Qwen3-32B 是原始 Qwen3 發布中最大的稠密模型。它結合此系列用於複雜邏輯、數學及程式設計的思考模式，以及用於一般對話的非思考回應。Qwen 也強調創意寫作、角色式對話、多輪遵循指令及代理式工具使用。模型處理及生成文字；多語言指令與翻譯，是原始系列支援 119 種語言及方言的一部分。可要求分析說明、程式設計提案或仔細指定的寫作內容。
此確切版本在 64 層間有總計 328 億個參數。它是稠密模型，與 Qwen3-30B-A3B 的專家路由架構，以及後續另外具名的 Qwen3 版本不同。原生上下文為 32,768 個 token。高難度任務請一起準備相關證據、要求及預期結果。工程審查請提供元件說明、介面限制及要解決的問題，再要求指出假設、相依項目及選項的提案，適當時只使用提供資料。
開發商聊天範本預設啟用思考，並提供明確的 enable_thinking 設定開關。設定停用會完全阻止思考內容。啟用思考時，使用者或系統指令中的 /think 及 /no_think 提供逐輪文字控制，最新指令決定要求行為。文字非思考請求可能留下空思考區塊；/think 標記不能覆寫已明確停用的範本。套用指定控制時，原始模型可以交替處理直接草稿請求，以及適合延伸推理鏈的問題。
生成範例將 <think> 段落與最終回答分開解析。Qwen 建議明確最終格式，例如框起來的數學回答，或選擇題的單一回答欄位。實務分析請指定所需結論及支持資料，例如最終設計選擇後，列出滿足的限制及仍未解決問題。依照開發商指引，後續對話歷史請保留最終回答，不是先前思考內容。這會保留後續問題需要的結果，不必帶入每個推理步驟。
兩種模式的文件化模型資料都包含工具呼叫。Qwen 建議使用 Qwen-Agent 的工具呼叫範本及解析器，並示範檢索、時間資訊及程式碼直譯器。請清楚定義工具、說明引數意義，並告訴模型什麼算完成任務。實用流程可要求取得選定資訊，提供實際回傳內容，再要求綜合說明或實作提案。模型要求的呼叫及應用程式的工具執行是分開階段；最終回答應建立於回傳證據。
較長輸入方面，模型卡記載透過 YaRN 擴充至 131,072 個 token。原生視窗較小，靜態縮放可能影響短輸入表現。Qwen 建議實際需要更長上下文時才啟用擴充；模型卡另外說明預設 40,960 個位置的提示詞及輸出配置。請選取相關文件，保留標題、來源界線及術語。為推理及最終回應留出空間，尤其任務需要協調多份規格，而不只是摘要單一段落時。
官方建議思考使用 temperature 0.6、top-p 0.95、top-k 20 及 min-p 0；非思考將前兩項改為 temperature 0.7 及 top-p 0.8。Qwen 建議思考模式避免貪婪解碼，並指出高出現懲罰可能造成語言混用或品質降低。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。這些額度是生成指引，不是通用硬性回答上限。精確任務說明及明確最終格式，有助於將模型可用推理聚焦於讀者需要的工作。
", "aboutText": "Qwen3-32B 是原始 Qwen3 發布中最大的稠密模型。它結合此系列用於複雜邏輯、數學及程式設計的思考模式，以及用於一般對話的非思考回應。Qwen 也強調創意寫作、角色式對話、多輪遵循指令及代理式工具使用。模型處理及生成文字；多語言指令與翻譯，是原始系列支援 119 種語言及方言的一部分。可要求分析說明、程式設計提案或仔細指定的寫作內容。\n\n此確切版本在 64 層間有總計 328 億個參數。它是稠密模型，與 Qwen3-30B-A3B 的專家路由架構，以及後續另外具名的 Qwen3 版本不同。原生上下文為 32,768 個 token。高難度任務請一起準備相關證據、要求及預期結果。工程審查請提供元件說明、介面限制及要解決的問題，再要求指出假設、相依項目及選項的提案，適當時只使用提供資料。\n\n開發商聊天範本預設啟用思考，並提供明確的 enable_thinking 設定開關。設定停用會完全阻止思考內容。啟用思考時，使用者或系統指令中的 /think 及 /no_think 提供逐輪文字控制，最新指令決定要求行為。文字非思考請求可能留下空思考區塊；/think 標記不能覆寫已明確停用的範本。套用指定控制時，原始模型可以交替處理直接草稿請求，以及適合延伸推理鏈的問題。\n\n生成範例將英文技術範例
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.qwen/qwen3-32bQwen3-32B 是 Qwen 的稠密混合式文字模型，適用於複雜推理、程式設計、多語言寫作及工具導向任務。它在同一模型結合思考及非思考模式，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。
Qwen3-32B 是原始 Qwen3 發布中最大的稠密模型。它結合此系列用於複雜邏輯、數學及程式設計的思考模式，以及用於一般對話的非思考回應。Qwen 也強調創意寫作、角色式對話、多輪遵循指令及代理式工具使用。模型處理及生成文字；多語言指令與翻譯，是原始系列支援 119 種語言及方言的一部分。可要求分析說明、程式設計提案或仔細指定的寫作內容。
此確切版本在 64 層間有總計 328 億個參數。它是稠密模型，與 Qwen3-30B-A3B 的專家路由架構，以及後續另外具名的 Qwen3 版本不同。原生上下文為 32,768 個 token。高難度任務請一起準備相關證據、要求及預期結果。工程審查請提供元件說明、介面限制及要解決的問題，再要求指出假設、相依項目及選項的提案，適當時只使用提供資料。
開發商聊天範本預設啟用思考，並提供明確的 enable_thinking 設定開關。設定停用會完全阻止思考內容。啟用思考時，使用者或系統指令中的 /think 及 /no_think 提供逐輪文字控制，最新指令決定要求行為。文字非思考請求可能留下空思考區塊；/think 標記不能覆寫已明確停用的範本。套用指定控制時，原始模型可以交替處理直接草稿請求，以及適合延伸推理鏈的問題。
生成範例將 <think> 段落與最終回答分開解析。Qwen 建議明確最終格式，例如框起來的數學回答，或選擇題的單一回答欄位。實務分析請指定所需結論及支持資料，例如最終設計選擇後，列出滿足的限制及仍未解決問題。依照開發商指引，後續對話歷史請保留最終回答，不是先前思考內容。這會保留後續問題需要的結果，不必帶入每個推理步驟。
兩種模式的文件化模型資料都包含工具呼叫。Qwen 建議使用 Qwen-Agent 的工具呼叫範本及解析器，並示範檢索、時間資訊及程式碼直譯器。請清楚定義工具、說明引數意義，並告訴模型什麼算完成任務。實用流程可要求取得選定資訊，提供實際回傳內容，再要求綜合說明或實作提案。模型要求的呼叫及應用程式的工具執行是分開階段；最終回答應建立於回傳證據。
較長輸入方面，模型卡記載透過 YaRN 擴充至 131,072 個 token。原生視窗較小，靜態縮放可能影響短輸入表現。Qwen 建議實際需要更長上下文時才啟用擴充；模型卡另外說明預設 40,960 個位置的提示詞及輸出配置。請選取相關文件，保留標題、來源界線及術語。為推理及最終回應留出空間，尤其任務需要協調多份規格，而不只是摘要單一段落時。
官方建議思考使用 temperature 0.6、top-p 0.95、top-k 20 及 min-p 0；非思考將前兩項改為 temperature 0.7 及 top-p 0.8。Qwen 建議思考模式避免貪婪解碼，並指出高出現懲罰可能造成語言混用或品質降低。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。這些額度是生成指引，不是通用硬性回答上限。精確任務說明及明確最終格式，有助於將模型可用推理聚焦於讀者需要的工作。
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/qwen3-32b | 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 $0.000286 / 1K Token 輸出 · 輸出 Token $0.001144 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 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 $0.000286 / 1K Token 輸出 · 輸出 Token $0.001144 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-32b", "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/qwen3-32b',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/qwen3-32b',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/qwen3-32b
請使用上方列出的 API 方法路徑。
qwen/qwen3-32bQwen3-32B 是 Qwen 的稠密混合式文字模型，適用於複雜推理、程式設計、多語言寫作及工具導向任務。它在同一模型結合思考及非思考模式，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。
Qwen3-32B 是原始 Qwen3 發布中最大的稠密模型。它結合此系列用於複雜邏輯、數學及程式設計的思考模式，以及用於一般對話的非思考回應。Qwen 也強調創意寫作、角色式對話、多輪遵循指令及代理式工具使用。模型處理及生成文字；多語言指令與翻譯，是原始系列支援 119 種語言及方言的一部分。可要求分析說明、程式設計提案或仔細指定的寫作內容。
此確切版本在 64 層間有總計 328 億個參數。它是稠密模型，與 Qwen3-30B-A3B 的專家路由架構，以及後續另外具名的 Qwen3 版本不同。原生上下文為 32,768 個 token。高難度任務請一起準備相關證據、要求及預期結果。工程審查請提供元件說明、介面限制及要解決的問題，再要求指出假設、相依項目及選項的提案，適當時只使用提供資料。
開發商聊天範本預設啟用思考，並提供明確的 enable_thinking 設定開關。設定停用會完全阻止思考內容。啟用思考時，使用者或系統指令中的 /think 及 /no_think 提供逐輪文字控制，最新指令決定要求行為。文字非思考請求可能留下空思考區塊；/think 標記不能覆寫已明確停用的範本。套用指定控制時，原始模型可以交替處理直接草稿請求，以及適合延伸推理鏈的問題。
生成範例將 <think> 段落與最終回答分開解析。Qwen 建議明確最終格式，例如框起來的數學回答，或選擇題的單一回答欄位。實務分析請指定所需結論及支持資料，例如最終設計選擇後，列出滿足的限制及仍未解決問題。依照開發商指引，後續對話歷史請保留最終回答，不是先前思考內容。這會保留後續問題需要的結果，不必帶入每個推理步驟。
兩種模式的文件化模型資料都包含工具呼叫。Qwen 建議使用 Qwen-Agent 的工具呼叫範本及解析器，並示範檢索、時間資訊及程式碼直譯器。請清楚定義工具、說明引數意義，並告訴模型什麼算完成任務。實用流程可要求取得選定資訊，提供實際回傳內容，再要求綜合說明或實作提案。模型要求的呼叫及應用程式的工具執行是分開階段；最終回答應建立於回傳證據。
較長輸入方面，模型卡記載透過 YaRN 擴充至 131,072 個 token。原生視窗較小，靜態縮放可能影響短輸入表現。Qwen 建議實際需要更長上下文時才啟用擴充；模型卡另外說明預設 40,960 個位置的提示詞及輸出配置。請選取相關文件，保留標題、來源界線及術語。為推理及最終回應留出空間，尤其任務需要協調多份規格，而不只是摘要單一段落時。
官方建議思考使用 temperature 0.6、top-p 0.95、top-k 20 及 min-p 0；非思考將前兩項改為 temperature 0.7 及 top-p 0.8。Qwen 建議思考模式避免貪婪解碼，並指出高出現懲罰可能造成語言混用或品質降低。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。這些額度是生成指引，不是通用硬性回答上限。精確任務說明及明確最終格式，有助於將模型可用推理聚焦於讀者需要的工作。
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/qwen3-32b | 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 $0.000286 / 1K Token 輸出 · 輸出 Token $0.001144 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 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 $0.000286 / 1K Token 輸出 · 輸出 Token $0.001144 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "qwen/qwen3-32b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3-32b', '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/qwen3-32b', '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/qwen3-32b
請使用上方列出的 API 方法路徑。
英文技術範例
Review a cache invalidation design\n\nA report cache is keyed only by report name. Reports also depend on account ID and selected month. Two users requesting the same name can receive the wrong account or month. Propose a revised key contract, explain the dependencies it captures and give three text test cases. Use only the described inputs; propose no repository edits.A key contract, dependency explanation and cases distinguishing account and month.Different accounts or months must not share a cache entry solely because the report name matches.