Qwen3.8 yangiliklari: davomli matnli mulohaza
Qwen3.8-2.4T-A95B — matnli mulohaza yuritish uchun chiqarilgan ochiq Qwen3.8 model nusxasi. Qwen dasturlash, kasbiy ishlar, tadqiqot va uzoq davom etadigan agent vazifalarida, jumladan rejalashtirish va muhitdan qaytgan natijalardan foydalanishda yaxshilanishlarni tavsiflaydi. U matn qabul qiladi va matn qaytaradi. Ishlab chiqaruvchi uni boshqariladigan Qwen3.8-Max taklifidan aniq ajratadi: vizual kirish va fikrlashsiz rejimni qo‘llash o‘sha taklifning qo‘shimcha imkoniyatlari bo‘lib, aynan shu ochiq model nusxasining imkoniyatlari emas.
Dasturlash vazifasida tegishli modullar, talab va hozirgi xatti-harakatni yuzaga chiqaradigan kirishni bering. Izohlangan o‘zgartirish va ko‘zdan kechirish mumkin bo‘lgan yakuniy ish mahsulini so‘rang. Tadqiqot yoki kasbiy hisobot uchun dalillar, zarur bo‘limlar va baholash mezonlarini bering, so‘ng modeldan dalil bilan tasdiqlangan topilmalarni taxminlardan ajratishni so‘rang. Bular hujjatlashtirilgan vazifa doirasining amaliy qo‘llanishlari bo‘lib, kod bajarilishi yoki mutaxassis tasdiqlagan xulosalar va’dasi emas.
Model haqida
Siyrak ekspertlar aralashmasi modelida jami 2.4 trillion parametr bor va 95 milliardi faollashadi. U 92 qatlam va 512 yo‘naltiriladigan ekspertdan iborat bo‘lib, o‘nta yo‘naltiriladigan ekspertni bitta umumiy ekspert bilan birga tanlaydi. Uning gibrid bloklari uchga bir tartibda Gated DeltaNet va darvozali diqqatni ekspert qatlamlari bilan birlashtiradi. Bir nechta tokenni bashorat qilish o‘qitishning bir qismi. Faollashgan parametrlar soni to‘liq model nusxasi hajmi emas, jami sonning kattaligi esa javob vaqtini kafolatlamaydi.
Asosiy kontekst 262,144 token, hujjatlarda esa 1,010,000 gacha kengaytirish ko‘rsatilgan. Bu boshqariladigan Max tavsifidagi sukutdagi bir million tokenli kontekstdan farq qiladi. Eng katta ko‘rsatkichlarning barchasi bir vaqtda amal qiladi deb o‘ylash o‘rniga, manba matni, suhbat tarixi, mulohaza va yakuniy javob uchun amalda sozlangan ketma-ketlik limitidan foydalaning.
Aynan shu fikrlovchi model nusxasidan foydalanish
Har bir muloqotda fikrlash talab etiladi va uni o‘chirib bo‘lmaydi. Hujjatlashtirilgan chiqish yakuniy matndan oldin mulohaza bloki bilan boshlanadi. reasoning_effort xhigh, medium va low qiymatlarini qo‘llaydi; sukutdagi qiymat xhigh. Low mo‘ljallangan chuqurlikni kamaytiradi, biroq fikrlash rejimi bo‘lib qoladi. Qisqa yakuniy javob so‘rash bu modelni fikrlamaydigan nashrga aylantirmasdan kerakli ish mahsulini belgilashga imkon beradi.
preserve_thinking sukut bo‘yicha yoqilgan. Avvalgi navbatlardagi mulohazalarni saqlash takroriy vazifada qarorlar kontekstini keyingi bosqichga olib o‘tishga yordam beradi. Tuzatishlar, vosita natijalari va yakuniy javobni ularni yuzaga keltirgan navbatlar bilan bog‘lab saqlang. Bu model o‘tgan xabarlardan har bir mulohaza blokini olib tashlash haqidagi eski maslahatni qabul qilish o‘rniga o‘z tarix qoidalariga amal qilishi kerak. Kuch sarfi va saqlash boshqaruvlarining aynan qanday taqdim etilishi model nusxasi retseptini amalga oshiradigan interfeysga bog‘liq.
Ish muhitlari va muhitdan qaytgan natijalar
Qwen ishlab chiqish ish muhitlari va vositalari bilan moslikni tavsiflaydi. Davomli vazifani maqsad, ruxsat etilgan amallar va tugallanganlik dalillari orqali ifodalash mumkin; shundan keyin ilova ko‘zdan kechirish yoki bajarish kuzatuvlarini taqdim etadi. Modeldan har bir yangi natija rejani qanday o‘zgartirishini tushuntirishni va nimalar hal etilmaganini bildirishni so‘rang. Amalni rejalashtirish va haqiqiy natijani olish shu ish jarayonining turli qismlaridir.
Kartochkadagi boshqariladigan Max misollarida qo‘shimcha ichki vositalar bor. Ularni bu ochiq model uchun avtomatik veb-qidiruv, kod bajarish yoki vizual kirish imkoniyatlariga aylantirish kerak emas. Uning foydali roli — ulangan ish jarayonidagi matnli mulohaza komponenti; vositalar va tashqi ta’sirlar ularni taqdim etadigan ilovaga tegishli.
Generatsiya bo‘yicha tavsiyalar
Ishlab chiqaruvchi temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 va repetition penalty 1.0 ni tavsiya qiladi. Qo‘llab-quvvatlansa, nol va ikki orasidagi presence penalty matn takrorini kamaytirishi mumkin, lekin yuqoriroq qiymatlar tillarni aralashtirishi yoki sifatni biroz pasaytirishi ehtimoli bor. Parametrlar qo‘llovi amalga oshirishga qarab farq qiladi.
Mulohaza va yakuniy javob uchun alohida limitlarga ega, bir million token uchun sozlangan ish jarayonida Qwen mulohaza uchun 262,144 token, yakuniy javob uchun esa 131,072 tokenni tavsiya qiladi. Bular shartli ajratmalar bo‘lib, alohida belgilangan qat’iy chegaralar yoki asosiy 262,144 tokenli kontekstga birga sig‘adigan budjetlar emas. To‘liq ish mahsuli uchun yetarli joy ajrating va mulohazadan keyin oson topiladigan yakuniy natija so‘rang.
Amaliy cheklovlar
Bu model nusxasi tasvir, audio yoki video qabul qilmaydi. Zarur bo‘lsa, tegishli dalillarni alohida ish jarayoni orqali mos matnli ifodaga aylantiring va javobni tekshirishga imkon beradigan identifikatorlarni saqlang. Kartochkada kengaytirilgan kontekst ko‘rsatilgan, lekin bu faqat matnli model uchun har bir vazifaga mos to‘liq kengaytirish retsepti yoki umumiy media limiti berilmagan. Model nusxasining aniq nomi va sozlamalarini saqlang, hisob-kitoblar va kod takliflarini manbaga solishtiring hamda yakuniy ish mahsulini butun tashqi vazifa tugaganining isboti sifatida emas, ko‘rib chiqiladigan natija sifatida baholang.
", "aboutText": "Qwen3.8 yangiliklari: davomli matnli mulohaza\n\nQwen3.8-2.4T-A95B — matnli mulohaza yuritish uchun chiqarilgan ochiq Qwen3.8 model nusxasi. Qwen dasturlash, kasbiy ishlar, tadqiqot va uzoq davom etadigan agent vazifalarida, jumladan rejalashtirish va muhitdan qaytgan natijalardan foydalanishda yaxshilanishlarni tavsiflaydi. U matn qabul qiladi va matn qaytaradi. Ishlab chiqaruvchi uni boshqariladigan Qwen3.8-Max taklifidan aniq ajratadi: vizual kirish va fikrlashsiz rejimni qo‘llash o‘sha taklifning qo‘shimcha imkoniyatlari bo‘lib, aynan shu ochiq model nusxasining imkoniyatlari emas.\n\nDasturlash vazifasida tegishli modullar, talab va hozirgi xatti-harakatni yuzaga chiqaradigan kirishni bering. Izohlangan o‘zgartirish va ko‘zdan kechirish mumkin bo‘lgan yakuniy ish mahsulini so‘rang. Tadqiqot yoki kasbiy hisobot uchun dalillar, zarur bo‘limlar va baholash mezonlarini bering, so‘ng modeldan dalil bilan tasdiqlangan topilmalarni taxminlardan ajratishni so‘rang. Bular hujjatlashtirilgan vazifa doirasining amaliy qo‘llanishlari bo‘lib, kod bajarilishi yoki mutaxassis tasdiqlagan xulosalar va’dasi emas.\n\nModel haqida\n\nSiyrak ekspertlar aralashmasi modelida jami 2.4 trillion parametr bor va 95 milliardi faollashadi. U 92 qatlam va 512 yo‘naltiriladigan ekspertdan iborat bo‘lib, o‘nta yo‘naltiriladigan ekspertni bitta umumiy ekspert bilan birga tanlaydi. Uning gibrid bloklari uchga bir tartibda Gated DeltaNet va darvozali diqqatni ekspert qatlamlari bilan birlashtiradi. Bir nechta tokenni bashorat qilish o‘qitishning bir qismi. Faollashgan parametrlar soni to‘liq model nusxasi hajmi emas, jami sonning kattaligi esa javob vaqtini kafolatlamaydi.\n\nAsosiy kontekst 262,144 token, hujjatlarda esa 1,010,000 gacha kengaytirish ko‘rsatilgan. Bu boshqariladigan Max tavsifidagi sukutdagi bir million tokenli kontekstdan farq qiladi. Eng katta ko‘rsatkichlarning barchasi bir vaqtda amal qiladi deb o‘ylash o‘rniga, manba matni, suhbat tarixi, mulohaza va yakuniy javob uchun amalda sozlangan ketma-ketlik limitidan foydalaning.\n\nAynan shu fikrlovchi model nusxasidan foydalanish\n\nHar bir muloqotda fikrlash talab etiladi va uni o‘chirib bo‘lmaydi. Hujjatlashtirilgan chiqish yakuniy matndan oldin mulohaza bloki bilan boshlanadi. reasoning_effort xhigh, medium va low qiymatlarini qo‘llaydi; sukutdagi qiymat xhigh. Low mo‘ljallangan chuqurlikni kamaytiradi, biroq fikrlash rejimi bo‘lib qoladi. Qisqa yakuniy javob so‘rash bu modelni fikrlamaydigan nashrga aylantirmasdan kerakli ish mahsulini belgilashga imkon beradi.\n\npreserve_thinking sukut bo‘yicha yoqilgan. Avvalgi navbatlardagi mulohazalarni saqlash takroriy vazifada qarorlar kontekstini keyingi bosqichga olib o‘tishga yordam beradi. Tuzatishlar, vosita natijalari va yakuniy javobni ularni yuzaga keltirgan navbatlar bilan bog‘lab saqlang. Bu model o‘tgan xabarlardan har bir mulohaza blokini olib tashlash haqidagi eski maslahatni qabul qilish o‘rniga o‘z tarix qoidalariga amal qilishi kerak. Kuch sarfi va saqlash boshqaruvlarining aynan qanday taqdim etilishi model nusxasi retseptini amalga oshiradigan interfeysga bog‘liq.\n\nIsh muhitlari va muhitdan qaytgan natijalar\n\nQwen ishlab chiqish ish muhitlari va vositalari bilan moslikni tavsiflaydi. Davomli vazifani maqsad, ruxsat etilgan amallar va tugallanganlik dalillari orqali ifodalash mumkin; shundan keyin ilova ko‘zdan kechirish yoki bajarish kuzatuvlarini taqdim etadi. Modeldan har bir yangi natija rejani qanday o‘zgartirishini tushuntirishni va nimalar hal etilmaganini bildirishni so‘rang. Amalni rejalashtirish va haqiqiy natijani olish shu ish jarayonining turli qismlaridir.\n\nKartochkadagi boshqariladigan Max misollarida qo‘shimcha ichki vositalar bor. Ularni bu ochiq model uchun avtomatik veb-qidiruv, kod bajarish yoki vizual kirish imkoniyatlariga aylantirish kerak emas. Uning foydali roli — ulangan ish jarayonidagi matnli mulohaza komponenti; vositalar va tashqi ta’sirlar ularni taqdim etadigan ilovaga tegishli.\n\nGeneratsiya bo‘yicha tavsiyalar\n\nIshlab chiqaruvchi temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 va repetition penalty 1.0 ni tavsiya qiladi. Qo‘llab-quvvatlansa, nol va ikki orasidagi presence penalty matn takrorini kamaytirishi mumkin, lekin yuqoriroq qiymatlar tillarni aralashtirishi yoki sifatni biroz pasaytirishi ehtimoli bor. Parametrlar qo‘llovi amalga oshirishga qarab farq qiladi.\n\nMulohaza va yakuniy javob uchun alohida limitlarga ega, bir million token uchun sozlangan ish jarayonida Qwen mulohaza uchun 262,144 token, yakuniy javob uchun esa 131,072 tokenni tavsiya qiladi. Bular shartli ajratmalar bo‘lib, alohida belgilangan qat’iy chegaralar yoki asosiy 262,144 tokenli kontekstga birga sig‘adigan budjetlar emas. To‘liq ish mahsuli uchun yetarli joy ajrating va mulohazadan keyin oson topiladigan yakuniy natija so‘rang.\n\nAmaliy cheklovlar\n\nBu model nusxasi tasvir, audio yoki video qabul qilmaydi. Zarur bo‘lsa, tegishli dalillarni alohida ish jarayoni orqali mos matnli ifodaga aylantiring va javobni tekshirishga imkon beradigan identifikatorlarni saqlang. Kartochkada kengaytirilgan kontekst ko‘rsatilgan, lekin bu faqat matnli model uchun har bir vazifaga mos to‘liq kengaytirish retsepti yoki umumiy media limiti berilmagan. Model nusxasining aniq nomi va sozlamalarini saqlang, hisob-kitoblar va kod takliflarini manbaga solishtiring hamda yakuniy ish mahsulini butun tashqi vazifa tugaganining isboti sifatida emas, ko‘rib chiqiladigan natija sifatida baholang.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Review a resumable migration plan\n\nReview this migration design against the requirement that every row is copied exactly once. Step 1 copies 100 rows after last_id. Step 2 saves last_id. A crash can occur between steps. Explain the duplicate risk after restart and propose a minimal idempotent write or atomic checkpoint design. Include a test that interrupts precisely between the two steps.A cause analysis, one concrete correction strategy and a crash-point regression scenario.Rerunning after the interruption cannot produce duplicate destination rows or skip uncopied source rows.qwen/qwen3.8-2.4t-a95bQwen3.8-2.4T-A95B — Qwen’ning jami 2.4 trillion parametrli, ulardan 95 milliardi faollashadigan siyrak ekspertlar aralashmasi asosidagi matnli mulohaza modeli. Bu ochiq model nusxasi doimo fikrlaydi, mulohaza kuchini sozlashni qo‘llaydi va davomli dasturlash hamda kasbiy vazifalar uchun mulohaza kontekstini saqlaydi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Qwen3.8 yangiliklari: davomli matnli mulohaza
Qwen3.8-2.4T-A95B — matnli mulohaza yuritish uchun chiqarilgan ochiq Qwen3.8 model nusxasi. Qwen dasturlash, kasbiy ishlar, tadqiqot va uzoq davom etadigan agent vazifalarida, jumladan rejalashtirish va muhitdan qaytgan natijalardan foydalanishda yaxshilanishlarni tavsiflaydi. U matn qabul qiladi va matn qaytaradi. Ishlab chiqaruvchi uni boshqariladigan Qwen3.8-Max taklifidan aniq ajratadi: vizual kirish va fikrlashsiz rejimni qo‘llash o‘sha taklifning qo‘shimcha imkoniyatlari bo‘lib, aynan shu ochiq model nusxasining imkoniyatlari emas.
Dasturlash vazifasida tegishli modullar, talab va hozirgi xatti-harakatni yuzaga chiqaradigan kirishni bering. Izohlangan o‘zgartirish va ko‘zdan kechirish mumkin bo‘lgan yakuniy ish mahsulini so‘rang. Tadqiqot yoki kasbiy hisobot uchun dalillar, zarur bo‘limlar va baholash mezonlarini bering, so‘ng modeldan dalil bilan tasdiqlangan topilmalarni taxminlardan ajratishni so‘rang. Bular hujjatlashtirilgan vazifa doirasining amaliy qo‘llanishlari bo‘lib, kod bajarilishi yoki mutaxassis tasdiqlagan xulosalar va’dasi emas.
Model haqida
Siyrak ekspertlar aralashmasi modelida jami 2.4 trillion parametr bor va 95 milliardi faollashadi. U 92 qatlam va 512 yo‘naltiriladigan ekspertdan iborat bo‘lib, o‘nta yo‘naltiriladigan ekspertni bitta umumiy ekspert bilan birga tanlaydi. Uning gibrid bloklari uchga bir tartibda Gated DeltaNet va darvozali diqqatni ekspert qatlamlari bilan birlashtiradi. Bir nechta tokenni bashorat qilish o‘qitishning bir qismi. Faollashgan parametrlar soni to‘liq model nusxasi hajmi emas, jami sonning kattaligi esa javob vaqtini kafolatlamaydi.
Asosiy kontekst 262,144 token, hujjatlarda esa 1,010,000 gacha kengaytirish ko‘rsatilgan. Bu boshqariladigan Max tavsifidagi sukutdagi bir million tokenli kontekstdan farq qiladi. Eng katta ko‘rsatkichlarning barchasi bir vaqtda amal qiladi deb o‘ylash o‘rniga, manba matni, suhbat tarixi, mulohaza va yakuniy javob uchun amalda sozlangan ketma-ketlik limitidan foydalaning.
Aynan shu fikrlovchi model nusxasidan foydalanish
Har bir muloqotda fikrlash talab etiladi va uni o‘chirib bo‘lmaydi. Hujjatlashtirilgan chiqish yakuniy matndan oldin mulohaza bloki bilan boshlanadi. reasoning_effort xhigh, medium va low qiymatlarini qo‘llaydi; sukutdagi qiymat xhigh. Low mo‘ljallangan chuqurlikni kamaytiradi, biroq fikrlash rejimi bo‘lib qoladi. Qisqa yakuniy javob so‘rash bu modelni fikrlamaydigan nashrga aylantirmasdan kerakli ish mahsulini belgilashga imkon beradi.
preserve_thinking sukut bo‘yicha yoqilgan. Avvalgi navbatlardagi mulohazalarni saqlash takroriy vazifada qarorlar kontekstini keyingi bosqichga olib o‘tishga yordam beradi. Tuzatishlar, vosita natijalari va yakuniy javobni ularni yuzaga keltirgan navbatlar bilan bog‘lab saqlang. Bu model o‘tgan xabarlardan har bir mulohaza blokini olib tashlash haqidagi eski maslahatni qabul qilish o‘rniga o‘z tarix qoidalariga amal qilishi kerak. Kuch sarfi va saqlash boshqaruvlarining aynan qanday taqdim etilishi model nusxasi retseptini amalga oshiradigan interfeysga bog‘liq.
Ish muhitlari va muhitdan qaytgan natijalar
Qwen ishlab chiqish ish muhitlari va vositalari bilan moslikni tavsiflaydi. Davomli vazifani maqsad, ruxsat etilgan amallar va tugallanganlik dalillari orqali ifodalash mumkin; shundan keyin ilova ko‘zdan kechirish yoki bajarish kuzatuvlarini taqdim etadi. Modeldan har bir yangi natija rejani qanday o‘zgartirishini tushuntirishni va nimalar hal etilmaganini bildirishni so‘rang. Amalni rejalashtirish va haqiqiy natijani olish shu ish jarayonining turli qismlaridir.
Kartochkadagi boshqariladigan Max misollarida qo‘shimcha ichki vositalar bor. Ularni bu ochiq model uchun avtomatik veb-qidiruv, kod bajarish yoki vizual kirish imkoniyatlariga aylantirish kerak emas. Uning foydali roli — ulangan ish jarayonidagi matnli mulohaza komponenti; vositalar va tashqi ta’sirlar ularni taqdim etadigan ilovaga tegishli.
Generatsiya bo‘yicha tavsiyalar
Ishlab chiqaruvchi temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 va repetition penalty 1.0 ni tavsiya qiladi. Qo‘llab-quvvatlansa, nol va ikki orasidagi presence penalty matn takrorini kamaytirishi mumkin, lekin yuqoriroq qiymatlar tillarni aralashtirishi yoki sifatni biroz pasaytirishi ehtimoli bor. Parametrlar qo‘llovi amalga oshirishga qarab farq qiladi.
Mulohaza va yakuniy javob uchun alohida limitlarga ega, bir million token uchun sozlangan ish jarayonida Qwen mulohaza uchun 262,144 token, yakuniy javob uchun esa 131,072 tokenni tavsiya qiladi. Bular shartli ajratmalar bo‘lib, alohida belgilangan qat’iy chegaralar yoki asosiy 262,144 tokenli kontekstga birga sig‘adigan budjetlar emas. To‘liq ish mahsuli uchun yetarli joy ajrating va mulohazadan keyin oson topiladigan yakuniy natija so‘rang.
Amaliy cheklovlar
Bu model nusxasi tasvir, audio yoki video qabul qilmaydi. Zarur bo‘lsa, tegishli dalillarni alohida ish jarayoni orqali mos matnli ifodaga aylantiring va javobni tekshirishga imkon beradigan identifikatorlarni saqlang. Kartochkada kengaytirilgan kontekst ko‘rsatilgan, lekin bu faqat matnli model uchun har bir vazifaga mos to‘liq kengaytirish retsepti yoki umumiy media limiti berilmagan. Model nusxasining aniq nomi va sozlamalarini saqlang, hisob-kitoblar va kod takliflarini manbaga solishtiring hamda yakuniy ish mahsulini butun tashqi vazifa tugaganining isboti sifatida emas, ko‘rib chiqiladigan natija sifatida baholang.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar qwen/qwen3.8-2.4t-a95b | 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 $0.004 / 1K token Chiqish · Chiqish tokenlari $0.012 / 1K token Kirish · Keshdan o‘qish $0.0005 / 1K token Kirish · Keshga yozish $0.005 / 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 $0.004 / 1K token Chiqish · Chiqish tokenlari $0.012 / 1K token Kirish · Keshdan o‘qish $0.0005 / 1K token Kirish · Keshga yozish $0.005 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-2.4t-a95b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.8-2.4t-a95b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.8-2.4t-a95b',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/qwen3.8-2.4t-a95b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
qwen/qwen3.8-2.4t-a95bQwen3.8-2.4T-A95B — Qwen’ning jami 2.4 trillion parametrli, ulardan 95 milliardi faollashadigan siyrak ekspertlar aralashmasi asosidagi matnli mulohaza modeli. Bu ochiq model nusxasi doimo fikrlaydi, mulohaza kuchini sozlashni qo‘llaydi va davomli dasturlash hamda kasbiy vazifalar uchun mulohaza kontekstini saqlaydi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Qwen3.8 yangiliklari: davomli matnli mulohaza
Qwen3.8-2.4T-A95B — matnli mulohaza yuritish uchun chiqarilgan ochiq Qwen3.8 model nusxasi. Qwen dasturlash, kasbiy ishlar, tadqiqot va uzoq davom etadigan agent vazifalarida, jumladan rejalashtirish va muhitdan qaytgan natijalardan foydalanishda yaxshilanishlarni tavsiflaydi. U matn qabul qiladi va matn qaytaradi. Ishlab chiqaruvchi uni boshqariladigan Qwen3.8-Max taklifidan aniq ajratadi: vizual kirish va fikrlashsiz rejimni qo‘llash o‘sha taklifning qo‘shimcha imkoniyatlari bo‘lib, aynan shu ochiq model nusxasining imkoniyatlari emas.
Dasturlash vazifasida tegishli modullar, talab va hozirgi xatti-harakatni yuzaga chiqaradigan kirishni bering. Izohlangan o‘zgartirish va ko‘zdan kechirish mumkin bo‘lgan yakuniy ish mahsulini so‘rang. Tadqiqot yoki kasbiy hisobot uchun dalillar, zarur bo‘limlar va baholash mezonlarini bering, so‘ng modeldan dalil bilan tasdiqlangan topilmalarni taxminlardan ajratishni so‘rang. Bular hujjatlashtirilgan vazifa doirasining amaliy qo‘llanishlari bo‘lib, kod bajarilishi yoki mutaxassis tasdiqlagan xulosalar va’dasi emas.
Model haqida
Siyrak ekspertlar aralashmasi modelida jami 2.4 trillion parametr bor va 95 milliardi faollashadi. U 92 qatlam va 512 yo‘naltiriladigan ekspertdan iborat bo‘lib, o‘nta yo‘naltiriladigan ekspertni bitta umumiy ekspert bilan birga tanlaydi. Uning gibrid bloklari uchga bir tartibda Gated DeltaNet va darvozali diqqatni ekspert qatlamlari bilan birlashtiradi. Bir nechta tokenni bashorat qilish o‘qitishning bir qismi. Faollashgan parametrlar soni to‘liq model nusxasi hajmi emas, jami sonning kattaligi esa javob vaqtini kafolatlamaydi.
Asosiy kontekst 262,144 token, hujjatlarda esa 1,010,000 gacha kengaytirish ko‘rsatilgan. Bu boshqariladigan Max tavsifidagi sukutdagi bir million tokenli kontekstdan farq qiladi. Eng katta ko‘rsatkichlarning barchasi bir vaqtda amal qiladi deb o‘ylash o‘rniga, manba matni, suhbat tarixi, mulohaza va yakuniy javob uchun amalda sozlangan ketma-ketlik limitidan foydalaning.
Aynan shu fikrlovchi model nusxasidan foydalanish
Har bir muloqotda fikrlash talab etiladi va uni o‘chirib bo‘lmaydi. Hujjatlashtirilgan chiqish yakuniy matndan oldin mulohaza bloki bilan boshlanadi. reasoning_effort xhigh, medium va low qiymatlarini qo‘llaydi; sukutdagi qiymat xhigh. Low mo‘ljallangan chuqurlikni kamaytiradi, biroq fikrlash rejimi bo‘lib qoladi. Qisqa yakuniy javob so‘rash bu modelni fikrlamaydigan nashrga aylantirmasdan kerakli ish mahsulini belgilashga imkon beradi.
preserve_thinking sukut bo‘yicha yoqilgan. Avvalgi navbatlardagi mulohazalarni saqlash takroriy vazifada qarorlar kontekstini keyingi bosqichga olib o‘tishga yordam beradi. Tuzatishlar, vosita natijalari va yakuniy javobni ularni yuzaga keltirgan navbatlar bilan bog‘lab saqlang. Bu model o‘tgan xabarlardan har bir mulohaza blokini olib tashlash haqidagi eski maslahatni qabul qilish o‘rniga o‘z tarix qoidalariga amal qilishi kerak. Kuch sarfi va saqlash boshqaruvlarining aynan qanday taqdim etilishi model nusxasi retseptini amalga oshiradigan interfeysga bog‘liq.
Ish muhitlari va muhitdan qaytgan natijalar
Qwen ishlab chiqish ish muhitlari va vositalari bilan moslikni tavsiflaydi. Davomli vazifani maqsad, ruxsat etilgan amallar va tugallanganlik dalillari orqali ifodalash mumkin; shundan keyin ilova ko‘zdan kechirish yoki bajarish kuzatuvlarini taqdim etadi. Modeldan har bir yangi natija rejani qanday o‘zgartirishini tushuntirishni va nimalar hal etilmaganini bildirishni so‘rang. Amalni rejalashtirish va haqiqiy natijani olish shu ish jarayonining turli qismlaridir.
Kartochkadagi boshqariladigan Max misollarida qo‘shimcha ichki vositalar bor. Ularni bu ochiq model uchun avtomatik veb-qidiruv, kod bajarish yoki vizual kirish imkoniyatlariga aylantirish kerak emas. Uning foydali roli — ulangan ish jarayonidagi matnli mulohaza komponenti; vositalar va tashqi ta’sirlar ularni taqdim etadigan ilovaga tegishli.
Generatsiya bo‘yicha tavsiyalar
Ishlab chiqaruvchi temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 va repetition penalty 1.0 ni tavsiya qiladi. Qo‘llab-quvvatlansa, nol va ikki orasidagi presence penalty matn takrorini kamaytirishi mumkin, lekin yuqoriroq qiymatlar tillarni aralashtirishi yoki sifatni biroz pasaytirishi ehtimoli bor. Parametrlar qo‘llovi amalga oshirishga qarab farq qiladi.
Mulohaza va yakuniy javob uchun alohida limitlarga ega, bir million token uchun sozlangan ish jarayonida Qwen mulohaza uchun 262,144 token, yakuniy javob uchun esa 131,072 tokenni tavsiya qiladi. Bular shartli ajratmalar bo‘lib, alohida belgilangan qat’iy chegaralar yoki asosiy 262,144 tokenli kontekstga birga sig‘adigan budjetlar emas. To‘liq ish mahsuli uchun yetarli joy ajrating va mulohazadan keyin oson topiladigan yakuniy natija so‘rang.
Amaliy cheklovlar
Bu model nusxasi tasvir, audio yoki video qabul qilmaydi. Zarur bo‘lsa, tegishli dalillarni alohida ish jarayoni orqali mos matnli ifodaga aylantiring va javobni tekshirishga imkon beradigan identifikatorlarni saqlang. Kartochkada kengaytirilgan kontekst ko‘rsatilgan, lekin bu faqat matnli model uchun har bir vazifaga mos to‘liq kengaytirish retsepti yoki umumiy media limiti berilmagan. Model nusxasining aniq nomi va sozlamalarini saqlang, hisob-kitoblar va kod takliflarini manbaga solishtiring hamda yakuniy ish mahsulini butun tashqi vazifa tugaganining isboti sifatida emas, ko‘rib chiqiladigan natija sifatida baholang.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar qwen/qwen3.8-2.4t-a95b | 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 $0.004 / 1K token Chiqish · Chiqish tokenlari $0.012 / 1K token Kirish · Keshdan o‘qish $0.0005 / 1K token Kirish · Keshga yozish $0.005 / 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 $0.004 / 1K token Chiqish · Chiqish tokenlari $0.012 / 1K token Kirish · Keshdan o‘qish $0.0005 / 1K token Kirish · Keshga yozish $0.005 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "qwen/qwen3.8-2.4t-a95b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-2.4t-a95b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-2.4t-a95b', '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/qwen3.8-2.4t-a95b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
Review a resumable migration plan\n\nReview this migration design against the requirement that every row is copied exactly once. Step 1 copies 100 rows after last_id. Step 2 saves last_id. A crash can occur between steps. Explain the duplicate risk after restart and propose a minimal idempotent write or atomic checkpoint design. Include a test that interrupts precisely between the two steps.A cause analysis, one concrete correction strategy and a crash-point regression scenario.Rerunning after the interruption cannot produce duplicate destination rows or skip uncopied source rows.