FastMetalでQwen3 Coder 30B A3B Instructは使えますか？

現時点では提供していません。同じ提供元のQwen3.8 Max (0902)はFastMetalのAPIから今すぐ利用できます。

Qwen3 Coder 30B A3B Instructのコンテキスト長はどのくらいですか？

160,000トークンです。プロンプトと回答を合わせてこの範囲に収める必要があります。

qwen/qwen3-coder-30b-a3b-instruct

利用不可

Qwen3 Coder 30B A3B Instruct

Qwen3-Coder-30B-A3B-Instructは、30.5Bパラメータの混合エキスパート(MoE)モデルで、128個のエキスパート(フォワードパスごとに8個がアクティブ)を備えており、高度なコード生成、リポジトリ規模の理解、エージェント的なツール使用のために設計されています。Qwen3アーキテクチャに基づいており、256Kトークンのネイティブコンテキスト長をサポートし(Yarnで1Mまで拡張可能)、関数呼び出し、ブラウザ使用、構造化されたコード補完を含むタスクで強力なパフォーマンスを発揮します。このモデルは「思考モード」なしの指示追従に最適化されており、OpenAI互換のツール使用フォーマットとよく統合されます。

2025/7/31

160,000 トークン

仕様

モダリティ

入力

text

出力

text

サポートされているパラメータ

frequency_penalty

max_tokens

presence_penalty

repetition_penalty

response_format

seed

stop

structured_outputs

temperature

tool_choice

tools

top_k

top_p

最大出力トークン

32,768

コード例

curl https://api.fastmetal.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "Qwen3-Coder-30B-A3B-Instruct",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Qwen3 Coder 30B A3B Instructの実際の回答

FastMetal上で実際に記録した、標準プロンプトへの回答です。

このエラーをデバッグして

以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…

このエラーの原因は、データベースから取得した `price` が文字列（`str`）であるため、数値同士の掛け算（`*`）ができずに `TypeError` が発生していることです。 --- ### 🔍 エラーの詳細 ``` TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` これは、以下のようなコードで起こります： ```python order["price"] * order["quantity"] ``` ここで、`order["price"]` が文字列（例：`"1000"`）であり、`order["quantity"]` が整数（例：`2`）の場合、Python は文字列と整数の掛け算を許可しないためエラーになります。 --- ### ✅ 修正方法 `price` を数値に変換してから計算するようにします。 #### 修正後のコード： ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # 各注文の価格と数量を数値に変換して合計を計算 total = sum(float(order["price"]) * int(order["quantity"]) for order in orders) return {"user_id":…

応答時間 4.5秒出力 599 トークン

コードレビュー

以下のTypeScript関数をレビューして、可読性・パフォーマンス・ベストプラクティスの観点から改善点を提案してください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo…

この TypeScript 関数には、可読性、パフォーマンス、およびベストプラクティスの観点から複数の改善点があります。以下に各ポイントを詳しく説明し、改善案を提案します。 --- ## 🔍 **問題点と改善提案** ### 1. **型定義の不足** - 現在は `Promise<any[]>` と `any[]` が使われており、型安全性が低いです。 - `User` 型を定義し、返却値や内部変数に適切な型をつけるべきです。 ✅ **改善例**: ```ts interface User { id: number; name: string; email: string; } interface ApiResponse { users: Array<{ id: number; first_name: string; last_name: string; email: string; status: string; }>; } ``` --- ### 2. **ループ処理の冗長性** - `for` ループ内での `i++` や `data.users[i]` のアクセスは、より簡潔な `forEach` や `map` で置き換え可能です。 ✅ **改善例**: ```ts data.users.forEach((userData) => { if (userData.status !== "deleted") { allUsers.push({ id: userData.…

応答時間 6.9秒出力 1122 トークン

SQLクエリの最適化

以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…

このSQLクエリは、500万行のデータベースで処理に**30秒以上**かかっているため、**パフォーマンスの大幅な改善が必要**です。 --- ## 🔍 問題点の分析 ### 1. **WHERE条件のフィルタリングが遅い** ```sql WHERE p.is_active = true AND o.created_at >= '2024-04-01' ``` - `p.is_active = true` はインデックスがない可能性があります。 - `o.created_at` もインデックスがないと、全件走査が発生します。 ### 2. **JOINの順序と効率性** - `LEFT JOIN` が複数あるため、JOINの順序や中間結果のサイズが膨大になる可能性があります。 - `order_details` → `orders` とJOINする際に、`o.status = '完了'` の条件が `WHERE` ではなく `JOIN` 条件として書かれていますが、これは効率的ではありません。 ### 3. **GROUP BY と ORDER BY による処理コスト** - `GROUP BY` と `ORDER BY` が同時に使われており、**一時的なソートや集計処理が重たい**。 - `ORDER BY total_sales DESC NULLS LAST` は、`total_sales` を計算した後にソートされるので、特に大きなデータセットでは負荷が大きい。 ### 4. **不要なカラムの選択** - `COUNT(o.order_id)`…

応答時間 8.1秒出力 1314 トークン

他のモデルと並べて比較する →

よくある質問

FastMetalでQwen3 Coder 30B A3B Instructは使えますか？: 現時点では提供していません。同じ提供元のQwen3.8 Max (0902)はFastMetalのAPIから今すぐ利用できます。
Qwen3 Coder 30B A3B Instructのコンテキスト長はどのくらいですか？: 160,000トークンです。プロンプトと回答を合わせてこの範囲に収める必要があります。

FastMetalで使えるモデル