularga yorliq bering va bir xil identifikatorlar bo‘yicha tuzilgan chiqishni so‘rang. Ko‘rinadigan faktlarni taxminlardan ajrating, shunda ko‘rib chiquvchi mulohaza izini berilgan materialgacha kuzata oladi.\n\nDasturlash so‘rovida mo‘ljallangan xatti-harakat, tegishli manba va muammoni ko‘rsatadigan kirishni belgilang. Ta’sirlanadigan shartlar va tekshiruvlar tushuntirishi bilan tahrirlanadigan tuzatishni so‘rang. Video uchun hodisalar ketma-ketligi va vaqt ma’lumotini saqlang, umumiy ajratilmagan xulosa so‘rash o‘rniga savolni aniqlashtiring. Modelning matnli natijasi ko‘zdan kechiriladigan ish mahsuli loyihasi; vizual kirish imkoniyati tasvir, video yoki nutq yaratishni anglatmaydi.\n\nFikrlash va tarix\n\nFikrlash sukut bo‘yicha yoqilgan, mulohaza yakuniy javobdan oldin keladi. Ishlab chiqaruvchining enable_thinking sozlamasi uni bevosita javoblar uchun o‘chirishi mumkin. Eski /think va /nothink yumshoq kalitlari rasman qo‘llanmaydi. Qwen3.5 avvalgi yordamchi xabarlarida yakuniy javoblarni fikrlash mazmunisiz saqlashni tavsiya qiladi. Faqat oila nomi umumiy bo‘lgani uchun buni keyingi Qwen avlodlarining tarixni saqlash parametrlari bilan almashtirmaslik kerak.\n\nYakuniy natijani oson topiladigan qiling, masalan belgilangan javob maydoni, ajratgichlar bilan chegaralangan qiymat yoki alohida kod mahsuli. Bevosita javobni ham tekshirish zarur, uzunroq mulohaza esa faqat uning bosqichlari tekshiriladigan xulosani qo‘llab-quvvatlaganda foydalidir.\n\nAgent sifatida foydalanish\n\nQwen vosita chaqiruvlarini hujjatlashtiradi va sozlangan yoki MCP orqali ulangan vositalarga ega Qwen-Agent’ni, dasturlash agenti ishlari uchun esa Qwen Code’ni tavsiya qiladi. Ruxsat etilgan amallar, mavjud dalillar va tugallanish mezonlarini belgilang. Ulangan vositalar amallarni bajaradi va natijalarni qaytaradi; model shu qayta aloqa natijalaridan tahlilida foydalanadi. Taklif qilingan buyruq, qidiruv so‘rovi yoki tuzatish ilova haqiqatan bajargan amaldan alohida qolishi kerak.\n\nJuda uzun kontekst va video\n\nIshlab chiqaruvchining kengaytirishi model nusxasining almashinuvchi pozitsion sozlamalari bilan YaRN’dan foydalanadi. To‘rt koeffitsiyenti taxminan bir million tokenli ish jarayoniga mo‘ljallangan, 524,288 tokenli yuklamalar uchun esa ikki taklif qilinadi. Statik masshtablash qisqaroq matn bilan ishlashga ta’sir qilishi mumkin, shuning uchun u katta kontekstga bo‘lgan haqiqiy ehtiyojga mos bo‘lishi kerak. Kirish, ifodalangan vizual materiallar, tarix, mulohaza va yakuniy javobning barchasi sozlangan ketma-ketlik budjetidan foydalanadi.\n\nQo‘llab-quvvatlanadigan video misoli sukut bo‘yicha soniyasiga ikki kadrdan foydalanadi. Soatlab davom etadigan materialda ishlab chiqaruvchi yuqoriroq tezlikda kadr tanlash uchun protsessor budjetini taxminan 224K video tokenigacha oshirishni tavsiya qiladi. Bu sozlamaga bog‘liq retsept bo‘lib, umumiy media davomiyligi, to‘liq eslab qolish yoki vaqt belgisi aniqligining kafolati emas.\n\nGeneratsiya bo‘yicha tavsiyalar va mazmuniy cheklovlar\n\nBest Practices umumiy fikrlash uchun temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 va repetition penalty 1.0 ni tavsiya qiladi. Aniq dasturlashda temperature 0.6 va presence penalty nol bo‘ladi. Umumiy bevosita javoblarda temperature 0.7, top_p 0.8 va presence penalty 1.5 ishlatiladi; top_k 20, min_p 0 va repetition penalty 1.0 bo‘ladi. Bevosita javobdagi mulohazaning alohida sozlamalari bor: temperature 1.0, top_p 1.0, top_k 40 va presence penalty 2.0. Yuqoriroq presence penalty tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin.\n\nKo‘pchilik so‘rovlar uchun 32,768 token, noodatiy murakkab matematika yoki dasturlash ishlari uchun esa 81,920 token generatsiya limiti tavsiya etiladi; ular alohida belgilangan qat’iy chiqish chegaralari emas. So‘ralgan formatni belgilang, manba identifikatorlarini saqlang va hisob-kitoblar, ajratib olingan qiymatlar hamda taklif qilingan kodni asl dalillarga solishtiring. Foydali natija — taxminlari va asoslovchi materiali ko‘rinadigan to‘liq matnli ish mahsuli.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Check a process graph against its rule\n\nA process specification says validation must complete before persistence. Textual graph G1 is receive -> persist -> validate -> acknowledge. Code excerpt: save(record); validate(record); return "accepted". Propose an implementation correction and update the graph in text. Include a test showing that an invalid record never reaches save.A corrected sequence diagram in text, a focused code proposal and a test using an invalid record.Check that the graph and code agree on validate-before-save and that acknowledgment follows successful persistence.qwen/qwen3.5-122b-a10bQwen3.5-122B-A10B — Qwen’ning jami 122 milliard parametrli, ulardan 10 milliardi faollashadigan ko‘rish-til ekspertlar aralashmasi modeli. U mulohaza, dasturlash va agent vazifalari uchun matn, tasvir va videoni qabul qilib, tanlanadigan fikrlash va 262,144 tokenli asosiy kontekst bilan matn qaytaradi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Qwen3.5 yangiliklari: 122B-A10B ekspert modeli
Qwen3.5-122B-A10B — birgalikdagi matnli va vizual vazifalar uchun qo‘shimcha o‘qitishdan o‘tgan ko‘rish-til modeli. U matn, tasvir va videoni qabul qilib, matn qaytaradi, jumladan tushuntirishlar, kod takliflari va so‘ralgan hujjat ko‘rinishidagi ish mahsullarini. Oila matn va ko‘rishning dastlabki birlashuvi hamda tobora murakkablashadigan vazifalarda mustahkamlash asosida o‘qitish orqali qurilgan bo‘lib, mulohaza, dasturlash, agentlar va vizual tushunishni rivojlantiradi. Unda 201 til va sheva qamrovi tavsiflanadi, ammo bu har bir til yoki soha bir xil ishonchlilikka ega ekanini anglatmaydi.
Foydali vazifa texnik spetsifikatsiya, diagrammalar va tegishli kodni birlashtirib, modeldan komponentlarni tushuntirish va amalga oshirish taklifini qaytarishni so‘rashi mumkin. Hujjat tahlili vazifasi asoslovchi bo‘lim yoki sahifa havolalari bilan taqqoslashni so‘rashi mumkin.
Model haqida
Siyrak ekspertlar aralashmasi model nusxasida jami 122 milliard parametr bor va o‘n milliardi faollashadi. U til modelining 48 qatlamiga ega, bunda uchta Gated DeltaNet ekspert qatlamidan keyin bitta darvozali diqqat ekspert qatlami keladigan guruhlar bor. Ishlab chiqaruvchi 256 yo‘naltiriladigan ekspert mavjudligini ko‘rsatadi; model ulardan sakkiztasini bitta umumiy ekspert bilan birga tanlaydi. Ko‘rish enkoderi va bir nechta tokenni bashorat qilish modelning bir qismi. Jami va faollashgan sonlar turli ma’noga ega; faollashgan ko‘rsatkich to‘liq model nusxasi hajmi emas.
Bu zich Qwen3.5-27B, siyrak Qwen3.5-35B-A3B va keyingi model avlodlaridan alohida nashrdir. Faqat o‘lchamga qarab umumiy unumdorlik yoki kechikish tartibini xulosa qilmang. Asosiy kontekst 262,144 token va hujjatlashtirilgan kengaytirish sozlash bilan 1,010,000 gacha yetadi. Qwen murakkab fikrlashda imkon qadar kamida 128K kontekstni saqlashni maslahat beradi, xotira bosimi esa kichikroq oynani talab qilishi mumkinligini tan oladi.
Birgalikdagi matnli va vizual dalillarni tayyorlash
Diagramma yorliqlari, grafik o‘qlari, jadval sarlavhalari va birliklarni saqlang. Natija munosabatni tushuntirishi, nomlangan maydonlarni ajratib olishi yoki kod taklif qilishi kerakligini ayting. Bir nechta manba muhim bo‘lsa, ularga yorliq bering va bir xil identifikatorlar bo‘yicha tuzilgan chiqishni so‘rang. Ko‘rinadigan faktlarni taxminlardan ajrating, shunda ko‘rib chiquvchi mulohaza izini berilgan materialgacha kuzata oladi.
Dasturlash so‘rovida mo‘ljallangan xatti-harakat, tegishli manba va muammoni ko‘rsatadigan kirishni belgilang. Ta’sirlanadigan shartlar va tekshiruvlar tushuntirishi bilan tahrirlanadigan tuzatishni so‘rang. Video uchun hodisalar ketma-ketligi va vaqt ma’lumotini saqlang, umumiy ajratilmagan xulosa so‘rash o‘rniga savolni aniqlashtiring. Modelning matnli natijasi ko‘zdan kechiriladigan ish mahsuli loyihasi; vizual kirish imkoniyati tasvir, video yoki nutq yaratishni anglatmaydi.
Fikrlash va tarix
Fikrlash sukut bo‘yicha yoqilgan, mulohaza yakuniy javobdan oldin keladi. Ishlab chiqaruvchining enable_thinking sozlamasi uni bevosita javoblar uchun o‘chirishi mumkin. Eski /think va /nothink yumshoq kalitlari rasman qo‘llanmaydi. Qwen3.5 avvalgi yordamchi xabarlarida yakuniy javoblarni fikrlash mazmunisiz saqlashni tavsiya qiladi. Faqat oila nomi umumiy bo‘lgani uchun buni keyingi Qwen avlodlarining tarixni saqlash parametrlari bilan almashtirmaslik kerak.
Yakuniy natijani oson topiladigan qiling, masalan belgilangan javob maydoni, ajratgichlar bilan chegaralangan qiymat yoki alohida kod mahsuli. Bevosita javobni ham tekshirish zarur, uzunroq mulohaza esa faqat uning bosqichlari tekshiriladigan xulosani qo‘llab-quvvatlaganda foydalidir.
Agent sifatida foydalanish
Qwen vosita chaqiruvlarini hujjatlashtiradi va sozlangan yoki MCP orqali ulangan vositalarga ega Qwen-Agent’ni, dasturlash agenti ishlari uchun esa Qwen Code’ni tavsiya qiladi. Ruxsat etilgan amallar, mavjud dalillar va tugallanish mezonlarini belgilang. Ulangan vositalar amallarni bajaradi va natijalarni qaytaradi; model shu qayta aloqa natijalaridan tahlilida foydalanadi. Taklif qilingan buyruq, qidiruv so‘rovi yoki tuzatish ilova haqiqatan bajargan amaldan alohida qolishi kerak.
Juda uzun kontekst va video
Ishlab chiqaruvchining kengaytirishi model nusxasining almashinuvchi pozitsion sozlamalari bilan YaRN’dan foydalanadi. To‘rt koeffitsiyenti taxminan bir million tokenli ish jarayoniga mo‘ljallangan, 524,288 tokenli yuklamalar uchun esa ikki taklif qilinadi. Statik masshtablash qisqaroq matn bilan ishlashga ta’sir qilishi mumkin, shuning uchun u katta kontekstga bo‘lgan haqiqiy ehtiyojga mos bo‘lishi kerak. Kirish, ifodalangan vizual materiallar, tarix, mulohaza va yakuniy javobning barchasi sozlangan ketma-ketlik budjetidan foydalanadi.
Qo‘llab-quvvatlanadigan video misoli sukut bo‘yicha soniyasiga ikki kadrdan foydalanadi. Soatlab davom etadigan materialda ishlab chiqaruvchi yuqoriroq tezlikda kadr tanlash uchun protsessor budjetini taxminan 224K video tokenigacha oshirishni tavsiya qiladi. Bu sozlamaga bog‘liq retsept bo‘lib, umumiy media davomiyligi, to‘liq eslab qolish yoki vaqt belgisi aniqligining kafolati emas.
Generatsiya bo‘yicha tavsiyalar va mazmuniy cheklovlar
Best Practices umumiy fikrlash uchun temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 va repetition penalty 1.0 ni tavsiya qiladi. Aniq dasturlashda temperature 0.6 va presence penalty nol bo‘ladi. Umumiy bevosita javoblarda temperature 0.7, top_p 0.8 va presence penalty 1.5 ishlatiladi; top_k 20, min_p 0 va repetition penalty 1.0 bo‘ladi. Bevosita javobdagi mulohazaning alohida sozlamalari bor: temperature 1.0, top_p 1.0, top_k 40 va presence penalty 2.0. Yuqoriroq presence penalty tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin.
Ko‘pchilik so‘rovlar uchun 32,768 token, noodatiy murakkab matematika yoki dasturlash ishlari uchun esa 81,920 token generatsiya limiti tavsiya etiladi; ular alohida belgilangan qat’iy chiqish chegaralari emas. So‘ralgan formatni belgilang, manba identifikatorlarini saqlang va hisob-kitoblar, ajratib olingan qiymatlar hamda taklif qilingan kodni asl dalillarga solishtiring. Foydali natija — taxminlari va asoslovchi materiali ko‘rinadigan to‘liq matnli ish mahsuli.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar qwen/qwen3.5-122b-a10b | 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 $0.00058 / 1K token Chiqish · Chiqish tokenlari $0.00458 / 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 $0.00058 / 1K token Chiqish · Chiqish tokenlari $0.00458 / 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/qwen3.5-122b-a10b", "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/qwen3.5-122b-a10b',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/qwen3.5-122b-a10b',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/qwen3.5-122b-a10b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
qwen/qwen3.5-122b-a10bQwen3.5-122B-A10B — Qwen’ning jami 122 milliard parametrli, ulardan 10 milliardi faollashadigan ko‘rish-til ekspertlar aralashmasi modeli. U mulohaza, dasturlash va agent vazifalari uchun matn, tasvir va videoni qabul qilib, tanlanadigan fikrlash va 262,144 tokenli asosiy kontekst bilan matn qaytaradi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Qwen3.5 yangiliklari: 122B-A10B ekspert modeli
Qwen3.5-122B-A10B — birgalikdagi matnli va vizual vazifalar uchun qo‘shimcha o‘qitishdan o‘tgan ko‘rish-til modeli. U matn, tasvir va videoni qabul qilib, matn qaytaradi, jumladan tushuntirishlar, kod takliflari va so‘ralgan hujjat ko‘rinishidagi ish mahsullarini. Oila matn va ko‘rishning dastlabki birlashuvi hamda tobora murakkablashadigan vazifalarda mustahkamlash asosida o‘qitish orqali qurilgan bo‘lib, mulohaza, dasturlash, agentlar va vizual tushunishni rivojlantiradi. Unda 201 til va sheva qamrovi tavsiflanadi, ammo bu har bir til yoki soha bir xil ishonchlilikka ega ekanini anglatmaydi.
Foydali vazifa texnik spetsifikatsiya, diagrammalar va tegishli kodni birlashtirib, modeldan komponentlarni tushuntirish va amalga oshirish taklifini qaytarishni so‘rashi mumkin. Hujjat tahlili vazifasi asoslovchi bo‘lim yoki sahifa havolalari bilan taqqoslashni so‘rashi mumkin.
Model haqida
Siyrak ekspertlar aralashmasi model nusxasida jami 122 milliard parametr bor va o‘n milliardi faollashadi. U til modelining 48 qatlamiga ega, bunda uchta Gated DeltaNet ekspert qatlamidan keyin bitta darvozali diqqat ekspert qatlami keladigan guruhlar bor. Ishlab chiqaruvchi 256 yo‘naltiriladigan ekspert mavjudligini ko‘rsatadi; model ulardan sakkiztasini bitta umumiy ekspert bilan birga tanlaydi. Ko‘rish enkoderi va bir nechta tokenni bashorat qilish modelning bir qismi. Jami va faollashgan sonlar turli ma’noga ega; faollashgan ko‘rsatkich to‘liq model nusxasi hajmi emas.
Bu zich Qwen3.5-27B, siyrak Qwen3.5-35B-A3B va keyingi model avlodlaridan alohida nashrdir. Faqat o‘lchamga qarab umumiy unumdorlik yoki kechikish tartibini xulosa qilmang. Asosiy kontekst 262,144 token va hujjatlashtirilgan kengaytirish sozlash bilan 1,010,000 gacha yetadi. Qwen murakkab fikrlashda imkon qadar kamida 128K kontekstni saqlashni maslahat beradi, xotira bosimi esa kichikroq oynani talab qilishi mumkinligini tan oladi.
Birgalikdagi matnli va vizual dalillarni tayyorlash
Diagramma yorliqlari, grafik o‘qlari, jadval sarlavhalari va birliklarni saqlang. Natija munosabatni tushuntirishi, nomlangan maydonlarni ajratib olishi yoki kod taklif qilishi kerakligini ayting. Bir nechta manba muhim bo‘lsa, ularga yorliq bering va bir xil identifikatorlar bo‘yicha tuzilgan chiqishni so‘rang. Ko‘rinadigan faktlarni taxminlardan ajrating, shunda ko‘rib chiquvchi mulohaza izini berilgan materialgacha kuzata oladi.
Dasturlash so‘rovida mo‘ljallangan xatti-harakat, tegishli manba va muammoni ko‘rsatadigan kirishni belgilang. Ta’sirlanadigan shartlar va tekshiruvlar tushuntirishi bilan tahrirlanadigan tuzatishni so‘rang. Video uchun hodisalar ketma-ketligi va vaqt ma’lumotini saqlang, umumiy ajratilmagan xulosa so‘rash o‘rniga savolni aniqlashtiring. Modelning matnli natijasi ko‘zdan kechiriladigan ish mahsuli loyihasi; vizual kirish imkoniyati tasvir, video yoki nutq yaratishni anglatmaydi.
Fikrlash va tarix
Fikrlash sukut bo‘yicha yoqilgan, mulohaza yakuniy javobdan oldin keladi. Ishlab chiqaruvchining enable_thinking sozlamasi uni bevosita javoblar uchun o‘chirishi mumkin. Eski /think va /nothink yumshoq kalitlari rasman qo‘llanmaydi. Qwen3.5 avvalgi yordamchi xabarlarida yakuniy javoblarni fikrlash mazmunisiz saqlashni tavsiya qiladi. Faqat oila nomi umumiy bo‘lgani uchun buni keyingi Qwen avlodlarining tarixni saqlash parametrlari bilan almashtirmaslik kerak.
Yakuniy natijani oson topiladigan qiling, masalan belgilangan javob maydoni, ajratgichlar bilan chegaralangan qiymat yoki alohida kod mahsuli. Bevosita javobni ham tekshirish zarur, uzunroq mulohaza esa faqat uning bosqichlari tekshiriladigan xulosani qo‘llab-quvvatlaganda foydalidir.
Agent sifatida foydalanish
Qwen vosita chaqiruvlarini hujjatlashtiradi va sozlangan yoki MCP orqali ulangan vositalarga ega Qwen-Agent’ni, dasturlash agenti ishlari uchun esa Qwen Code’ni tavsiya qiladi. Ruxsat etilgan amallar, mavjud dalillar va tugallanish mezonlarini belgilang. Ulangan vositalar amallarni bajaradi va natijalarni qaytaradi; model shu qayta aloqa natijalaridan tahlilida foydalanadi. Taklif qilingan buyruq, qidiruv so‘rovi yoki tuzatish ilova haqiqatan bajargan amaldan alohida qolishi kerak.
Juda uzun kontekst va video
Ishlab chiqaruvchining kengaytirishi model nusxasining almashinuvchi pozitsion sozlamalari bilan YaRN’dan foydalanadi. To‘rt koeffitsiyenti taxminan bir million tokenli ish jarayoniga mo‘ljallangan, 524,288 tokenli yuklamalar uchun esa ikki taklif qilinadi. Statik masshtablash qisqaroq matn bilan ishlashga ta’sir qilishi mumkin, shuning uchun u katta kontekstga bo‘lgan haqiqiy ehtiyojga mos bo‘lishi kerak. Kirish, ifodalangan vizual materiallar, tarix, mulohaza va yakuniy javobning barchasi sozlangan ketma-ketlik budjetidan foydalanadi.
Qo‘llab-quvvatlanadigan video misoli sukut bo‘yicha soniyasiga ikki kadrdan foydalanadi. Soatlab davom etadigan materialda ishlab chiqaruvchi yuqoriroq tezlikda kadr tanlash uchun protsessor budjetini taxminan 224K video tokenigacha oshirishni tavsiya qiladi. Bu sozlamaga bog‘liq retsept bo‘lib, umumiy media davomiyligi, to‘liq eslab qolish yoki vaqt belgisi aniqligining kafolati emas.
Generatsiya bo‘yicha tavsiyalar va mazmuniy cheklovlar
Best Practices umumiy fikrlash uchun temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 1.5 va repetition penalty 1.0 ni tavsiya qiladi. Aniq dasturlashda temperature 0.6 va presence penalty nol bo‘ladi. Umumiy bevosita javoblarda temperature 0.7, top_p 0.8 va presence penalty 1.5 ishlatiladi; top_k 20, min_p 0 va repetition penalty 1.0 bo‘ladi. Bevosita javobdagi mulohazaning alohida sozlamalari bor: temperature 1.0, top_p 1.0, top_k 40 va presence penalty 2.0. Yuqoriroq presence penalty tillarni aralashtirishi yoki sifatni biroz pasaytirishi mumkin.
Ko‘pchilik so‘rovlar uchun 32,768 token, noodatiy murakkab matematika yoki dasturlash ishlari uchun esa 81,920 token generatsiya limiti tavsiya etiladi; ular alohida belgilangan qat’iy chiqish chegaralari emas. So‘ralgan formatni belgilang, manba identifikatorlarini saqlang va hisob-kitoblar, ajratib olingan qiymatlar hamda taklif qilingan kodni asl dalillarga solishtiring. Foydali natija — taxminlari va asoslovchi materiali ko‘rinadigan to‘liq matnli ish mahsuli.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar qwen/qwen3.5-122b-a10b | 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 $0.00058 / 1K token Chiqish · Chiqish tokenlari $0.00458 / 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 $0.00058 / 1K token Chiqish · Chiqish tokenlari $0.00458 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "qwen/qwen3.5-122b-a10b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.5-122b-a10b', '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/qwen3.5-122b-a10b', '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/qwen3.5-122b-a10b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
Check a process graph against its rule\n\nA process specification says validation must complete before persistence. Textual graph G1 is receive -> persist -> validate -> acknowledge. Code excerpt: save(record); validate(record); return "accepted". Propose an implementation correction and update the graph in text. Include a test showing that an invalid record never reaches save.A corrected sequence diagram in text, a focused code proposal and a test using an invalid record.Check that the graph and code agree on validate-before-save and that acknowledgment follows successful persistence.