Qwen3-235B-A22B-Thinking-2507 phát triển nhánh suy luận của Qwen3 cho tác vụ logic, toán học, khoa học và lập trình phức tạp. Qwen cũng xác định làm theo chỉ dẫn, dùng công cụ, tạo văn bản và hiểu ngữ cảnh dài là các lĩnh vực được cải thiện trong phiên bản này. Mô hình nhận hội thoại văn bản và tạo văn bản. Yêu cầu hữu ích cung cấp bài toán đầy đủ, bằng chứng liên quan, ràng buộc và dạng sản phẩm cuối chính xác: chứng minh, kế hoạch triển khai, chương trình đã sửa hoặc quyết định được các tài liệu cung cấp hỗ trợ.
Mô hình dùng kiến trúc mixture-of-experts với tổng cộng 235 tỷ tham số và 22 tỷ được kích hoạt cho mỗi token. Ngữ cảnh gốc là 262.144 token. Không gian đó hữu ích để đưa nhiều đặc tả liên quan, tệp nguồn hoặc đoạn nghiên cứu vào cùng hội thoại, đồng thời chừa chỗ cho suy luận và câu trả lời cuối. Gắn nhãn tài liệu và khối mã, nêu nguồn nào được ưu tiên và chỉ phần quan trọng. Ví dụ, yêu cầu phân tích phần mềm có thể cung cấp hành vi lỗi, hành vi mong đợi, hàm liên quan và ràng buộc, rồi yêu cầu đề xuất sửa với các giả định được liệt kê riêng.
Đây là phiên bản chỉ suy nghĩ. Mô hình không chuyển sang chế độ không suy nghĩ của Qwen3 ban đầu. Mẫu chat chính thức tự động bắt đầu phần suy luận, nên đầu ra có thể chứa dấu đóng </think> mà không có dấu mở trong văn bản được tạo. Ví dụ của nhà phát triển tách phần suy luận đó khỏi câu trả lời cuối. Với tác vụ toán học, Qwen khuyến nghị yêu cầu suy luận từng bước và câu trả lời cuối trong \\boxed{}. Với trắc nghiệm, nhà phát triển đề xuất trường đáp án chỉ chứa chữ cái được chọn. Những chỉ dẫn này giúp đọc hoặc sử dụng kết quả dễ hơn sau khi suy luận hoàn tất.
Hướng dẫn tạo văn bản của Qwen khuyến nghị temperature 0,6, top-p 0,95, top-k 20 và min-p 0. Nhà phát triển khuyến nghị dung lượng đầu ra 32.768 token cho phần lớn câu hỏi và mô tả dung lượng 81.920 token cho bài toán toán học, lập trình đặc biệt khó. Các con số là khuyến nghị tạo văn bản của nhà phát triển, không phải giới hạn phản hồi được bảo đảm riêng. Suy luận dài cần không gian trước câu trả lời cuối: dung lượng quá nhỏ có thể kết thúc phản hồi trước kết luận được yêu cầu. Ở các lượt hội thoại sau, hướng dẫn chính thức giữ câu trả lời cuối trong lịch sử và bỏ nội dung suy nghĩ trước đó.
Với công việc kiểu agent, Qwen khuyến nghị Qwen-Agent, cung cấp mẫu và bộ phân tích lời gọi công cụ. Ví dụ kết hợp công cụ xác định như truy xuất thông tin và trình thông dịch mã với hội thoại của mô hình. Chuẩn bị mô tả công cụ khả dụng, điều kiện dừng tác vụ và kết quả cần có trước khi yêu cầu lập kế hoạch dùng công cụ. Yêu cầu nghiên cứu thực tế có thể đề nghị thu thập bằng chứng chỉ định, so sánh các giải thích cạnh tranh và trả về kết luận với bằng chứng tổ chức theo nguồn. Lời gọi công cụ mô tả công việc để ứng dụng thực thi; riêng văn bản của mô hình không phải hành động bên ngoài hay kết quả của nó.
Thẻ chính thức cũng mô tả phần mở rộng ngữ cảnh tùy chọn lên xấp xỉ một triệu token bằng cấu hình riêng, Dual Chunk Attention và cơ chế chú ý thưa. Phần này khác cửa sổ gốc 262.144 token và phụ thuộc cách triển khai được chỉ định cùng tài nguyên bộ nhớ đáng kể. Nhà phát triển cảnh báo hạn chế ngữ cảnh và bộ nhớ có thể yêu cầu chuỗi ngắn hơn. Với công việc tài liệu dài thông thường, tổ chức đầu vào quanh câu hỏi thực tế, giữ ranh giới tài liệu và yêu cầu tổng hợp cuối ngắn gọn, xác định bằng chứng chưa giải quyết. Cách này giữ kết quả hữu ích tách khỏi quá trình suy luận có thể kéo dài.
", "aboutText": "Qwen3-235B-A22B-Thinking-2507 phát triển nhánh suy luận của Qwen3 cho tác vụ logic, toán học, khoa học và lập trình phức tạp. Qwen cũng xác định làm theo chỉ dẫn, dùng công cụ, tạo văn bản và hiểu ngữ cảnh dài là các lĩnh vực được cải thiện trong phiên bản này. Mô hình nhận hội thoại văn bản và tạo văn bản. Yêu cầu hữu ích cung cấp bài toán đầy đủ, bằng chứng liên quan, ràng buộc và dạng sản phẩm cuối chính xác: chứng minh, kế hoạch triển khai, chương trình đã sửa hoặc quyết định được các tài liệu cung cấp hỗ trợ.\n\nMô hình dùng kiến trúc mixture-of-experts với tổng cộng 235 tỷ tham số và 22 tỷ được kích hoạt cho mỗi token. Ngữ cảnh gốc là 262.144 token. Không gian đó hữu ích để đưa nhiều đặc tả liên quan, tệp nguồn hoặc đoạn nghiên cứu vào cùng hội thoại, đồng thời chừa chỗ cho suy luận và câu trả lời cuối. Gắn nhãn tài liệu và khối mã, nêu nguồn nào được ưu tiên và chỉ phần quan trọng. Ví dụ, yêu cầu phân tích phần mềm có thể cung cấp hành vi lỗi, hành vi mong đợi, hàm liên quan và ràng buộc, rồi yêu cầu đề xuất sửa với các giả định được liệt kê riêng.\n\nĐây là phiên bản chỉ suy nghĩ. Mô hình không chuyển sang chế độ không suy nghĩ của Qwen3 ban đầu. Mẫu chat chính thức tự động bắt đầu phần suy luận, nên đầu ra có thể chứa dấu đóng mà không có dấu mở trong văn bản được tạo. Ví dụ của nhà phát triển tách phần suy luận đó khỏi câu trả lời cuối. Với tác vụ toán học, Qwen khuyến nghị yêu cầu suy luận từng bước và câu trả lời cuối trong \\boxed{}. Với trắc nghiệm, nhà phát triển đề xuất trường đáp án chỉ chứa chữ cái được chọn. Những chỉ dẫn này giúp đọc hoặc sử dụng kết quả dễ hơn sau khi suy luận hoàn tất.\n\nHướng dẫn tạo văn bản của Qwen khuyến nghị temperature 0,6, top-p 0,95, top-k 20 và min-p 0. Nhà phát triển khuyến nghị dung lượng đầu ra 32.768 token cho phần lớn câu hỏi và mô tả dung lượng 81.920 token cho bài toán toán học, lập trình đặc biệt khó. Các con số là khuyến nghị tạo văn bản của nhà phát triển, không phải giới hạn phản hồi được bảo đảm riêng. Suy luận dài cần không gian trước câu trả lời cuối: dung lượng quá nhỏ có thể kết thúc phản hồi trước kết luận được yêu cầu. Ở các lượt hội thoại sau, hướng dẫn chính thức giữ câu trả lời cuối trong lịch sử và bỏ nội dung suy nghĩ trước đó.\n\nVới công việc kiểu agent, Qwen khuyến nghị Qwen-Agent, cung cấp mẫu và bộ phân tích lời gọi công cụ. Ví dụ kết hợp công cụ xác định như truy xuất thông tin và trình thông dịch mã với hội thoại của mô hình. Chuẩn bị mô tả công cụ khả dụng, điều kiện dừng tác vụ và kết quả cần có trước khi yêu cầu lập kế hoạch dùng công cụ. Yêu cầu nghiên cứu thực tế có thể đề nghị thu thập bằng chứng chỉ định, so sánh các giải thích cạnh tranh và trả về kết luận với bằng chứng tổ chức theo nguồn. Lời gọi công cụ mô tả công việc để ứng dụng thực thi; riêng văn bản của mô hình không phải hành động bên ngoài hay kết quả của nó.\n\nThẻ chính thức cũng mô tả phần mở rộng ngữ cảnh tùy chọn lên xấp xỉ một triệu token bằng cấu hình riêng, Dual Chunk Attention và cơ chế chú ý thưa. Phần này khác cửa sổ gốc 262.144 token và phụ thuộc cách triển khai được chỉ định cùng tài nguyên bộ nhớ đáng kể. Nhà phát triển cảnh báo hạn chế ngữ cảnh và bộ nhớ có thể yêu cầu chuỗi ngắn hơn. Với công việc tài liệu dài thông thường, tổ chức đầu vào quanh câu hỏi thực tế, giữ ranh giới tài liệu và yêu cầu tổng hợp cuối ngắn gọn, xác định bằng chứng chưa giải quyết. Cách này giữ kết quả hữu ích tách khỏi quá trình suy luận có thể kéo dài.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507 là mô hình văn bản chỉ suy luận của Qwen dành cho toán học, khoa học, lập trình đòi hỏi cao và phân tích tài liệu dài. Ngữ cảnh gốc 262.144 token và suy luận kéo dài phù hợp với bài toán cần nhiều bước liên kết.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Qwen3-235B-A22B-Thinking-2507 phát triển nhánh suy luận của Qwen3 cho tác vụ logic, toán học, khoa học và lập trình phức tạp. Qwen cũng xác định làm theo chỉ dẫn, dùng công cụ, tạo văn bản và hiểu ngữ cảnh dài là các lĩnh vực được cải thiện trong phiên bản này. Mô hình nhận hội thoại văn bản và tạo văn bản. Yêu cầu hữu ích cung cấp bài toán đầy đủ, bằng chứng liên quan, ràng buộc và dạng sản phẩm cuối chính xác: chứng minh, kế hoạch triển khai, chương trình đã sửa hoặc quyết định được các tài liệu cung cấp hỗ trợ.
Mô hình dùng kiến trúc mixture-of-experts với tổng cộng 235 tỷ tham số và 22 tỷ được kích hoạt cho mỗi token. Ngữ cảnh gốc là 262.144 token. Không gian đó hữu ích để đưa nhiều đặc tả liên quan, tệp nguồn hoặc đoạn nghiên cứu vào cùng hội thoại, đồng thời chừa chỗ cho suy luận và câu trả lời cuối. Gắn nhãn tài liệu và khối mã, nêu nguồn nào được ưu tiên và chỉ phần quan trọng. Ví dụ, yêu cầu phân tích phần mềm có thể cung cấp hành vi lỗi, hành vi mong đợi, hàm liên quan và ràng buộc, rồi yêu cầu đề xuất sửa với các giả định được liệt kê riêng.
Đây là phiên bản chỉ suy nghĩ. Mô hình không chuyển sang chế độ không suy nghĩ của Qwen3 ban đầu. Mẫu chat chính thức tự động bắt đầu phần suy luận, nên đầu ra có thể chứa dấu đóng </think> mà không có dấu mở trong văn bản được tạo. Ví dụ của nhà phát triển tách phần suy luận đó khỏi câu trả lời cuối. Với tác vụ toán học, Qwen khuyến nghị yêu cầu suy luận từng bước và câu trả lời cuối trong \\boxed{}. Với trắc nghiệm, nhà phát triển đề xuất trường đáp án chỉ chứa chữ cái được chọn. Những chỉ dẫn này giúp đọc hoặc sử dụng kết quả dễ hơn sau khi suy luận hoàn tất.
Hướng dẫn tạo văn bản của Qwen khuyến nghị temperature 0,6, top-p 0,95, top-k 20 và min-p 0. Nhà phát triển khuyến nghị dung lượng đầu ra 32.768 token cho phần lớn câu hỏi và mô tả dung lượng 81.920 token cho bài toán toán học, lập trình đặc biệt khó. Các con số là khuyến nghị tạo văn bản của nhà phát triển, không phải giới hạn phản hồi được bảo đảm riêng. Suy luận dài cần không gian trước câu trả lời cuối: dung lượng quá nhỏ có thể kết thúc phản hồi trước kết luận được yêu cầu. Ở các lượt hội thoại sau, hướng dẫn chính thức giữ câu trả lời cuối trong lịch sử và bỏ nội dung suy nghĩ trước đó.
Với công việc kiểu agent, Qwen khuyến nghị Qwen-Agent, cung cấp mẫu và bộ phân tích lời gọi công cụ. Ví dụ kết hợp công cụ xác định như truy xuất thông tin và trình thông dịch mã với hội thoại của mô hình. Chuẩn bị mô tả công cụ khả dụng, điều kiện dừng tác vụ và kết quả cần có trước khi yêu cầu lập kế hoạch dùng công cụ. Yêu cầu nghiên cứu thực tế có thể đề nghị thu thập bằng chứng chỉ định, so sánh các giải thích cạnh tranh và trả về kết luận với bằng chứng tổ chức theo nguồn. Lời gọi công cụ mô tả công việc để ứng dụng thực thi; riêng văn bản của mô hình không phải hành động bên ngoài hay kết quả của nó.
Thẻ chính thức cũng mô tả phần mở rộng ngữ cảnh tùy chọn lên xấp xỉ một triệu token bằng cấu hình riêng, Dual Chunk Attention và cơ chế chú ý thưa. Phần này khác cửa sổ gốc 262.144 token và phụ thuộc cách triển khai được chỉ định cùng tài nguyên bộ nhớ đáng kể. Nhà phát triển cảnh báo hạn chế ngữ cảnh và bộ nhớ có thể yêu cầu chuỗi ngắn hơn. Với công việc tài liệu dài thông thường, tổ chức đầu vào quanh câu hỏi thực tế, giữ ranh giới tài liệu và yêu cầu tổng hợp cuối ngắn gọn, xác định bằng chứng chưa giải quyết. Cách này giữ kết quả hữu ích tách khỏi quá trình suy luận có thể kéo dài.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3-235b-a22b-thinking-2507 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0009 / 1K token Đầu ra · Token đầu ra $0.007 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0009 / 1K token Đầu ra · Token đầu ra $0.007 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-235b-a22b-thinking-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-235b-a22b-thinking-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-235b-a22b-thinking-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra qwen/qwen3-235b-a22b-thinking-2507
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen/qwen3-235b-a22b-thinking-2507Qwen3-235B-A22B-Thinking-2507 là mô hình văn bản chỉ suy luận của Qwen dành cho toán học, khoa học, lập trình đòi hỏi cao và phân tích tài liệu dài. Ngữ cảnh gốc 262.144 token và suy luận kéo dài phù hợp với bài toán cần nhiều bước liên kết.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Qwen3-235B-A22B-Thinking-2507 phát triển nhánh suy luận của Qwen3 cho tác vụ logic, toán học, khoa học và lập trình phức tạp. Qwen cũng xác định làm theo chỉ dẫn, dùng công cụ, tạo văn bản và hiểu ngữ cảnh dài là các lĩnh vực được cải thiện trong phiên bản này. Mô hình nhận hội thoại văn bản và tạo văn bản. Yêu cầu hữu ích cung cấp bài toán đầy đủ, bằng chứng liên quan, ràng buộc và dạng sản phẩm cuối chính xác: chứng minh, kế hoạch triển khai, chương trình đã sửa hoặc quyết định được các tài liệu cung cấp hỗ trợ.
Mô hình dùng kiến trúc mixture-of-experts với tổng cộng 235 tỷ tham số và 22 tỷ được kích hoạt cho mỗi token. Ngữ cảnh gốc là 262.144 token. Không gian đó hữu ích để đưa nhiều đặc tả liên quan, tệp nguồn hoặc đoạn nghiên cứu vào cùng hội thoại, đồng thời chừa chỗ cho suy luận và câu trả lời cuối. Gắn nhãn tài liệu và khối mã, nêu nguồn nào được ưu tiên và chỉ phần quan trọng. Ví dụ, yêu cầu phân tích phần mềm có thể cung cấp hành vi lỗi, hành vi mong đợi, hàm liên quan và ràng buộc, rồi yêu cầu đề xuất sửa với các giả định được liệt kê riêng.
Đây là phiên bản chỉ suy nghĩ. Mô hình không chuyển sang chế độ không suy nghĩ của Qwen3 ban đầu. Mẫu chat chính thức tự động bắt đầu phần suy luận, nên đầu ra có thể chứa dấu đóng </think> mà không có dấu mở trong văn bản được tạo. Ví dụ của nhà phát triển tách phần suy luận đó khỏi câu trả lời cuối. Với tác vụ toán học, Qwen khuyến nghị yêu cầu suy luận từng bước và câu trả lời cuối trong \\boxed{}. Với trắc nghiệm, nhà phát triển đề xuất trường đáp án chỉ chứa chữ cái được chọn. Những chỉ dẫn này giúp đọc hoặc sử dụng kết quả dễ hơn sau khi suy luận hoàn tất.
Hướng dẫn tạo văn bản của Qwen khuyến nghị temperature 0,6, top-p 0,95, top-k 20 và min-p 0. Nhà phát triển khuyến nghị dung lượng đầu ra 32.768 token cho phần lớn câu hỏi và mô tả dung lượng 81.920 token cho bài toán toán học, lập trình đặc biệt khó. Các con số là khuyến nghị tạo văn bản của nhà phát triển, không phải giới hạn phản hồi được bảo đảm riêng. Suy luận dài cần không gian trước câu trả lời cuối: dung lượng quá nhỏ có thể kết thúc phản hồi trước kết luận được yêu cầu. Ở các lượt hội thoại sau, hướng dẫn chính thức giữ câu trả lời cuối trong lịch sử và bỏ nội dung suy nghĩ trước đó.
Với công việc kiểu agent, Qwen khuyến nghị Qwen-Agent, cung cấp mẫu và bộ phân tích lời gọi công cụ. Ví dụ kết hợp công cụ xác định như truy xuất thông tin và trình thông dịch mã với hội thoại của mô hình. Chuẩn bị mô tả công cụ khả dụng, điều kiện dừng tác vụ và kết quả cần có trước khi yêu cầu lập kế hoạch dùng công cụ. Yêu cầu nghiên cứu thực tế có thể đề nghị thu thập bằng chứng chỉ định, so sánh các giải thích cạnh tranh và trả về kết luận với bằng chứng tổ chức theo nguồn. Lời gọi công cụ mô tả công việc để ứng dụng thực thi; riêng văn bản của mô hình không phải hành động bên ngoài hay kết quả của nó.
Thẻ chính thức cũng mô tả phần mở rộng ngữ cảnh tùy chọn lên xấp xỉ một triệu token bằng cấu hình riêng, Dual Chunk Attention và cơ chế chú ý thưa. Phần này khác cửa sổ gốc 262.144 token và phụ thuộc cách triển khai được chỉ định cùng tài nguyên bộ nhớ đáng kể. Nhà phát triển cảnh báo hạn chế ngữ cảnh và bộ nhớ có thể yêu cầu chuỗi ngắn hơn. Với công việc tài liệu dài thông thường, tổ chức đầu vào quanh câu hỏi thực tế, giữ ranh giới tài liệu và yêu cầu tổng hợp cuối ngắn gọn, xác định bằng chứng chưa giải quyết. Cách này giữ kết quả hữu ích tách khỏi quá trình suy luận có thể kéo dài.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3-235b-a22b-thinking-2507 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0009 / 1K token Đầu ra · Token đầu ra $0.007 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0009 / 1K token Đầu ra · Token đầu ra $0.007 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen/qwen3-235b-a22b-thinking-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-235b-a22b-thinking-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-235b-a22b-thinking-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra qwen/qwen3-235b-a22b-thinking-2507
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Check a constrained allocation\n\nAllocate 17 identical work units to two teams. Team A must receive at least 6 and an even number; Team B must receive at least 5. Minimize the difference between team totals. List the valid allocations nearest equality, select the best and explain why no smaller difference is possible under the parity rule.A compact allocation analysis with feasible candidates, selected totals and a checkable optimality argument.Verify the totals sum to 17, A is even, both minimums hold and the comparison includes both sides of equality.