К результатам поиска

Alibaba

Qwen3 30B A3B Instruct 2507

Текстовая инструкционная MoE-модель Qwen3 для кода, математики и следования инструкциям.

  • Вызов инструментовВызов инструментовМодель может запросить вызов функции. Приложение проверяет права и выполняет действие.
  • Структурированный ответСтруктурированный ответМодель поддерживает заданную структуру ответа. Доступный формат проверяйте в параметрах API.
  • 256 000 токенов256 000 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
Вход
13,01 ₽
Выход
52,06 ₽
Кэш
13,01 ₽
за 1 млн токенов
Интеллект
7,5
API ID
alibaba/qwen3-30b-a3b-instruct-2507

Данные каталога получены .

Цена

Текстовый диалог · вход
13,01 ₽ / 1 млн токенов
Текстовый диалог · выход
52,06 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
13,01 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

Qwen3-30B-A3B-Instruct-2507 принимает текст и генерирует текст; это causal-модель из MoE-линейки Qwen3. Карточка исходной модели описывает задачи следования инструкциям, логики, математики, науки, кода и работы с текстом. В ней указаны 30,5 миллиарда общих параметров, 3,3 миллиарда активных параметров и нативный контекст 262144 токена. Для этой версии разработчик указывает только режим non-thinking. Свойства исходной модели не определяют режимы или лимиты Kvantora API.

Релиз

Характеристики

Тип модели
Текст
Вход модели
Текст

Данные, которые модель принимает вместе с запросом.

Выход модели
Текст

Форматы результата, которые создаёт модель.

Контекстное окно
256 000 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ
32 768 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции
Текстовый диалог
Возможности модели
Потоковый ответ, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON

Контрольные показатели

Artificial Analysis

16 показателей · проверено

Источник ↗
Индекс интеллекта
7,5 индексСводная оценка Artificial Analysis по всем её тестам

Рассуждение по документу

  • AA-LCR v1.126,3 %

    Рассуждение на длинном контексте с обновлённой оценкой

Устаревшие тесты

  • AA-LCR (версия не указана, архивный)26,3 %

    Оценка рассуждений на длинном контексте

  • GPQA Diamond (архивный)65,9 %

    Научные рассуждения уровня выпускника

Знания

  • AA-Omniscience · точность12 %

    Доля вопросов с правильным ответом

  • MMLU-Pro77,7 %

    Профессиональные и академические предметные знания

Знание

  • AA-Omniscience · доля выдуманных ответов (меньше лучше)88,5 %

    Доля неверных ответов среди некорректных ответов

Математика

  • AIME72,7 %

    Американский пригласительный экзамен по математике

  • Math-50097,5 %

    Набор задач для проверки решения разнообразных математических задач

Рассуждения

  • AIME 202566,3 %
  • HLE6,9 %

    Humanity’s Last Exam — вопросы экспертного уровня

Рассуждение

  • CritPt0 %

    Рассуждения по физике исследовательского уровня

  • IFBench33,1 %

    Тест на следование инструкциям

Программирование

  • LiveCodeBench51,5 %

    Бенчмарк по программированию без загрязнения данных

  • Terminal-Bench Hard (архивный)6,1 %

    Устаревший резервный вариант · Агентное программирование и работа в терминале

Агентная работа

  • T²-Bench Telecom (архивный)10,2 %

    Устаревший резервный вариант · Разговорные ИИ-агенты в сценариях с двойным управлением

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "alibaba/qwen3-30b-a3b-instruct-2507",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ