Qwen3-30B-A3B 在同一文字模型中結合兩種回應方式：思考用於複雜邏輯、數學及程式設計問題，非思考用於直接的對話。Qwen 也強調創意寫作、角色式對話、遵循指令及外部工具整合。原始 Qwen3 系列支援 119 種語言及方言，適合多語言問題、翻譯，以及每輪要求語言可能改變的對話。請指定輸出語言，保留應維持不變的術語，並描述讀者需求。
這是原始 Qwen3-30B-A3B 混合專家版本。總參數量 305 億，其中每個 token 啟用 33 億個；模型專家層從 128 個專家中選擇八個。稀疏架構是與 Qwen3 稠密模型的重要區別。本資料針對原始混合模型，原生上下文為 32,768 個 token，不是後續另外具名的 Instruct-2507 或 Thinking-2507 版本。分析任務說明請提供相關程式碼或來源段落、要解決的問題，以及有效回答必須滿足的條件。
官方聊天範本預設啟用思考。明確的 enable_thinking 設定開關可以完全停用。思考仍啟用時，使用者或系統指令中的 /think 及 /no_think 作為文字開關，最新指令控制跨輪次要求的行為。已啟用範本中的 /no_think 請求仍可能產生空思考區塊；若明確設定開關停用，兩種標記都不會啟用思考。流程交替進行即時改寫與較深入的除錯或推理問題時，這個區別很重要。
Qwen 範例將 <think> 段落與最終回應分開。程式設計問題請準備最小相關來源片段、觀察到的失敗及預期結果，再要求診斷及修正提案。數學問題方面，開發商建議明確要求逐步推理，並將最終回答放在 \\boxed{} 中。選擇題任務說明則可定義單一回答欄位。後續對話輪次中，Qwen 建議保留最終回答，從歷史省略先前思考內容，而不是反覆帶入整段推理。
兩種模式都記載了工具呼叫。Qwen 建議由 Qwen-Agent 處理模型工具範本及解析，範例包含檢索、時間資訊及程式碼直譯器。要求規劃序列前，請描述可用工具及引數。實用任務說明可要求檢查選定文件，再提出有推理依據的實作提案；請將各工具結果回傳對話，讓模型能從實際證據繼續。文字工具請求及應用程式執行結果仍是流程中分開的部分。
模型卡描述使用 YaRN 將上下文擴充至 131,072 個 token。這是取決於設定的原生視窗擴充，Qwen 提醒靜態縮放可能影響較短輸入。模型卡也說明預設 40,960 個位置的設定，為一般提示詞及長回應配置空間；這與原生上下文描述不同。長資料請保留清楚文件界線，優先處理問題相關部分，並為回答及推理留出空間。
思考方面，Qwen 建議 temperature 0.6、top-p 0.95、top-k 20 及 min-p 0，並建議避免貪婪解碼，以免結果下降或無限重複。非思考指引將 temperature 改為 0.7，top-p 改為 0.8。大部分查詢建議輸出額度為 32,768 個 token，特別高難度數學及程式設計問題則描述 38,912 個 token。這些是開發商生成設定，不是另外的固定回答保證。請一併選擇模式及要求成果，讓回應同時有空間容納必要推理與實用最終結果。
", "aboutText": "Qwen3-30B-A3B 在同一文字模型中結合兩種回應方式：思考用於複雜邏輯、數學及程式設計問題，非思考用於直接的對話。Qwen 也強調創意寫作、角色式對話、遵循指令及外部工具整合。原始 Qwen3 系列支援 119 種語言及方言，適合多語言問題、翻譯，以及每輪要求語言可能改變的對話。請指定輸出語言，保留應維持不變的術語，並描述讀者需求。\n\n這是原始 Qwen3-30B-A3B 混合專家版本。總參數量 305 億，其中每個 token 啟用 33 億個；模型專家層從 128 個專家中選擇八個。稀疏架構是與 Qwen3 稠密模型的重要區別。本資料針對原始混合模型，原生上下文為 32,768 個 token，不是後續另外具名的 Instruct-2507 或 Thinking-2507 版本。分析任務說明請提供相關程式碼或來源段落、要解決的問題，以及有效回答必須滿足的條件。\n\n官方聊天範本預設啟用思考。明確的 enable_thinking 設定開關可以完全停用。思考仍啟用時，使用者或系統指令中的 /think 及 /no_think 作為文字開關，最新指令控制跨輪次要求的行為。已啟用範本中的 /no_think 請求仍可能產生空思考區塊；若明確設定開關停用，兩種標記都不會啟用思考。流程交替進行即時改寫與較深入的除錯或推理問題時，這個區別很重要。\n\nQwen 範例將英文技術範例
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.qwen/qwen3-30b-a3bQwen3-30B-A3B 是 Qwen 的混合專家文字模型，具有思考及非思考模式，適用於推理、程式設計及多語言對話。總參數量為 305 億，每個 token 啟用 33 億個，並具有原生 32,768 個 token 的上下文。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Qwen3-30B-A3B 在同一文字模型中結合兩種回應方式：思考用於複雜邏輯、數學及程式設計問題，非思考用於直接的對話。Qwen 也強調創意寫作、角色式對話、遵循指令及外部工具整合。原始 Qwen3 系列支援 119 種語言及方言，適合多語言問題、翻譯，以及每輪要求語言可能改變的對話。請指定輸出語言，保留應維持不變的術語，並描述讀者需求。
這是原始 Qwen3-30B-A3B 混合專家版本。總參數量 305 億，其中每個 token 啟用 33 億個；模型專家層從 128 個專家中選擇八個。稀疏架構是與 Qwen3 稠密模型的重要區別。本資料針對原始混合模型，原生上下文為 32,768 個 token，不是後續另外具名的 Instruct-2507 或 Thinking-2507 版本。分析任務說明請提供相關程式碼或來源段落、要解決的問題，以及有效回答必須滿足的條件。
官方聊天範本預設啟用思考。明確的 enable_thinking 設定開關可以完全停用。思考仍啟用時，使用者或系統指令中的 /think 及 /no_think 作為文字開關，最新指令控制跨輪次要求的行為。已啟用範本中的 /no_think 請求仍可能產生空思考區塊；若明確設定開關停用，兩種標記都不會啟用思考。流程交替進行即時改寫與較深入的除錯或推理問題時，這個區別很重要。
Qwen 範例將 <think> 段落與最終回應分開。程式設計問題請準備最小相關來源片段、觀察到的失敗及預期結果，再要求診斷及修正提案。數學問題方面，開發商建議明確要求逐步推理，並將最終回答放在 \\boxed{} 中。選擇題任務說明則可定義單一回答欄位。後續對話輪次中，Qwen 建議保留最終回答，從歷史省略先前思考內容，而不是反覆帶入整段推理。
兩種模式都記載了工具呼叫。Qwen 建議由 Qwen-Agent 處理模型工具範本及解析，範例包含檢索、時間資訊及程式碼直譯器。要求規劃序列前，請描述可用工具及引數。實用任務說明可要求檢查選定文件，再提出有推理依據的實作提案；請將各工具結果回傳對話，讓模型能從實際證據繼續。文字工具請求及應用程式執行結果仍是流程中分開的部分。
模型卡描述使用 YaRN 將上下文擴充至 131,072 個 token。這是取決於設定的原生視窗擴充，Qwen 提醒靜態縮放可能影響較短輸入。模型卡也說明預設 40,960 個位置的設定，為一般提示詞及長回應配置空間；這與原生上下文描述不同。長資料請保留清楚文件界線，優先處理問題相關部分，並為回答及推理留出空間。
思考方面，Qwen 建議 temperature 0.6、top-p 0.95、top-k 20 及 min-p 0，並建議避免貪婪解碼，以免結果下降或無限重複。非思考指引將 temperature 改為 0.7，top-p 改為 0.8。大部分查詢建議輸出額度為 32,768 個 token，特別高難度數學及程式設計問題則描述 38,912 個 token。這些是開發商生成設定，不是另外的固定回答保證。請一併選擇模式及要求成果，讓回應同時有空間容納必要推理與實用最終結果。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 qwen/qwen3-30b-a3b | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.00024 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.00024 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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", "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',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',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra qwen/qwen3-30b-a3b
請使用上方列出的 API 方法路徑。
qwen/qwen3-30b-a3bQwen3-30B-A3B 是 Qwen 的混合專家文字模型，具有思考及非思考模式，適用於推理、程式設計及多語言對話。總參數量為 305 億，每個 token 啟用 33 億個，並具有原生 32,768 個 token 的上下文。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Qwen3-30B-A3B 在同一文字模型中結合兩種回應方式：思考用於複雜邏輯、數學及程式設計問題，非思考用於直接的對話。Qwen 也強調創意寫作、角色式對話、遵循指令及外部工具整合。原始 Qwen3 系列支援 119 種語言及方言，適合多語言問題、翻譯，以及每輪要求語言可能改變的對話。請指定輸出語言，保留應維持不變的術語，並描述讀者需求。
這是原始 Qwen3-30B-A3B 混合專家版本。總參數量 305 億，其中每個 token 啟用 33 億個；模型專家層從 128 個專家中選擇八個。稀疏架構是與 Qwen3 稠密模型的重要區別。本資料針對原始混合模型，原生上下文為 32,768 個 token，不是後續另外具名的 Instruct-2507 或 Thinking-2507 版本。分析任務說明請提供相關程式碼或來源段落、要解決的問題，以及有效回答必須滿足的條件。
官方聊天範本預設啟用思考。明確的 enable_thinking 設定開關可以完全停用。思考仍啟用時，使用者或系統指令中的 /think 及 /no_think 作為文字開關，最新指令控制跨輪次要求的行為。已啟用範本中的 /no_think 請求仍可能產生空思考區塊；若明確設定開關停用，兩種標記都不會啟用思考。流程交替進行即時改寫與較深入的除錯或推理問題時，這個區別很重要。
Qwen 範例將 <think> 段落與最終回應分開。程式設計問題請準備最小相關來源片段、觀察到的失敗及預期結果，再要求診斷及修正提案。數學問題方面，開發商建議明確要求逐步推理，並將最終回答放在 \\boxed{} 中。選擇題任務說明則可定義單一回答欄位。後續對話輪次中，Qwen 建議保留最終回答，從歷史省略先前思考內容，而不是反覆帶入整段推理。
兩種模式都記載了工具呼叫。Qwen 建議由 Qwen-Agent 處理模型工具範本及解析，範例包含檢索、時間資訊及程式碼直譯器。要求規劃序列前，請描述可用工具及引數。實用任務說明可要求檢查選定文件，再提出有推理依據的實作提案；請將各工具結果回傳對話，讓模型能從實際證據繼續。文字工具請求及應用程式執行結果仍是流程中分開的部分。
模型卡描述使用 YaRN 將上下文擴充至 131,072 個 token。這是取決於設定的原生視窗擴充，Qwen 提醒靜態縮放可能影響較短輸入。模型卡也說明預設 40,960 個位置的設定，為一般提示詞及長回應配置空間；這與原生上下文描述不同。長資料請保留清楚文件界線，優先處理問題相關部分，並為回答及推理留出空間。
思考方面，Qwen 建議 temperature 0.6、top-p 0.95、top-k 20 及 min-p 0，並建議避免貪婪解碼，以免結果下降或無限重複。非思考指引將 temperature 改為 0.7，top-p 改為 0.8。大部分查詢建議輸出額度為 32,768 個 token，特別高難度數學及程式設計問題則描述 38,912 個 token。這些是開發商生成設定，不是另外的固定回答保證。請一併選擇模式及要求成果，讓回應同時有空間容納必要推理與實用最終結果。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 qwen/qwen3-30b-a3b | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.00024 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.00024 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "qwen/qwen3-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra qwen/qwen3-30b-a3b
請使用上方列出的 API 方法路徑。
英文技術範例
Explain a weighted-average mistake\n\nA student averages two class scores as (80 + 90) / 2. The first class has 10 students and the second has 30. Explain why that calculation does not give the combined student average, derive the correct weighted expression and state when the simple average would be valid. Finish with the combined average in a separate final line.A short explanation, a weighted formula, its evaluated result and the equal-weight condition.The explanation uses student counts as weights and distinguishes a class average from a student average.