Điểm nổi bật của Qwen3.8: suy luận văn bản liên tục
Qwen3.8-2.4T-A95B là checkpoint Qwen3.8 mở dành cho suy luận văn bản. Qwen mô tả các cải tiến về lập trình, công việc chuyên môn, nghiên cứu và nhiệm vụ tác tử dài hạn, bao gồm lập kế hoạch và sử dụng phản hồi từ môi trường. Mô hình nhận văn bản và trả về văn bản. Nhà phát triển phân biệt rõ mô hình này với dịch vụ Qwen3.8-Max được quản lý: đầu vào thị giác và khả năng không dùng chế độ suy nghĩ là các tính năng bổ sung của dịch vụ đó, không phải khả năng của chính checkpoint mở này.
Với nhiệm vụ lập trình, hãy cung cấp các mô-đun liên quan, yêu cầu và một đầu vào thể hiện hành vi hiện tại. Yêu cầu thay đổi có giải thích và sản phẩm cuối cùng có thể xem xét. Với báo cáo nghiên cứu hoặc chuyên môn, hãy cung cấp bằng chứng, các phần bắt buộc và tiêu chí đánh giá, sau đó yêu cầu mô hình phân biệt phát hiện có căn cứ với giả định. Đây là những ứng dụng thực tế của phạm vi nhiệm vụ được tài liệu mô tả, không phải lời hứa rằng mã đã được thực thi hoặc kết luận đã được chuyên gia chứng nhận.
Tổng quan mô hình
Mô hình hỗn hợp chuyên gia thưa có tổng cộng 2.4 nghìn tỷ tham số và kích hoạt 95 tỷ. Mô hình có 92 lớp và 512 chuyên gia định tuyến, lựa chọn mười chuyên gia định tuyến cùng một chuyên gia dùng chung. Các khối lai kết hợp Gated DeltaNet và chú ý có cổng với các lớp chuyên gia, theo mẫu ba-một. Dự đoán nhiều token là một phần của quá trình huấn luyện. Số tham số được kích hoạt không phải kích thước toàn bộ checkpoint, và tổng số lớn không tạo ra bảo đảm về thời gian phản hồi.
Ngữ cảnh gốc là 262,144 token, với khả năng mở rộng lên đến 1,010,000 được tài liệu mô tả. Điều này khác với ngữ cảnh một triệu token mặc định trong tài liệu tham chiếu của Max được quản lý. Hãy dùng giới hạn độ dài chuỗi thực tế đã cấu hình cho văn bản nguồn, lịch sử hội thoại, suy luận và phản hồi cuối cùng, thay vì giả định mọi con số lớn nhất đều áp dụng đồng thời.
Sử dụng đúng checkpoint suy nghĩ
Chế độ suy nghĩ là bắt buộc cho mọi lần tương tác và không thể tắt. Đầu ra được tài liệu mô tả bắt đầu bằng một khối suy luận trước văn bản cuối cùng. reasoning_effort hỗ trợ xhigh, medium và low; xhigh là mặc định. Low giảm độ sâu phân tích dự kiến nhưng vẫn là chế độ suy nghĩ. Yêu cầu câu trả lời cuối cùng ngắn gọn có thể điều chỉnh sản phẩm mong muốn mà không biến mô hình này thành phiên bản không suy nghĩ.
preserve_thinking được bật mặc định. Giữ lại suy luận từ những lượt trước giúp nhiệm vụ lặp mang theo bối cảnh của các quyết định. Hãy gắn các sửa đổi, kết quả công cụ và câu trả lời cuối cùng với những lượt đã tạo ra chúng. Mô hình này cần tuân theo quy ước lịch sử riêng, thay vì kế thừa lời khuyên cũ về việc xóa mọi khối suy luận khỏi tin nhắn trước đó. Việc giao diện cung cấp cụ thể các tùy chọn nỗ lực và lưu giữ như thế nào phụ thuộc vào cách triển khai công thức của checkpoint.
Bộ khung và phản hồi từ môi trường
Qwen mô tả khả năng tương thích với các bộ khung phát triển và công cụ. Một nhiệm vụ kéo dài có thể được trình bày bằng mục tiêu, hành động được phép và bằng chứng hoàn thành; ứng dụng sau đó có thể cung cấp các quan sát từ việc kiểm tra hoặc thực thi. Yêu cầu mô hình giải thích mỗi kết quả mới làm thay đổi kế hoạch ra sao và báo cáo những vấn đề còn chưa giải quyết. Lập kế hoạch cho một hành động và nhận kết quả thực tế là những phần khác nhau của quy trình đó.
Các ví dụ Max được quản lý trong thẻ mô hình bao gồm công cụ tích hợp bổ sung. Không nên biến chúng thành khả năng tự động tìm kiếm web, thực thi mã hoặc nhận đầu vào thị giác của mô hình mở này. Vai trò hữu ích của mô hình là thành phần suy luận văn bản trong một quy trình có kết nối; công cụ và tác động bên ngoài thuộc về ứng dụng cung cấp chúng.
Khuyến nghị sinh nội dung
Nhà phát triển khuyến nghị temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 và repetition penalty 1.0. Ở nơi được hỗ trợ, presence penalty từ không đến hai có thể giảm văn bản lặp, nhưng giá trị cao hơn có thể làm lẫn ngôn ngữ hoặc giảm nhẹ chất lượng. Khả năng hỗ trợ tham số thay đổi theo cách triển khai.
Với quy trình một triệu token đã cấu hình, có các giới hạn riêng cho suy luận và phản hồi cuối cùng, Qwen khuyến nghị 262,144 token cho suy luận và 131,072 cho câu trả lời cuối cùng. Đây là các hạn mức có điều kiện, không phải những mức trần cứng được xác lập riêng hay các hạn mức có thể cùng nằm trong ngữ cảnh gốc 262,144 token. Hãy phân bổ đủ không gian cho sản phẩm hoàn chỉnh và yêu cầu kết quả cuối cùng dễ tìm sau phần suy luận.
Giới hạn thực tế
Checkpoint này không nhận hình ảnh, âm thanh hay video. Khi cần, hãy chuyển bằng chứng liên quan thành biểu diễn văn bản phù hợp qua quy trình riêng, giữ lại các định danh cho phép kiểm tra câu trả lời. Thẻ mô hình nêu ngữ cảnh mở rộng nhưng không cung cấp công thức mở rộng đầy đủ cho từng nhiệm vụ hoặc giới hạn đa phương tiện chung cho mô hình chỉ xử lý văn bản này. Hãy giữ đúng định danh và cấu hình checkpoint, đối chiếu phép tính và đề xuất mã với nguồn, và xem sản phẩm cuối cùng là kết quả cần duyệt thay vì bằng chứng rằng toàn bộ nhiệm vụ bên ngoài đã hoàn thành.
", "aboutText": "Điểm nổi bật của Qwen3.8: suy luận văn bản liên tục\n\nQwen3.8-2.4T-A95B là checkpoint Qwen3.8 mở dành cho suy luận văn bản. Qwen mô tả các cải tiến về lập trình, công việc chuyên môn, nghiên cứu và nhiệm vụ tác tử dài hạn, bao gồm lập kế hoạch và sử dụng phản hồi từ môi trường. Mô hình nhận văn bản và trả về văn bản. Nhà phát triển phân biệt rõ mô hình này với dịch vụ Qwen3.8-Max được quản lý: đầu vào thị giác và khả năng không dùng chế độ suy nghĩ là các tính năng bổ sung của dịch vụ đó, không phải khả năng của chính checkpoint mở này.\n\nVới nhiệm vụ lập trình, hãy cung cấp các mô-đun liên quan, yêu cầu và một đầu vào thể hiện hành vi hiện tại. Yêu cầu thay đổi có giải thích và sản phẩm cuối cùng có thể xem xét. Với báo cáo nghiên cứu hoặc chuyên môn, hãy cung cấp bằng chứng, các phần bắt buộc và tiêu chí đánh giá, sau đó yêu cầu mô hình phân biệt phát hiện có căn cứ với giả định. Đây là những ứng dụng thực tế của phạm vi nhiệm vụ được tài liệu mô tả, không phải lời hứa rằng mã đã được thực thi hoặc kết luận đã được chuyên gia chứng nhận.\n\nTổng quan mô hình\n\nMô hình hỗn hợp chuyên gia thưa có tổng cộng 2.4 nghìn tỷ tham số và kích hoạt 95 tỷ. Mô hình có 92 lớp và 512 chuyên gia định tuyến, lựa chọn mười chuyên gia định tuyến cùng một chuyên gia dùng chung. Các khối lai kết hợp Gated DeltaNet và chú ý có cổng với các lớp chuyên gia, theo mẫu ba-một. Dự đoán nhiều token là một phần của quá trình huấn luyện. Số tham số được kích hoạt không phải kích thước toàn bộ checkpoint, và tổng số lớn không tạo ra bảo đảm về thời gian phản hồi.\n\nNgữ cảnh gốc là 262,144 token, với khả năng mở rộng lên đến 1,010,000 được tài liệu mô tả. Điều này khác với ngữ cảnh một triệu token mặc định trong tài liệu tham chiếu của Max được quản lý. Hãy dùng giới hạn độ dài chuỗi thực tế đã cấu hình cho văn bản nguồn, lịch sử hội thoại, suy luận và phản hồi cuối cùng, thay vì giả định mọi con số lớn nhất đều áp dụng đồng thời.\n\nSử dụng đúng checkpoint suy nghĩ\n\nChế độ suy nghĩ là bắt buộc cho mọi lần tương tác và không thể tắt. Đầu ra được tài liệu mô tả bắt đầu bằng một khối suy luận trước văn bản cuối cùng. reasoning_effort hỗ trợ xhigh, medium và low; xhigh là mặc định. Low giảm độ sâu phân tích dự kiến nhưng vẫn là chế độ suy nghĩ. Yêu cầu câu trả lời cuối cùng ngắn gọn có thể điều chỉnh sản phẩm mong muốn mà không biến mô hình này thành phiên bản không suy nghĩ.\n\npreserve_thinking được bật mặc định. Giữ lại suy luận từ những lượt trước giúp nhiệm vụ lặp mang theo bối cảnh của các quyết định. Hãy gắn các sửa đổi, kết quả công cụ và câu trả lời cuối cùng với những lượt đã tạo ra chúng. Mô hình này cần tuân theo quy ước lịch sử riêng, thay vì kế thừa lời khuyên cũ về việc xóa mọi khối suy luận khỏi tin nhắn trước đó. Việc giao diện cung cấp cụ thể các tùy chọn nỗ lực và lưu giữ như thế nào phụ thuộc vào cách triển khai công thức của checkpoint.\n\nBộ khung và phản hồi từ môi trường\n\nQwen mô tả khả năng tương thích với các bộ khung phát triển và công cụ. Một nhiệm vụ kéo dài có thể được trình bày bằng mục tiêu, hành động được phép và bằng chứng hoàn thành; ứng dụng sau đó có thể cung cấp các quan sát từ việc kiểm tra hoặc thực thi. Yêu cầu mô hình giải thích mỗi kết quả mới làm thay đổi kế hoạch ra sao và báo cáo những vấn đề còn chưa giải quyết. Lập kế hoạch cho một hành động và nhận kết quả thực tế là những phần khác nhau của quy trình đó.\n\nCác ví dụ Max được quản lý trong thẻ mô hình bao gồm công cụ tích hợp bổ sung. Không nên biến chúng thành khả năng tự động tìm kiếm web, thực thi mã hoặc nhận đầu vào thị giác của mô hình mở này. Vai trò hữu ích của mô hình là thành phần suy luận văn bản trong một quy trình có kết nối; công cụ và tác động bên ngoài thuộc về ứng dụng cung cấp chúng.\n\nKhuyến nghị sinh nội dung\n\nNhà phát triển khuyến nghị temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 và repetition penalty 1.0. Ở nơi được hỗ trợ, presence penalty từ không đến hai có thể giảm văn bản lặp, nhưng giá trị cao hơn có thể làm lẫn ngôn ngữ hoặc giảm nhẹ chất lượng. Khả năng hỗ trợ tham số thay đổi theo cách triển khai.\n\nVới quy trình một triệu token đã cấu hình, có các giới hạn riêng cho suy luận và phản hồi cuối cùng, Qwen khuyến nghị 262,144 token cho suy luận và 131,072 cho câu trả lời cuối cùng. Đây là các hạn mức có điều kiện, không phải những mức trần cứng được xác lập riêng hay các hạn mức có thể cùng nằm trong ngữ cảnh gốc 262,144 token. Hãy phân bổ đủ không gian cho sản phẩm hoàn chỉnh và yêu cầu kết quả cuối cùng dễ tìm sau phần suy luận.\n\nGiới hạn thực tế\n\nCheckpoint này không nhận hình ảnh, âm thanh hay video. Khi cần, hãy chuyển bằng chứng liên quan thành biểu diễn văn bản phù hợp qua quy trình riêng, giữ lại các định danh cho phép kiểm tra câu trả lời. Thẻ mô hình nêu ngữ cảnh mở rộng nhưng không cung cấp công thức mở rộng đầy đủ cho từng nhiệm vụ hoặc giới hạn đa phương tiện chung cho mô hình chỉ xử lý văn bản này. Hãy giữ đúng định danh và cấu hình checkpoint, đối chiếu phép tính và đề xuất mã với nguồn, và xem sản phẩm cuối cùng là kết quả cần duyệt thay vì bằng chứng rằng toàn bộ nhiệm vụ bên ngoài đã hoàn thành.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
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 là mô hình suy luận văn bản hỗn hợp chuyên gia thưa của Qwen, có tổng cộng 2.4 nghìn tỷ tham số và 95 tỷ tham số được kích hoạt. Checkpoint mở này luôn dùng chế độ suy nghĩ, hỗ trợ điều chỉnh mức nỗ lực suy luận và giữ ngữ cảnh suy luận cho các nhiệm vụ lập trình và chuyên môn kéo dài.
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 của Qwen3.8: suy luận văn bản liên tục
Qwen3.8-2.4T-A95B là checkpoint Qwen3.8 mở dành cho suy luận văn bản. Qwen mô tả các cải tiến về lập trình, công việc chuyên môn, nghiên cứu và nhiệm vụ tác tử dài hạn, bao gồm lập kế hoạch và sử dụng phản hồi từ môi trường. Mô hình nhận văn bản và trả về văn bản. Nhà phát triển phân biệt rõ mô hình này với dịch vụ Qwen3.8-Max được quản lý: đầu vào thị giác và khả năng không dùng chế độ suy nghĩ là các tính năng bổ sung của dịch vụ đó, không phải khả năng của chính checkpoint mở này.
Với nhiệm vụ lập trình, hãy cung cấp các mô-đun liên quan, yêu cầu và một đầu vào thể hiện hành vi hiện tại. Yêu cầu thay đổi có giải thích và sản phẩm cuối cùng có thể xem xét. Với báo cáo nghiên cứu hoặc chuyên môn, hãy cung cấp bằng chứng, các phần bắt buộc và tiêu chí đánh giá, sau đó yêu cầu mô hình phân biệt phát hiện có căn cứ với giả định. Đây là những ứng dụng thực tế của phạm vi nhiệm vụ được tài liệu mô tả, không phải lời hứa rằng mã đã được thực thi hoặc kết luận đã được chuyên gia chứng nhận.
Tổng quan mô hình
Mô hình hỗn hợp chuyên gia thưa có tổng cộng 2.4 nghìn tỷ tham số và kích hoạt 95 tỷ. Mô hình có 92 lớp và 512 chuyên gia định tuyến, lựa chọn mười chuyên gia định tuyến cùng một chuyên gia dùng chung. Các khối lai kết hợp Gated DeltaNet và chú ý có cổng với các lớp chuyên gia, theo mẫu ba-một. Dự đoán nhiều token là một phần của quá trình huấn luyện. Số tham số được kích hoạt không phải kích thước toàn bộ checkpoint, và tổng số lớn không tạo ra bảo đảm về thời gian phản hồi.
Ngữ cảnh gốc là 262,144 token, với khả năng mở rộng lên đến 1,010,000 được tài liệu mô tả. Điều này khác với ngữ cảnh một triệu token mặc định trong tài liệu tham chiếu của Max được quản lý. Hãy dùng giới hạn độ dài chuỗi thực tế đã cấu hình cho văn bản nguồn, lịch sử hội thoại, suy luận và phản hồi cuối cùng, thay vì giả định mọi con số lớn nhất đều áp dụng đồng thời.
Sử dụng đúng checkpoint suy nghĩ
Chế độ suy nghĩ là bắt buộc cho mọi lần tương tác và không thể tắt. Đầu ra được tài liệu mô tả bắt đầu bằng một khối suy luận trước văn bản cuối cùng. reasoning_effort hỗ trợ xhigh, medium và low; xhigh là mặc định. Low giảm độ sâu phân tích dự kiến nhưng vẫn là chế độ suy nghĩ. Yêu cầu câu trả lời cuối cùng ngắn gọn có thể điều chỉnh sản phẩm mong muốn mà không biến mô hình này thành phiên bản không suy nghĩ.
preserve_thinking được bật mặc định. Giữ lại suy luận từ những lượt trước giúp nhiệm vụ lặp mang theo bối cảnh của các quyết định. Hãy gắn các sửa đổi, kết quả công cụ và câu trả lời cuối cùng với những lượt đã tạo ra chúng. Mô hình này cần tuân theo quy ước lịch sử riêng, thay vì kế thừa lời khuyên cũ về việc xóa mọi khối suy luận khỏi tin nhắn trước đó. Việc giao diện cung cấp cụ thể các tùy chọn nỗ lực và lưu giữ như thế nào phụ thuộc vào cách triển khai công thức của checkpoint.
Bộ khung và phản hồi từ môi trường
Qwen mô tả khả năng tương thích với các bộ khung phát triển và công cụ. Một nhiệm vụ kéo dài có thể được trình bày bằng mục tiêu, hành động được phép và bằng chứng hoàn thành; ứng dụng sau đó có thể cung cấp các quan sát từ việc kiểm tra hoặc thực thi. Yêu cầu mô hình giải thích mỗi kết quả mới làm thay đổi kế hoạch ra sao và báo cáo những vấn đề còn chưa giải quyết. Lập kế hoạch cho một hành động và nhận kết quả thực tế là những phần khác nhau của quy trình đó.
Các ví dụ Max được quản lý trong thẻ mô hình bao gồm công cụ tích hợp bổ sung. Không nên biến chúng thành khả năng tự động tìm kiếm web, thực thi mã hoặc nhận đầu vào thị giác của mô hình mở này. Vai trò hữu ích của mô hình là thành phần suy luận văn bản trong một quy trình có kết nối; công cụ và tác động bên ngoài thuộc về ứng dụng cung cấp chúng.
Khuyến nghị sinh nội dung
Nhà phát triển khuyến nghị temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 và repetition penalty 1.0. Ở nơi được hỗ trợ, presence penalty từ không đến hai có thể giảm văn bản lặp, nhưng giá trị cao hơn có thể làm lẫn ngôn ngữ hoặc giảm nhẹ chất lượng. Khả năng hỗ trợ tham số thay đổi theo cách triển khai.
Với quy trình một triệu token đã cấu hình, có các giới hạn riêng cho suy luận và phản hồi cuối cùng, Qwen khuyến nghị 262,144 token cho suy luận và 131,072 cho câu trả lời cuối cùng. Đây là các hạn mức có điều kiện, không phải những mức trần cứng được xác lập riêng hay các hạn mức có thể cùng nằm trong ngữ cảnh gốc 262,144 token. Hãy phân bổ đủ không gian cho sản phẩm hoàn chỉnh và yêu cầu kết quả cuối cùng dễ tìm sau phần suy luận.
Giới hạn thực tế
Checkpoint này không nhận hình ảnh, âm thanh hay video. Khi cần, hãy chuyển bằng chứng liên quan thành biểu diễn văn bản phù hợp qua quy trình riêng, giữ lại các định danh cho phép kiểm tra câu trả lời. Thẻ mô hình nêu ngữ cảnh mở rộng nhưng không cung cấp công thức mở rộng đầy đủ cho từng nhiệm vụ hoặc giới hạn đa phương tiện chung cho mô hình chỉ xử lý văn bản này. Hãy giữ đúng định danh và cấu hình checkpoint, đối chiếu phép tính và đề xuất mã với nguồn, và xem sản phẩm cuối cùng là kết quả cần duyệt thay vì bằng chứng rằng toàn bộ nhiệm vụ bên ngoài đã hoàn thành.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3.8-2.4t-a95b | 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 $0.004 / 1K token Đầu ra · Token đầu ra $0.012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0005 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.005 / 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 $0.004 / 1K token Đầu ra · Token đầu ra $0.012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0005 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.005 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-2.4t-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 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/qwen3.8-2.4t-a95b
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen/qwen3.8-2.4t-a95bQwen3.8-2.4T-A95B là mô hình suy luận văn bản hỗn hợp chuyên gia thưa của Qwen, có tổng cộng 2.4 nghìn tỷ tham số và 95 tỷ tham số được kích hoạt. Checkpoint mở này luôn dùng chế độ suy nghĩ, hỗ trợ điều chỉnh mức nỗ lực suy luận và giữ ngữ cảnh suy luận cho các nhiệm vụ lập trình và chuyên môn kéo dài.
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 của Qwen3.8: suy luận văn bản liên tục
Qwen3.8-2.4T-A95B là checkpoint Qwen3.8 mở dành cho suy luận văn bản. Qwen mô tả các cải tiến về lập trình, công việc chuyên môn, nghiên cứu và nhiệm vụ tác tử dài hạn, bao gồm lập kế hoạch và sử dụng phản hồi từ môi trường. Mô hình nhận văn bản và trả về văn bản. Nhà phát triển phân biệt rõ mô hình này với dịch vụ Qwen3.8-Max được quản lý: đầu vào thị giác và khả năng không dùng chế độ suy nghĩ là các tính năng bổ sung của dịch vụ đó, không phải khả năng của chính checkpoint mở này.
Với nhiệm vụ lập trình, hãy cung cấp các mô-đun liên quan, yêu cầu và một đầu vào thể hiện hành vi hiện tại. Yêu cầu thay đổi có giải thích và sản phẩm cuối cùng có thể xem xét. Với báo cáo nghiên cứu hoặc chuyên môn, hãy cung cấp bằng chứng, các phần bắt buộc và tiêu chí đánh giá, sau đó yêu cầu mô hình phân biệt phát hiện có căn cứ với giả định. Đây là những ứng dụng thực tế của phạm vi nhiệm vụ được tài liệu mô tả, không phải lời hứa rằng mã đã được thực thi hoặc kết luận đã được chuyên gia chứng nhận.
Tổng quan mô hình
Mô hình hỗn hợp chuyên gia thưa có tổng cộng 2.4 nghìn tỷ tham số và kích hoạt 95 tỷ. Mô hình có 92 lớp và 512 chuyên gia định tuyến, lựa chọn mười chuyên gia định tuyến cùng một chuyên gia dùng chung. Các khối lai kết hợp Gated DeltaNet và chú ý có cổng với các lớp chuyên gia, theo mẫu ba-một. Dự đoán nhiều token là một phần của quá trình huấn luyện. Số tham số được kích hoạt không phải kích thước toàn bộ checkpoint, và tổng số lớn không tạo ra bảo đảm về thời gian phản hồi.
Ngữ cảnh gốc là 262,144 token, với khả năng mở rộng lên đến 1,010,000 được tài liệu mô tả. Điều này khác với ngữ cảnh một triệu token mặc định trong tài liệu tham chiếu của Max được quản lý. Hãy dùng giới hạn độ dài chuỗi thực tế đã cấu hình cho văn bản nguồn, lịch sử hội thoại, suy luận và phản hồi cuối cùng, thay vì giả định mọi con số lớn nhất đều áp dụng đồng thời.
Sử dụng đúng checkpoint suy nghĩ
Chế độ suy nghĩ là bắt buộc cho mọi lần tương tác và không thể tắt. Đầu ra được tài liệu mô tả bắt đầu bằng một khối suy luận trước văn bản cuối cùng. reasoning_effort hỗ trợ xhigh, medium và low; xhigh là mặc định. Low giảm độ sâu phân tích dự kiến nhưng vẫn là chế độ suy nghĩ. Yêu cầu câu trả lời cuối cùng ngắn gọn có thể điều chỉnh sản phẩm mong muốn mà không biến mô hình này thành phiên bản không suy nghĩ.
preserve_thinking được bật mặc định. Giữ lại suy luận từ những lượt trước giúp nhiệm vụ lặp mang theo bối cảnh của các quyết định. Hãy gắn các sửa đổi, kết quả công cụ và câu trả lời cuối cùng với những lượt đã tạo ra chúng. Mô hình này cần tuân theo quy ước lịch sử riêng, thay vì kế thừa lời khuyên cũ về việc xóa mọi khối suy luận khỏi tin nhắn trước đó. Việc giao diện cung cấp cụ thể các tùy chọn nỗ lực và lưu giữ như thế nào phụ thuộc vào cách triển khai công thức của checkpoint.
Bộ khung và phản hồi từ môi trường
Qwen mô tả khả năng tương thích với các bộ khung phát triển và công cụ. Một nhiệm vụ kéo dài có thể được trình bày bằng mục tiêu, hành động được phép và bằng chứng hoàn thành; ứng dụng sau đó có thể cung cấp các quan sát từ việc kiểm tra hoặc thực thi. Yêu cầu mô hình giải thích mỗi kết quả mới làm thay đổi kế hoạch ra sao và báo cáo những vấn đề còn chưa giải quyết. Lập kế hoạch cho một hành động và nhận kết quả thực tế là những phần khác nhau của quy trình đó.
Các ví dụ Max được quản lý trong thẻ mô hình bao gồm công cụ tích hợp bổ sung. Không nên biến chúng thành khả năng tự động tìm kiếm web, thực thi mã hoặc nhận đầu vào thị giác của mô hình mở này. Vai trò hữu ích của mô hình là thành phần suy luận văn bản trong một quy trình có kết nối; công cụ và tác động bên ngoài thuộc về ứng dụng cung cấp chúng.
Khuyến nghị sinh nội dung
Nhà phát triển khuyến nghị temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence penalty 0 và repetition penalty 1.0. Ở nơi được hỗ trợ, presence penalty từ không đến hai có thể giảm văn bản lặp, nhưng giá trị cao hơn có thể làm lẫn ngôn ngữ hoặc giảm nhẹ chất lượng. Khả năng hỗ trợ tham số thay đổi theo cách triển khai.
Với quy trình một triệu token đã cấu hình, có các giới hạn riêng cho suy luận và phản hồi cuối cùng, Qwen khuyến nghị 262,144 token cho suy luận và 131,072 cho câu trả lời cuối cùng. Đây là các hạn mức có điều kiện, không phải những mức trần cứng được xác lập riêng hay các hạn mức có thể cùng nằm trong ngữ cảnh gốc 262,144 token. Hãy phân bổ đủ không gian cho sản phẩm hoàn chỉnh và yêu cầu kết quả cuối cùng dễ tìm sau phần suy luận.
Giới hạn thực tế
Checkpoint này không nhận hình ảnh, âm thanh hay video. Khi cần, hãy chuyển bằng chứng liên quan thành biểu diễn văn bản phù hợp qua quy trình riêng, giữ lại các định danh cho phép kiểm tra câu trả lời. Thẻ mô hình nêu ngữ cảnh mở rộng nhưng không cung cấp công thức mở rộng đầy đủ cho từng nhiệm vụ hoặc giới hạn đa phương tiện chung cho mô hình chỉ xử lý văn bản này. Hãy giữ đúng định danh và cấu hình checkpoint, đối chiếu phép tính và đề xuất mã với nguồn, và xem sản phẩm cuối cùng là kết quả cần duyệt thay vì bằng chứng rằng toàn bộ nhiệm vụ bên ngoài đã hoàn thành.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3.8-2.4t-a95b | 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 $0.004 / 1K token Đầu ra · Token đầu ra $0.012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0005 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.005 / 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 $0.004 / 1K token Đầu ra · Token đầu ra $0.012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0005 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.005 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen/qwen3.8-2.4t-a95b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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/qwen3.8-2.4t-a95b
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
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.