Qwen3-8B là mô hình ngôn ngữ dày đặc Qwen3 kết hợp suy luận với tạo văn bản thông thường. Các thế mạnh được quảng bá gồm toán học, giải bài toán logic, mã, viết sáng tạo, hội thoại theo vai trò và làm theo chỉ dẫn qua nhiều lượt. Dòng hỗ trợ hơn 100 ngôn ngữ và phương ngữ. Ứng dụng thực tế là trợ lý hỗ trợ đa ngôn ngữ chuyển tin nhắn khách hàng cùng trích đoạn chính sách được cung cấp thành phản hồi hữu ích, đồng thời giữ tên sản phẩm và giọng văn yêu cầu.
Bản phát hành có 8.2 tỷ tham số, gồm 6.95 tỷ ngoài phần nhúng, và 36 lớp. Mô hình dùng chú ý truy vấn theo nhóm với 32 đầu truy vấn và tám đầu khóa/giá trị. Đây là mô hình dày đặc riêng, không phải mô hình hỗn hợp chuyên gia 235B hoạt động với ít chuyên gia hơn. Đầu vào làm việc và kết quả tạo đều là văn bản: bản dịch, giải thích, tài liệu sửa, kế hoạch hoặc chương trình. Chọn tác vụ rõ trước khi thêm ngữ cảnh. Với phản hồi hỗ trợ, cung cấp tin nhắn khách, chính sách áp dụng, thuật ngữ đã duyệt và hành động người đọc nên làm; yêu cầu phản hồi cùng danh sách riêng các dữ kiện vẫn còn thiếu.
Quy trình khởi đầu của nhà sản xuất dùng chuỗi tin nhắn trò chuyện và mẫu trò chuyện rõ ràng. Với hỗ trợ mã, cung cấp hàm liên quan, đầu vào làm lộ vấn đề, đầu ra thực tế và kết quả mong đợi. Yêu cầu hàm đã sửa cùng ví dụ, với giải thích riêng về hành vi đổi. Với dịch, xác định ngôn ngữ nguồn và đích, người đọc và thuật ngữ cần giữ. Đầu vào này giúp đối chiếu văn bản kết quả với yêu cầu gốc dễ hơn. Tích hợp công bố cần môi trường thực thi nhận biết Qwen3; thẻ cảnh báo các phiên bản Transformers dưới 4.51.0 không nhận ra kiến trúc cần thiết.
Cùng mô hình hỗ trợ chế độ thinking và non-thinking. Thinking bật theo mặc định trong mẫu được cung cấp. Tắt cứng loại bỏ phần suy luận; khi thinking vẫn bật, /think và /no_think có thể đổi lựa chọn giữa các lượt. Chỉ dẫn mới nhất như vậy được ưu tiên, và các tùy chọn ở cấp lời nhắc này không ghi đè được tắt cứng. Trong quy trình sản phẩm, dùng chế độ trực tiếp để viết lại ngắn một tin nhắn đã duyệt và chọn suy luận cho điểm không khớp cần giải thích. Giữ câu trả lời cuối riêng với suy luận trung gian và chỉ lưu câu trả lời cuối trong lịch sử hội thoại sau. Khi thinking bật, ngay cả yêu cầu non-thinking mềm vẫn giữ khối suy luận; nội dung có thể rỗng. Tắt cứng loại bỏ khối đó.
Nhà sản xuất mô tả gọi công cụ và khuyến nghị Qwen-Agent để quản lý mẫu cùng phân tích cú pháp. Ứng dụng có thể cung cấp định nghĩa công cụ, thực thi lời gọi yêu cầu và trả kết quả. Với trợ lý hỗ trợ, phép tra đơn hàng phạm vi hẹp, chỉ đọc có thể cung cấp trạng thái giao hàng đã xác nhận trước khi mô hình soạn trả lời. Xác định trường tra cứu được phép và cách báo bản ghi thiếu. Sản phẩm cuối hữu ích là phản hồi dựa trên thông tin đã trả về, không phải phát biểu không có bằng chứng rằng thao tác bên ngoài thành công. Hướng dẫn Qwen3 cũng mô tả lời gọi công cụ song song và nhiều bước, với đối số là đối tượng và kết quả được đưa trở lại hội thoại.
Thẻ mô hình liệt kê ngữ cảnh gốc 32,768 token và 131,072 khi mở rộng bằng YaRN. Vì thế hành vi ngữ cảnh dài phụ thuộc cấu hình thực tế. YaRN tĩnh có thể ảnh hưởng yêu cầu ngắn hơn, nên thẻ khuyên bật khi cần ngữ cảnh dài. Đầu vào, lịch sử hội thoại và đầu ra tạo dùng chung ngân sách ngữ cảnh. Gắn nhãn phần nguồn dài, bỏ bản trùng không liên quan và chừa chỗ cho câu trả lời yêu cầu. Ví dụ tạo công bố cùng khuyến nghị đầu ra là hướng dẫn cấu hình, không phải mức tối đa đầu ra cứng độc lập. Tài liệu Qwen3 thảo luận độ dài tin nhắn assistant 38,912 token ở thinking và 16,384 ở non-thinking trong giải thích độ dài huấn luyện, đồng thời khuyên đánh giá chất lượng tạo dài hơn. Các con số khác với cửa sổ ngữ cảnh tổng thể và không phải giới hạn cứng riêng của endpoint. Thẻ cũng giải thích phân bổ vị trí mặc định 40,960 token gồm 8,192 cho lời nhắc thông thường cộng 32,768 cho đầu ra; đây là hướng dẫn cấu hình nhà sản xuất, tách biệt với ngữ cảnh huấn luyện gốc và mọi giới hạn endpoint.
Với thinking, các giá trị lấy mẫu được khuyến nghị là temperature 0.6, top-p 0.95, top-k 20 và min-p 0; với non-thinking là 0.7, 0.8, 20 và 0. Nhà sản xuất cảnh báo giải mã tham lam khi suy luận có thể tạo văn bản lặp. Mức phạt hiện diện cao hơn có thể giảm lặp nhưng đôi khi gây lẫn ngôn ngữ. Xác định rõ định dạng cuối, chẳng hạn phản hồi rồi một đối tượng JSON chứa trường chưa giải quyết, và xác thực đối tượng trước khi ứng dụng dùng. Kiểm tra mã đề xuất bằng các trường hợp được cung cấp và xem lại bản dịch về thuật ngữ được giữ.
", "aboutText": "Qwen3-8B là mô hình ngôn ngữ dày đặc Qwen3 kết hợp suy luận với tạo văn bản thông thường. Các thế mạnh được quảng bá gồm toán học, giải bài toán logic, mã, viết sáng tạo, hội thoại theo vai trò và làm theo chỉ dẫn qua nhiều lượt. Dòng hỗ trợ hơn 100 ngôn ngữ và phương ngữ. Ứng dụng thực tế là trợ lý hỗ trợ đa ngôn ngữ chuyển tin nhắn khách hàng cùng trích đoạn chính sách được cung cấp thành phản hồi hữu ích, đồng thời giữ tên sản phẩm và giọng văn yêu cầu.\n\nBản phát hành có 8.2 tỷ tham số, gồm 6.95 tỷ ngoài phần nhúng, và 36 lớp. Mô hình dùng chú ý truy vấn theo nhóm với 32 đầu truy vấn và tám đầu khóa/giá trị. Đây là mô hình dày đặc riêng, không phải mô hình hỗn hợp chuyên gia 235B hoạt động với ít chuyên gia hơn. Đầu vào làm việc và kết quả tạo đều là văn bản: bản dịch, giải thích, tài liệu sửa, kế hoạch hoặc chương trình. Chọn tác vụ rõ trước khi thêm ngữ cảnh. Với phản hồi hỗ trợ, cung cấp tin nhắn khách, chính sách áp dụng, thuật ngữ đã duyệt và hành động người đọc nên làm; yêu cầu phản hồi cùng danh sách riêng các dữ kiện vẫn còn thiếu.\n\nQuy trình khởi đầu của nhà sản xuất dùng chuỗi tin nhắn trò chuyện và mẫu trò chuyện rõ ràng. Với hỗ trợ mã, cung cấp hàm liên quan, đầu vào làm lộ vấn đề, đầu ra thực tế và kết quả mong đợi. Yêu cầu hàm đã sửa cùng ví dụ, với giải thích riêng về hành vi đổi. Với dịch, xác định ngôn ngữ nguồn và đích, người đọc và thuật ngữ cần giữ. Đầu vào này giúp đối chiếu văn bản kết quả với yêu cầu gốc dễ hơn. Tích hợp công bố cần môi trường thực thi nhận biết Qwen3; thẻ cảnh báo các phiên bản Transformers dưới 4.51.0 không nhận ra kiến trúc cần thiết.\n\nCùng mô hình hỗ trợ chế độ thinking và non-thinking. Thinking bật theo mặc định trong mẫu được cung cấp. Tắt cứng loại bỏ phần suy luận; khi thinking vẫn bật, /think và /no_think có thể đổi lựa chọn giữa các lượt. Chỉ dẫn mới nhất như vậy được ưu tiên, và các tùy chọn ở cấp lời nhắc này không ghi đè được tắt cứng. Trong quy trình sản phẩm, dùng chế độ trực tiếp để viết lại ngắn một tin nhắn đã duyệt và chọn suy luận cho điểm không khớp cần giải thích. Giữ câu trả lời cuối riêng với suy luận trung gian và chỉ lưu câu trả lời cuối trong lịch sử hội thoại sau. Khi thinking bật, ngay cả yêu cầu non-thinking mềm vẫn giữ khối suy luận; nội dung có thể rỗng. Tắt cứng loại bỏ khối đó.\n\nNhà sản xuất mô tả gọi công cụ và khuyến nghị Qwen-Agent để quản lý mẫu cùng phân tích cú pháp. Ứng dụng có thể cung cấp định nghĩa công cụ, thực thi lời gọi yêu cầu và trả kết quả. Với trợ lý hỗ trợ, phép tra đơn hàng phạm vi hẹp, chỉ đọc có thể cung cấp trạng thái giao hàng đã xác nhận trước khi mô hình soạn trả lời. Xác định trường tra cứu được phép và cách báo bản ghi thiếu. Sản phẩm cuối hữu ích là phản hồi dựa trên thông tin đã trả về, không phải phát biểu không có bằng chứng rằng thao tác bên ngoài thành công. Hướng dẫn Qwen3 cũng mô tả lời gọi công cụ song song và nhiều bước, với đối số là đối tượng và kết quả được đưa trở lại hội thoại.\n\nThẻ mô hình liệt kê ngữ cảnh gốc 32,768 token và 131,072 khi mở rộng bằng YaRN. Vì thế hành vi ngữ cảnh dài phụ thuộc cấu hình thực tế. YaRN tĩnh có thể ảnh hưởng yêu cầu ngắn hơn, nên thẻ khuyên bật khi cần ngữ cảnh dài. Đầu vào, lịch sử hội thoại và đầu ra tạo dùng chung ngân sách ngữ cảnh. Gắn nhãn phần nguồn dài, bỏ bản trùng không liên quan và chừa chỗ cho câu trả lời yêu cầu. Ví dụ tạo công bố cùng khuyến nghị đầu ra là hướng dẫn cấu hình, không phải mức tối đa đầu ra cứng độc lập. Tài liệu Qwen3 thảo luận độ dài tin nhắn assistant 38,912 token ở thinking và 16,384 ở non-thinking trong giải thích độ dài huấn luyện, đồng thời khuyên đánh giá chất lượng tạo dài hơn. Các con số khác với cửa sổ ngữ cảnh tổng thể và không phải giới hạn cứng riêng của endpoint. Thẻ cũng giải thích phân bổ vị trí mặc định 40,960 token gồm 8,192 cho lời nhắc thông thường cộng 32,768 cho đầu ra; đây là hướng dẫn cấu hình nhà sản xuất, tách biệt với ngữ cảnh huấn luyện gốc và mọi giới hạn endpoint.\n\nVới thinking, các giá trị lấy mẫu được khuyến nghị là temperature 0.6, top-p 0.95, top-k 20 và min-p 0; với non-thinking là 0.7, 0.8, 20 và 0. Nhà sản xuất cảnh báo giải mã tham lam khi suy luận có thể tạo văn bản lặp. Mức phạt hiện diện cao hơn có thể giảm lặp nhưng đôi khi gây lẫn ngôn ngữ. Xác định rõ định dạng cuối, chẳng hạn phản hồi rồi một đối tượng JSON chứa trường chưa giải quyết, và xác thực đối tượng trước khi ứng dụng dùng. Kiểm tra mã đề xuất bằng các trường hợp được cung cấp và xem lại bản dịch về thuật ngữ được giữ.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
A bilingual reply grounded in a return policy\n\nDraft a German reply to this customer: 'Can I return my unused Aero Cup after ten days?' Policy P1: unused products can be returned within 14 days; the customer must provide the order reference. Keep Aero Cup unchanged and ask for the missing reference. Follow the reply with a short English note naming the facts used.A polite German customer reply and a brief English source-fact note.The reply preserves the unused condition and 14-day window, asks for the reference and does not invent refund timing.qwen3-8bQwen3-8B cung cấp tạo văn bản đa ngôn ngữ, lập trình và hai chế độ phản hồi trong mô hình dense 8.2 tỷ tham số. Dùng trả lời trực tiếp cho hội thoại thường ngày và chế độ suy nghĩ cho bài toán cần phân tích kỹ hơn.
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.
Qwen3-8B là mô hình ngôn ngữ dày đặc Qwen3 kết hợp suy luận với tạo văn bản thông thường. Các thế mạnh được quảng bá gồm toán học, giải bài toán logic, mã, viết sáng tạo, hội thoại theo vai trò và làm theo chỉ dẫn qua nhiều lượt. Dòng hỗ trợ hơn 100 ngôn ngữ và phương ngữ. Ứng dụng thực tế là trợ lý hỗ trợ đa ngôn ngữ chuyển tin nhắn khách hàng cùng trích đoạn chính sách được cung cấp thành phản hồi hữu ích, đồng thời giữ tên sản phẩm và giọng văn yêu cầu.
Bản phát hành có 8.2 tỷ tham số, gồm 6.95 tỷ ngoài phần nhúng, và 36 lớp. Mô hình dùng chú ý truy vấn theo nhóm với 32 đầu truy vấn và tám đầu khóa/giá trị. Đây là mô hình dày đặc riêng, không phải mô hình hỗn hợp chuyên gia 235B hoạt động với ít chuyên gia hơn. Đầu vào làm việc và kết quả tạo đều là văn bản: bản dịch, giải thích, tài liệu sửa, kế hoạch hoặc chương trình. Chọn tác vụ rõ trước khi thêm ngữ cảnh. Với phản hồi hỗ trợ, cung cấp tin nhắn khách, chính sách áp dụng, thuật ngữ đã duyệt và hành động người đọc nên làm; yêu cầu phản hồi cùng danh sách riêng các dữ kiện vẫn còn thiếu.
Quy trình khởi đầu của nhà sản xuất dùng chuỗi tin nhắn trò chuyện và mẫu trò chuyện rõ ràng. Với hỗ trợ mã, cung cấp hàm liên quan, đầu vào làm lộ vấn đề, đầu ra thực tế và kết quả mong đợi. Yêu cầu hàm đã sửa cùng ví dụ, với giải thích riêng về hành vi đổi. Với dịch, xác định ngôn ngữ nguồn và đích, người đọc và thuật ngữ cần giữ. Đầu vào này giúp đối chiếu văn bản kết quả với yêu cầu gốc dễ hơn. Tích hợp công bố cần môi trường thực thi nhận biết Qwen3; thẻ cảnh báo các phiên bản Transformers dưới 4.51.0 không nhận ra kiến trúc cần thiết.
Cùng mô hình hỗ trợ chế độ thinking và non-thinking. Thinking bật theo mặc định trong mẫu được cung cấp. Tắt cứng loại bỏ phần suy luận; khi thinking vẫn bật, /think và /no_think có thể đổi lựa chọn giữa các lượt. Chỉ dẫn mới nhất như vậy được ưu tiên, và các tùy chọn ở cấp lời nhắc này không ghi đè được tắt cứng. Trong quy trình sản phẩm, dùng chế độ trực tiếp để viết lại ngắn một tin nhắn đã duyệt và chọn suy luận cho điểm không khớp cần giải thích. Giữ câu trả lời cuối riêng với suy luận trung gian và chỉ lưu câu trả lời cuối trong lịch sử hội thoại sau. Khi thinking bật, ngay cả yêu cầu non-thinking mềm vẫn giữ khối suy luận; nội dung có thể rỗng. Tắt cứng loại bỏ khối đó.
Nhà sản xuất mô tả gọi công cụ và khuyến nghị Qwen-Agent để quản lý mẫu cùng phân tích cú pháp. Ứng dụng có thể cung cấp định nghĩa công cụ, thực thi lời gọi yêu cầu và trả kết quả. Với trợ lý hỗ trợ, phép tra đơn hàng phạm vi hẹp, chỉ đọc có thể cung cấp trạng thái giao hàng đã xác nhận trước khi mô hình soạn trả lời. Xác định trường tra cứu được phép và cách báo bản ghi thiếu. Sản phẩm cuối hữu ích là phản hồi dựa trên thông tin đã trả về, không phải phát biểu không có bằng chứng rằng thao tác bên ngoài thành công. Hướng dẫn Qwen3 cũng mô tả lời gọi công cụ song song và nhiều bước, với đối số là đối tượng và kết quả được đưa trở lại hội thoại.
Thẻ mô hình liệt kê ngữ cảnh gốc 32,768 token và 131,072 khi mở rộng bằng YaRN. Vì thế hành vi ngữ cảnh dài phụ thuộc cấu hình thực tế. YaRN tĩnh có thể ảnh hưởng yêu cầu ngắn hơn, nên thẻ khuyên bật khi cần ngữ cảnh dài. Đầu vào, lịch sử hội thoại và đầu ra tạo dùng chung ngân sách ngữ cảnh. Gắn nhãn phần nguồn dài, bỏ bản trùng không liên quan và chừa chỗ cho câu trả lời yêu cầu. Ví dụ tạo công bố cùng khuyến nghị đầu ra là hướng dẫn cấu hình, không phải mức tối đa đầu ra cứng độc lập. Tài liệu Qwen3 thảo luận độ dài tin nhắn assistant 38,912 token ở thinking và 16,384 ở non-thinking trong giải thích độ dài huấn luyện, đồng thời khuyên đánh giá chất lượng tạo dài hơn. Các con số khác với cửa sổ ngữ cảnh tổng thể và không phải giới hạn cứng riêng của endpoint. Thẻ cũng giải thích phân bổ vị trí mặc định 40,960 token gồm 8,192 cho lời nhắc thông thường cộng 32,768 cho đầu ra; đây là hướng dẫn cấu hình nhà sản xuất, tách biệt với ngữ cảnh huấn luyện gốc và mọi giới hạn endpoint.
Với thinking, các giá trị lấy mẫu được khuyến nghị là temperature 0.6, top-p 0.95, top-k 20 và min-p 0; với non-thinking là 0.7, 0.8, 20 và 0. Nhà sản xuất cảnh báo giải mã tham lam khi suy luận có thể tạo văn bản lặp. Mức phạt hiện diện cao hơn có thể giảm lặp nhưng đôi khi gây lẫn ngôn ngữ. Xác định rõ định dạng cuối, chẳng hạn phản hồi rồi một đối tượng JSON chứa trường chưa giải quyết, và xác thực đối tượng trước khi ứng dụng dùng. Kiểm tra mã đề xuất bằng các trường hợp được cung cấp và xem lại bản dịch về thuật ngữ được giữ.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen3-8b | 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.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.000144 / 1K token Đầu ra · Token đầu ra $0.00144 / 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": "qwen3-8b", "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='qwen3-8b',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='qwen3-8b',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 qwen3-8b
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen3-8bQwen3-8B cung cấp tạo văn bản đa ngôn ngữ, lập trình và hai chế độ phản hồi trong mô hình dense 8.2 tỷ tham số. Dùng trả lời trực tiếp cho hội thoại thường ngày và chế độ suy nghĩ cho bài toán cần phân tích kỹ hơn.
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.
Qwen3-8B là mô hình ngôn ngữ dày đặc Qwen3 kết hợp suy luận với tạo văn bản thông thường. Các thế mạnh được quảng bá gồm toán học, giải bài toán logic, mã, viết sáng tạo, hội thoại theo vai trò và làm theo chỉ dẫn qua nhiều lượt. Dòng hỗ trợ hơn 100 ngôn ngữ và phương ngữ. Ứng dụng thực tế là trợ lý hỗ trợ đa ngôn ngữ chuyển tin nhắn khách hàng cùng trích đoạn chính sách được cung cấp thành phản hồi hữu ích, đồng thời giữ tên sản phẩm và giọng văn yêu cầu.
Bản phát hành có 8.2 tỷ tham số, gồm 6.95 tỷ ngoài phần nhúng, và 36 lớp. Mô hình dùng chú ý truy vấn theo nhóm với 32 đầu truy vấn và tám đầu khóa/giá trị. Đây là mô hình dày đặc riêng, không phải mô hình hỗn hợp chuyên gia 235B hoạt động với ít chuyên gia hơn. Đầu vào làm việc và kết quả tạo đều là văn bản: bản dịch, giải thích, tài liệu sửa, kế hoạch hoặc chương trình. Chọn tác vụ rõ trước khi thêm ngữ cảnh. Với phản hồi hỗ trợ, cung cấp tin nhắn khách, chính sách áp dụng, thuật ngữ đã duyệt và hành động người đọc nên làm; yêu cầu phản hồi cùng danh sách riêng các dữ kiện vẫn còn thiếu.
Quy trình khởi đầu của nhà sản xuất dùng chuỗi tin nhắn trò chuyện và mẫu trò chuyện rõ ràng. Với hỗ trợ mã, cung cấp hàm liên quan, đầu vào làm lộ vấn đề, đầu ra thực tế và kết quả mong đợi. Yêu cầu hàm đã sửa cùng ví dụ, với giải thích riêng về hành vi đổi. Với dịch, xác định ngôn ngữ nguồn và đích, người đọc và thuật ngữ cần giữ. Đầu vào này giúp đối chiếu văn bản kết quả với yêu cầu gốc dễ hơn. Tích hợp công bố cần môi trường thực thi nhận biết Qwen3; thẻ cảnh báo các phiên bản Transformers dưới 4.51.0 không nhận ra kiến trúc cần thiết.
Cùng mô hình hỗ trợ chế độ thinking và non-thinking. Thinking bật theo mặc định trong mẫu được cung cấp. Tắt cứng loại bỏ phần suy luận; khi thinking vẫn bật, /think và /no_think có thể đổi lựa chọn giữa các lượt. Chỉ dẫn mới nhất như vậy được ưu tiên, và các tùy chọn ở cấp lời nhắc này không ghi đè được tắt cứng. Trong quy trình sản phẩm, dùng chế độ trực tiếp để viết lại ngắn một tin nhắn đã duyệt và chọn suy luận cho điểm không khớp cần giải thích. Giữ câu trả lời cuối riêng với suy luận trung gian và chỉ lưu câu trả lời cuối trong lịch sử hội thoại sau. Khi thinking bật, ngay cả yêu cầu non-thinking mềm vẫn giữ khối suy luận; nội dung có thể rỗng. Tắt cứng loại bỏ khối đó.
Nhà sản xuất mô tả gọi công cụ và khuyến nghị Qwen-Agent để quản lý mẫu cùng phân tích cú pháp. Ứng dụng có thể cung cấp định nghĩa công cụ, thực thi lời gọi yêu cầu và trả kết quả. Với trợ lý hỗ trợ, phép tra đơn hàng phạm vi hẹp, chỉ đọc có thể cung cấp trạng thái giao hàng đã xác nhận trước khi mô hình soạn trả lời. Xác định trường tra cứu được phép và cách báo bản ghi thiếu. Sản phẩm cuối hữu ích là phản hồi dựa trên thông tin đã trả về, không phải phát biểu không có bằng chứng rằng thao tác bên ngoài thành công. Hướng dẫn Qwen3 cũng mô tả lời gọi công cụ song song và nhiều bước, với đối số là đối tượng và kết quả được đưa trở lại hội thoại.
Thẻ mô hình liệt kê ngữ cảnh gốc 32,768 token và 131,072 khi mở rộng bằng YaRN. Vì thế hành vi ngữ cảnh dài phụ thuộc cấu hình thực tế. YaRN tĩnh có thể ảnh hưởng yêu cầu ngắn hơn, nên thẻ khuyên bật khi cần ngữ cảnh dài. Đầu vào, lịch sử hội thoại và đầu ra tạo dùng chung ngân sách ngữ cảnh. Gắn nhãn phần nguồn dài, bỏ bản trùng không liên quan và chừa chỗ cho câu trả lời yêu cầu. Ví dụ tạo công bố cùng khuyến nghị đầu ra là hướng dẫn cấu hình, không phải mức tối đa đầu ra cứng độc lập. Tài liệu Qwen3 thảo luận độ dài tin nhắn assistant 38,912 token ở thinking và 16,384 ở non-thinking trong giải thích độ dài huấn luyện, đồng thời khuyên đánh giá chất lượng tạo dài hơn. Các con số khác với cửa sổ ngữ cảnh tổng thể và không phải giới hạn cứng riêng của endpoint. Thẻ cũng giải thích phân bổ vị trí mặc định 40,960 token gồm 8,192 cho lời nhắc thông thường cộng 32,768 cho đầu ra; đây là hướng dẫn cấu hình nhà sản xuất, tách biệt với ngữ cảnh huấn luyện gốc và mọi giới hạn endpoint.
Với thinking, các giá trị lấy mẫu được khuyến nghị là temperature 0.6, top-p 0.95, top-k 20 và min-p 0; với non-thinking là 0.7, 0.8, 20 và 0. Nhà sản xuất cảnh báo giải mã tham lam khi suy luận có thể tạo văn bản lặp. Mức phạt hiện diện cao hơn có thể giảm lặp nhưng đôi khi gây lẫn ngôn ngữ. Xác định rõ định dạng cuối, chẳng hạn phản hồi rồi một đối tượng JSON chứa trường chưa giải quyết, và xác thực đối tượng trước khi ứng dụng dùng. Kiểm tra mã đề xuất bằng các trường hợp được cung cấp và xem lại bản dịch về thuật ngữ được giữ.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen3-8b | 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.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.000144 / 1K token Đầu ra · Token đầu ra $0.00144 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen3-8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-8b', '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': 'qwen3-8b', '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 qwen3-8b
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
A bilingual reply grounded in a return policy\n\nDraft a German reply to this customer: 'Can I return my unused Aero Cup after ten days?' Policy P1: unused products can be returned within 14 days; the customer must provide the order reference. Keep Aero Cup unchanged and ask for the missing reference. Follow the reply with a short English note naming the facts used.A polite German customer reply and a brief English source-fact note.The reply preserves the unused condition and 14-day window, asks for the reference and does not invent refund timing.