Điểm nổi bật: bản cập nhật Instruct-2507 cố định
Qwen3-30B-A3B-Instruct-2507 là phiên bản cập nhật không suy nghĩ của Qwen3-30B-A3B. Nhà phát triển nhấn mạnh cải tiến làm theo chỉ dẫn, suy luận logic, hiểu văn bản, toán học, khoa học, lập trình và dùng công cụ, với kiến thức về các chủ đề ít phổ biến rộng hơn trong nhiều ngôn ngữ và phù hợp hơn với tác vụ mở. Mô hình nhận văn bản và tạo văn bản: câu trả lời, giải thích, đề xuất mã hoặc sản phẩm viết được yêu cầu.
Giữ định danh 2507 cố định khác mô hình lai Qwen3-30B-A3B ban đầu, bản dựng FP8 và phiên bản Thinking-2507. Mô tả kiến thức đa ngôn ngữ không đưa ra bảo đảm số ngôn ngữ riêng cho bản chụp này. Chỉ định ngôn ngữ đích, đối tượng đọc và thuật ngữ cần giữ khi tác vụ liên quan đến dịch hoặc viết lại.
Tổng quan mô hình
Mô hình mixture-of-experts có tổng cộng 30,5 tỷ tham số và kích hoạt 3,3 tỷ. Mô hình có 48 lớp, 128 chuyên gia và tám chuyên gia được chọn mỗi token. Ngữ cảnh gốc là 262.144 token. Tham số được kích hoạt không phải kích thước toàn bộ checkpoint, và chỉ kiến trúc không xác lập thời gian phản hồi cố định trong ứng dụng.
Phiên bản này chỉ hỗ trợ chế độ không suy nghĩ và không tạo khối suy nghĩ rõ ràng. Đặt enable_thinking=False là không cần thiết trong cách dùng của nhà phát triển. Mô hình vẫn có thể trình bày phép tính hoặc giải thích mã trong văn bản thường; yêu cầu các bước hỗ trợ không chuyển nó thành checkpoint Thinking riêng.
Chuẩn bị yêu cầu văn bản hữu ích
Với tác vụ lập trình, cung cấp hàm hoặc mô-đun liên quan, ràng buộc đầu vào, hành vi quan sát được và kết quả cần có. Yêu cầu bản vá đề xuất hoặc hàm hoàn chỉnh cùng giải thích các giả định bị ảnh hưởng. Với câu hỏi toán học hay khoa học, cung cấp đề bài đầy đủ, đơn vị và định nghĩa, rồi yêu cầu câu trả lời cuối có ranh giới rõ, được các điều kiện đã cung cấp hỗ trợ.
Với tác vụ viết mở, chỉ định đối tượng đọc, mục đích, giọng điệu và thông tin phải xuất hiện. Phản hồi hữu ích có thể là bản thảo chỉnh sửa được, tổ chức theo các phần yêu cầu, với giả định chưa được hỗ trợ xác định riêng. Đối chiếu bản thảo trả về, phép tính hoặc mã đề xuất với dữ kiện, định nghĩa và yêu cầu được cung cấp.
Sử dụng agent
Qwen công bố gọi công cụ và khuyến nghị Qwen-Agent cho mẫu và bộ phân tích, với công cụ được cấu hình hoặc kết nối qua MCP. Nêu hành động được phép và điều kiện hoàn thành có thể quan sát. Công cụ được kết nối thực hiện thao tác bên ngoài và trả về quan sát; mô hình có thể dùng phản hồi đó trong câu trả lời sau. Lệnh đề xuất hoặc tuyên bố đã truy xuất nguồn phải khác kết quả thực sự được quy trình trả về.
Sản phẩm cuối rõ ràng có thể là đề xuất mã, bảng bằng chứng hoặc báo cáo ngắn. Hỗ trợ công cụ tự nó không tạo truy cập nguồn hiện tại, tệp hoặc môi trường thực thi qua mọi giao diện. Giữ hợp đồng phản hồi không suy nghĩ của đúng mô hình thay vì nhập công tắc lời nhắc của mô hình lai hoặc dung lượng đầu ra của phiên bản Thinking.
Xử lý văn bản siêu dài
Nhà phát triển công bố quy trình tùy chọn đạt xấp xỉ một triệu token qua Dual Chunk Attention và cơ chế chú ý thưa MInference. Cơ chế đầu chia chuỗi dài thành các khối có thể xử lý trong khi giữ tương tác giữa khối; cơ chế sau tập trung tính toán vào các quan hệ chú ý được chọn. Đây là đường cấu hình bổ sung ngoài ngữ cảnh gốc 262.144, dùng cấu hình ngữ cảnh dài đặc biệt.
Cách thiết lập ước tính tổng bộ nhớ GPU khoảng 240 GB cho trọng số mô hình, trạng thái chuỗi được lưu đệm và activation đỉnh. Nó cũng mô tả các lỗi dung lượng riêng do bộ nhớ đệm chuỗi, bộ nhớ activation hoặc đầu vào vượt độ dài được cấu hình. Vì vậy, quy trình triệu token phụ thuộc cấu hình và tài nguyên; con số nổi bật không nên được coi là mặc định vô điều kiện.
Chuẩn bị đầu vào dài với ranh giới tài liệu, tên phần hoặc mã định danh trong mã và câu hỏi cụ thể. Chừa chỗ cho câu trả lời và yêu cầu bằng chứng hỗ trợ từng kết luận.
Khuyến nghị tạo văn bản
Các khuyến nghị thực hành tốt đề xuất temperature 0,7, top_p 0,8, top_k 20 và min_p 0. Khi được hỗ trợ, presence penalty từ không đến hai có thể giảm văn bản lặp, còn giá trị cao hơn có thể gây trộn ngôn ngữ hoặc giảm nhẹ chất lượng. Nhà phát triển khuyến nghị dung lượng đầu ra 16.384 token cho phần lớn câu hỏi thay vì ngân sách dài hơn được công bố cho Thinking-2507. Đây là khuyến nghị, không phải mức trần đầu ra cứng được xác lập độc lập.
Chỉ định rõ định dạng cuối, như dấu phân định toán học hoặc trường đáp án. Đầu vào được công bố của mô hình là văn bản, nên bằng chứng thị giác hay âm thanh cần cách biểu diễn riêng phù hợp trước quy trình này. Kiểm tra phép tính, trích dẫn và mã được tạo theo nguồn. Kết quả hữu ích là sản phẩm văn bản đầy đủ có thể rà soát, với định danh Instruct-2507 cố định, chế độ không suy nghĩ và quy trình ngữ cảnh dài có điều kiện được giữ rõ ràng.
", "aboutText": "Điểm nổi bật: bản cập nhật Instruct-2507 cố định\n\nQwen3-30B-A3B-Instruct-2507 là phiên bản cập nhật không suy nghĩ của Qwen3-30B-A3B. Nhà phát triển nhấn mạnh cải tiến làm theo chỉ dẫn, suy luận logic, hiểu văn bản, toán học, khoa học, lập trình và dùng công cụ, với kiến thức về các chủ đề ít phổ biến rộng hơn trong nhiều ngôn ngữ và phù hợp hơn với tác vụ mở. Mô hình nhận văn bản và tạo văn bản: câu trả lời, giải thích, đề xuất mã hoặc sản phẩm viết được yêu cầu.\n\nGiữ định danh 2507 cố định khác mô hình lai Qwen3-30B-A3B ban đầu, bản dựng FP8 và phiên bản Thinking-2507. Mô tả kiến thức đa ngôn ngữ không đưa ra bảo đảm số ngôn ngữ riêng cho bản chụp này. Chỉ định ngôn ngữ đích, đối tượng đọc và thuật ngữ cần giữ khi tác vụ liên quan đến dịch hoặc viết lại.\n\nTổng quan mô hình\n\nMô hình mixture-of-experts có tổng cộng 30,5 tỷ tham số và kích hoạt 3,3 tỷ. Mô hình có 48 lớp, 128 chuyên gia và tám chuyên gia được chọn mỗi token. Ngữ cảnh gốc là 262.144 token. Tham số được kích hoạt không phải kích thước toàn bộ checkpoint, và chỉ kiến trúc không xác lập thời gian phản hồi cố định trong ứng dụng.\n\nPhiên bản này chỉ hỗ trợ chế độ không suy nghĩ và không tạo khối suy nghĩ rõ ràng. Đặt enable_thinking=False là không cần thiết trong cách dùng của nhà phát triển. Mô hình vẫn có thể trình bày phép tính hoặc giải thích mã trong văn bản thường; yêu cầu các bước hỗ trợ không chuyển nó thành checkpoint Thinking riêng.\n\nChuẩn bị yêu cầu văn bản hữu ích\n\nVới tác vụ lập trình, cung cấp hàm hoặc mô-đun liên quan, ràng buộc đầu vào, hành vi quan sát được và kết quả cần có. Yêu cầu bản vá đề xuất hoặc hàm hoàn chỉnh cùng giải thích các giả định bị ảnh hưởng. Với câu hỏi toán học hay khoa học, cung cấp đề bài đầy đủ, đơn vị và định nghĩa, rồi yêu cầu câu trả lời cuối có ranh giới rõ, được các điều kiện đã cung cấp hỗ trợ.\n\nVới tác vụ viết mở, chỉ định đối tượng đọc, mục đích, giọng điệu và thông tin phải xuất hiện. Phản hồi hữu ích có thể là bản thảo chỉnh sửa được, tổ chức theo các phần yêu cầu, với giả định chưa được hỗ trợ xác định riêng. Đối chiếu bản thảo trả về, phép tính hoặc mã đề xuất với dữ kiện, định nghĩa và yêu cầu được cung cấp.\n\nSử dụng agent\n\nQwen công bố gọi công cụ và khuyến nghị Qwen-Agent cho mẫu và bộ phân tích, với công cụ được cấu hình hoặc kết nối qua MCP. Nêu hành động được phép và điều kiện hoàn thành có thể quan sát. Công cụ được kết nối thực hiện thao tác bên ngoài và trả về quan sát; mô hình có thể dùng phản hồi đó trong câu trả lời sau. Lệnh đề xuất hoặc tuyên bố đã truy xuất nguồn phải khác kết quả thực sự được quy trình trả về.\n\nSản phẩm cuối rõ ràng có thể là đề xuất mã, bảng bằng chứng hoặc báo cáo ngắn. Hỗ trợ công cụ tự nó không tạo truy cập nguồn hiện tại, tệp hoặc môi trường thực thi qua mọi giao diện. Giữ hợp đồng phản hồi không suy nghĩ của đúng mô hình thay vì nhập công tắc lời nhắc của mô hình lai hoặc dung lượng đầu ra của phiên bản Thinking.\n\nXử lý văn bản siêu dài\n\nNhà phát triển công bố quy trình tùy chọn đạt xấp xỉ một triệu token qua Dual Chunk Attention và cơ chế chú ý thưa MInference. Cơ chế đầu chia chuỗi dài thành các khối có thể xử lý trong khi giữ tương tác giữa khối; cơ chế sau tập trung tính toán vào các quan hệ chú ý được chọn. Đây là đường cấu hình bổ sung ngoài ngữ cảnh gốc 262.144, dùng cấu hình ngữ cảnh dài đặc biệt.\n\nCách thiết lập ước tính tổng bộ nhớ GPU khoảng 240 GB cho trọng số mô hình, trạng thái chuỗi được lưu đệm và activation đỉnh. Nó cũng mô tả các lỗi dung lượng riêng do bộ nhớ đệm chuỗi, bộ nhớ activation hoặc đầu vào vượt độ dài được cấu hình. Vì vậy, quy trình triệu token phụ thuộc cấu hình và tài nguyên; con số nổi bật không nên được coi là mặc định vô điều kiện.\n\nChuẩn bị đầu vào dài với ranh giới tài liệu, tên phần hoặc mã định danh trong mã và câu hỏi cụ thể. Chừa chỗ cho câu trả lời và yêu cầu bằng chứng hỗ trợ từng kết luận.\n\nKhuyến nghị tạo văn bản\n\nCác khuyến nghị thực hành tốt đề xuất temperature 0,7, top_p 0,8, top_k 20 và min_p 0. Khi được hỗ trợ, presence penalty từ không đến hai có thể giảm văn bản lặp, còn giá trị cao hơn có thể gây trộn ngôn ngữ hoặc giảm nhẹ chất lượng. Nhà phát triển khuyến nghị dung lượng đầu ra 16.384 token cho phần lớn câu hỏi thay vì ngân sách dài hơn được công bố cho Thinking-2507. Đây là khuyến nghị, không phải mức trần đầu ra cứng được xác lập độc lập.\n\nChỉ định rõ định dạng cuối, như dấu phân định toán học hoặc trường đáp án. Đầu vào được công bố của mô hình là văn bản, nên bằng chứng thị giác hay âm thanh cần cách biểu diễn riêng phù hợp trước quy trình này. Kiểm tra phép tính, trích dẫn và mã được tạo theo nguồn. Kết quả hữu ích là sản phẩm văn bản đầy đủ có thể rà soát, với định danh Instruct-2507 cố định, chế độ không suy nghĩ và quy trình ngữ cảnh dài có điều kiện được giữ rõ ràng.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 là phiên bản văn bản cố định 2507 của Qwen trong đợt tháng Bảy, ở chế độ Non-Thinking, với tổng cộng 30,5 tỷ tham số và 3,3 tỷ được kích hoạt. Mô hình cải thiện làm theo chỉ dẫn, lập trình, kiến thức đa ngôn ngữ và viết mở, với ngữ cảnh gốc 262.144 token.
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.
Điểm nổi bật: bản cập nhật Instruct-2507 cố định
Qwen3-30B-A3B-Instruct-2507 là phiên bản cập nhật không suy nghĩ của Qwen3-30B-A3B. Nhà phát triển nhấn mạnh cải tiến làm theo chỉ dẫn, suy luận logic, hiểu văn bản, toán học, khoa học, lập trình và dùng công cụ, với kiến thức về các chủ đề ít phổ biến rộng hơn trong nhiều ngôn ngữ và phù hợp hơn với tác vụ mở. Mô hình nhận văn bản và tạo văn bản: câu trả lời, giải thích, đề xuất mã hoặc sản phẩm viết được yêu cầu.
Giữ định danh 2507 cố định khác mô hình lai Qwen3-30B-A3B ban đầu, bản dựng FP8 và phiên bản Thinking-2507. Mô tả kiến thức đa ngôn ngữ không đưa ra bảo đảm số ngôn ngữ riêng cho bản chụp này. Chỉ định ngôn ngữ đích, đối tượng đọc và thuật ngữ cần giữ khi tác vụ liên quan đến dịch hoặc viết lại.
Tổng quan mô hình
Mô hình mixture-of-experts có tổng cộng 30,5 tỷ tham số và kích hoạt 3,3 tỷ. Mô hình có 48 lớp, 128 chuyên gia và tám chuyên gia được chọn mỗi token. Ngữ cảnh gốc là 262.144 token. Tham số được kích hoạt không phải kích thước toàn bộ checkpoint, và chỉ kiến trúc không xác lập thời gian phản hồi cố định trong ứng dụng.
Phiên bản này chỉ hỗ trợ chế độ không suy nghĩ và không tạo khối suy nghĩ rõ ràng. Đặt enable_thinking=False là không cần thiết trong cách dùng của nhà phát triển. Mô hình vẫn có thể trình bày phép tính hoặc giải thích mã trong văn bản thường; yêu cầu các bước hỗ trợ không chuyển nó thành checkpoint Thinking riêng.
Chuẩn bị yêu cầu văn bản hữu ích
Với tác vụ lập trình, cung cấp hàm hoặc mô-đun liên quan, ràng buộc đầu vào, hành vi quan sát được và kết quả cần có. Yêu cầu bản vá đề xuất hoặc hàm hoàn chỉnh cùng giải thích các giả định bị ảnh hưởng. Với câu hỏi toán học hay khoa học, cung cấp đề bài đầy đủ, đơn vị và định nghĩa, rồi yêu cầu câu trả lời cuối có ranh giới rõ, được các điều kiện đã cung cấp hỗ trợ.
Với tác vụ viết mở, chỉ định đối tượng đọc, mục đích, giọng điệu và thông tin phải xuất hiện. Phản hồi hữu ích có thể là bản thảo chỉnh sửa được, tổ chức theo các phần yêu cầu, với giả định chưa được hỗ trợ xác định riêng. Đối chiếu bản thảo trả về, phép tính hoặc mã đề xuất với dữ kiện, định nghĩa và yêu cầu được cung cấp.
Sử dụng agent
Qwen công bố gọi công cụ và khuyến nghị Qwen-Agent cho mẫu và bộ phân tích, với công cụ được cấu hình hoặc kết nối qua MCP. Nêu hành động được phép và điều kiện hoàn thành có thể quan sát. Công cụ được kết nối thực hiện thao tác bên ngoài và trả về quan sát; mô hình có thể dùng phản hồi đó trong câu trả lời sau. Lệnh đề xuất hoặc tuyên bố đã truy xuất nguồn phải khác kết quả thực sự được quy trình trả về.
Sản phẩm cuối rõ ràng có thể là đề xuất mã, bảng bằng chứng hoặc báo cáo ngắn. Hỗ trợ công cụ tự nó không tạo truy cập nguồn hiện tại, tệp hoặc môi trường thực thi qua mọi giao diện. Giữ hợp đồng phản hồi không suy nghĩ của đúng mô hình thay vì nhập công tắc lời nhắc của mô hình lai hoặc dung lượng đầu ra của phiên bản Thinking.
Xử lý văn bản siêu dài
Nhà phát triển công bố quy trình tùy chọn đạt xấp xỉ một triệu token qua Dual Chunk Attention và cơ chế chú ý thưa MInference. Cơ chế đầu chia chuỗi dài thành các khối có thể xử lý trong khi giữ tương tác giữa khối; cơ chế sau tập trung tính toán vào các quan hệ chú ý được chọn. Đây là đường cấu hình bổ sung ngoài ngữ cảnh gốc 262.144, dùng cấu hình ngữ cảnh dài đặc biệt.
Cách thiết lập ước tính tổng bộ nhớ GPU khoảng 240 GB cho trọng số mô hình, trạng thái chuỗi được lưu đệm và activation đỉnh. Nó cũng mô tả các lỗi dung lượng riêng do bộ nhớ đệm chuỗi, bộ nhớ activation hoặc đầu vào vượt độ dài được cấu hình. Vì vậy, quy trình triệu token phụ thuộc cấu hình và tài nguyên; con số nổi bật không nên được coi là mặc định vô điều kiện.
Chuẩn bị đầu vào dài với ranh giới tài liệu, tên phần hoặc mã định danh trong mã và câu hỏi cụ thể. Chừa chỗ cho câu trả lời và yêu cầu bằng chứng hỗ trợ từng kết luận.
Khuyến nghị tạo văn bản
Các khuyến nghị thực hành tốt đề xuất temperature 0,7, top_p 0,8, top_k 20 và min_p 0. Khi được hỗ trợ, presence penalty từ không đến hai có thể giảm văn bản lặp, còn giá trị cao hơn có thể gây trộn ngôn ngữ hoặc giảm nhẹ chất lượng. Nhà phát triển khuyến nghị dung lượng đầu ra 16.384 token cho phần lớn câu hỏi thay vì ngân sách dài hơn được công bố cho Thinking-2507. Đây là khuyến nghị, không phải mức trần đầu ra cứng được xác lập độc lập.
Chỉ định rõ định dạng cuối, như dấu phân định toán học hoặc trường đáp án. Đầu vào được công bố của mô hình là văn bản, nên bằng chứng thị giác hay âm thanh cần cách biểu diễn riêng phù hợp trước quy trình này. Kiểm tra phép tính, trích dẫn và mã được tạo theo nguồn. Kết quả hữu ích là sản phẩm văn bản đầy đủ có thể rà soát, với định danh Instruct-2507 cố định, chế độ không suy nghĩ và quy trình ngữ cảnh dài có điều kiện được giữ rõ ràng.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3-30b-a3b-instruct-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 $0.0002 / 1K token Đầu ra · Token đầu ra $0.0008 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 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 $0.0002 / 1K token Đầu ra · Token đầu ra $0.0008 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-30b-a3b-instruct-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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/qwen3-30b-a3b-instruct-2507
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen/qwen3-30b-a3b-instruct-2507Qwen3-30B-A3B-Instruct-2507 là phiên bản văn bản cố định 2507 của Qwen trong đợt tháng Bảy, ở chế độ Non-Thinking, với tổng cộng 30,5 tỷ tham số và 3,3 tỷ được kích hoạt. Mô hình cải thiện làm theo chỉ dẫn, lập trình, kiến thức đa ngôn ngữ và viết mở, với ngữ cảnh gốc 262.144 token.
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.
Điểm nổi bật: bản cập nhật Instruct-2507 cố định
Qwen3-30B-A3B-Instruct-2507 là phiên bản cập nhật không suy nghĩ của Qwen3-30B-A3B. Nhà phát triển nhấn mạnh cải tiến làm theo chỉ dẫn, suy luận logic, hiểu văn bản, toán học, khoa học, lập trình và dùng công cụ, với kiến thức về các chủ đề ít phổ biến rộng hơn trong nhiều ngôn ngữ và phù hợp hơn với tác vụ mở. Mô hình nhận văn bản và tạo văn bản: câu trả lời, giải thích, đề xuất mã hoặc sản phẩm viết được yêu cầu.
Giữ định danh 2507 cố định khác mô hình lai Qwen3-30B-A3B ban đầu, bản dựng FP8 và phiên bản Thinking-2507. Mô tả kiến thức đa ngôn ngữ không đưa ra bảo đảm số ngôn ngữ riêng cho bản chụp này. Chỉ định ngôn ngữ đích, đối tượng đọc và thuật ngữ cần giữ khi tác vụ liên quan đến dịch hoặc viết lại.
Tổng quan mô hình
Mô hình mixture-of-experts có tổng cộng 30,5 tỷ tham số và kích hoạt 3,3 tỷ. Mô hình có 48 lớp, 128 chuyên gia và tám chuyên gia được chọn mỗi token. Ngữ cảnh gốc là 262.144 token. Tham số được kích hoạt không phải kích thước toàn bộ checkpoint, và chỉ kiến trúc không xác lập thời gian phản hồi cố định trong ứng dụng.
Phiên bản này chỉ hỗ trợ chế độ không suy nghĩ và không tạo khối suy nghĩ rõ ràng. Đặt enable_thinking=False là không cần thiết trong cách dùng của nhà phát triển. Mô hình vẫn có thể trình bày phép tính hoặc giải thích mã trong văn bản thường; yêu cầu các bước hỗ trợ không chuyển nó thành checkpoint Thinking riêng.
Chuẩn bị yêu cầu văn bản hữu ích
Với tác vụ lập trình, cung cấp hàm hoặc mô-đun liên quan, ràng buộc đầu vào, hành vi quan sát được và kết quả cần có. Yêu cầu bản vá đề xuất hoặc hàm hoàn chỉnh cùng giải thích các giả định bị ảnh hưởng. Với câu hỏi toán học hay khoa học, cung cấp đề bài đầy đủ, đơn vị và định nghĩa, rồi yêu cầu câu trả lời cuối có ranh giới rõ, được các điều kiện đã cung cấp hỗ trợ.
Với tác vụ viết mở, chỉ định đối tượng đọc, mục đích, giọng điệu và thông tin phải xuất hiện. Phản hồi hữu ích có thể là bản thảo chỉnh sửa được, tổ chức theo các phần yêu cầu, với giả định chưa được hỗ trợ xác định riêng. Đối chiếu bản thảo trả về, phép tính hoặc mã đề xuất với dữ kiện, định nghĩa và yêu cầu được cung cấp.
Sử dụng agent
Qwen công bố gọi công cụ và khuyến nghị Qwen-Agent cho mẫu và bộ phân tích, với công cụ được cấu hình hoặc kết nối qua MCP. Nêu hành động được phép và điều kiện hoàn thành có thể quan sát. Công cụ được kết nối thực hiện thao tác bên ngoài và trả về quan sát; mô hình có thể dùng phản hồi đó trong câu trả lời sau. Lệnh đề xuất hoặc tuyên bố đã truy xuất nguồn phải khác kết quả thực sự được quy trình trả về.
Sản phẩm cuối rõ ràng có thể là đề xuất mã, bảng bằng chứng hoặc báo cáo ngắn. Hỗ trợ công cụ tự nó không tạo truy cập nguồn hiện tại, tệp hoặc môi trường thực thi qua mọi giao diện. Giữ hợp đồng phản hồi không suy nghĩ của đúng mô hình thay vì nhập công tắc lời nhắc của mô hình lai hoặc dung lượng đầu ra của phiên bản Thinking.
Xử lý văn bản siêu dài
Nhà phát triển công bố quy trình tùy chọn đạt xấp xỉ một triệu token qua Dual Chunk Attention và cơ chế chú ý thưa MInference. Cơ chế đầu chia chuỗi dài thành các khối có thể xử lý trong khi giữ tương tác giữa khối; cơ chế sau tập trung tính toán vào các quan hệ chú ý được chọn. Đây là đường cấu hình bổ sung ngoài ngữ cảnh gốc 262.144, dùng cấu hình ngữ cảnh dài đặc biệt.
Cách thiết lập ước tính tổng bộ nhớ GPU khoảng 240 GB cho trọng số mô hình, trạng thái chuỗi được lưu đệm và activation đỉnh. Nó cũng mô tả các lỗi dung lượng riêng do bộ nhớ đệm chuỗi, bộ nhớ activation hoặc đầu vào vượt độ dài được cấu hình. Vì vậy, quy trình triệu token phụ thuộc cấu hình và tài nguyên; con số nổi bật không nên được coi là mặc định vô điều kiện.
Chuẩn bị đầu vào dài với ranh giới tài liệu, tên phần hoặc mã định danh trong mã và câu hỏi cụ thể. Chừa chỗ cho câu trả lời và yêu cầu bằng chứng hỗ trợ từng kết luận.
Khuyến nghị tạo văn bản
Các khuyến nghị thực hành tốt đề xuất temperature 0,7, top_p 0,8, top_k 20 và min_p 0. Khi được hỗ trợ, presence penalty từ không đến hai có thể giảm văn bản lặp, còn giá trị cao hơn có thể gây trộn ngôn ngữ hoặc giảm nhẹ chất lượng. Nhà phát triển khuyến nghị dung lượng đầu ra 16.384 token cho phần lớn câu hỏi thay vì ngân sách dài hơn được công bố cho Thinking-2507. Đây là khuyến nghị, không phải mức trần đầu ra cứng được xác lập độc lập.
Chỉ định rõ định dạng cuối, như dấu phân định toán học hoặc trường đáp án. Đầu vào được công bố của mô hình là văn bản, nên bằng chứng thị giác hay âm thanh cần cách biểu diễn riêng phù hợp trước quy trình này. Kiểm tra phép tính, trích dẫn và mã được tạo theo nguồn. Kết quả hữu ích là sản phẩm văn bản đầy đủ có thể rà soát, với định danh Instruct-2507 cố định, chế độ không suy nghĩ và quy trình ngữ cảnh dài có điều kiện được giữ rõ ràng.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3-30b-a3b-instruct-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 $0.0002 / 1K token Đầu ra · Token đầu ra $0.0008 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 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 $0.0002 / 1K token Đầu ra · Token đầu ra $0.0008 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen/qwen3-30b-a3b-instruct-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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/qwen3-30b-a3b-instruct-2507
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Draft a bounded project brief\n\nWrite a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.