Llama 3.3 70B Instruct هو نموذج Meta اللغوي المضبوط بالتعليمات، ذو 70 مليار معلمة. يقبل النص ويعيد نصًا أو شيفرة. صمّمت Meta هذا الإصدار لحوار المساعد متعدد اللغات، باستخدام الضبط الدقيق الخاضع للإشراف والتعلّم المعزز بالتغذية الراجعة البشرية لتشكيل طريقة استجابته للتعليمات.
تدرج الشركة المصنّعة الإنجليزية والألمانية والفرنسية والإيطالية والبرتغالية والهندية والإسبانية والتايلاندية كلغات مدعومة. سمِّ لغة الإجابة النهائية وقدم أي مصطلحات يجب أن تظل متسقة. يمكن لمساعد منتج تلقي محادثة بإحدى هذه اللغات، وتحديد طلب العميل، وصياغة إجابة من مادة السياسات المقدمة.
لعمل التوطين، قدّم المقطع الأصلي والجمهور المقصود ومسردًا. اطلب المقطع المعاد صياغته تليه قائمة قصيرة بالخيارات التي تغيّر المعنى أو النبرة. احتفظ بأسماء المنتجات والمعرّفات والكميات صراحةً. ينتج ذلك مادة يستطيع المراجع مقارنتها بالمصدر دون فقدان التفاصيل المهمة.
تدرج Meta نافذة سياق تبلغ 128K للنموذج. استخدم هذه المساحة للمقاطع المصدرية ذات الصلة والقرارات السابقة والسؤال الحالي. ضع تسمية لكل مستند أو مقتطف قبل طلب مقارنتها من النموذج. يمكن لحوار حول مستند طلب إجابة تدعمها معرّفات المقتطفات، مع قائمة منفصلة بالنقاط التي لا تحسمها المادة المقدمة.
لمحادثة أطول، احتفظ بالقرارات المؤثرة في الإجابة التالية واحذف الخلفية المكررة. اطلب مخرجًا معينًا: جدول مقارنة أو مقطعًا منقحًا أو قائمة متطلبات أو شرحًا لمقطع برمجي مسمّى. يعطي شكل محدد للناتج المراجعةَ هدفًا ملموسًا.
تشمل مخرجات النموذج الموثقة الشيفرة. يمكن لمطالبة برمجية تقديم واجهة ومدخلات نموذجية ومخرجات متوقعة، ثم طلب تنفيذ مع اختبارات للحالات الحدية التي تسمّيها. شغّل ذلك التنفيذ وافحصه في المشروع المستهدف قبل إدراجه.
تعرض Meta أيضًا تنسيقات استدعاء أدوات لهذا الإصدار المضبوط بالتعليمات. في هذا المسار، يتيح التطبيق المحيط الدوال، وينفذ استدعاءً مطلوبًا، ويعيد النتيجة إلى المحادثة. أبقِ هذه النتائج مرتبطة بالطلب المعني كي تستخدم الإجابة النهائية الأدلة الفعلية. تصف هذه التنسيقات سلوك التكامل لدى الشركة المصنّعة؛ أما الدوال نفسها فتخص التطبيق.
Llama 3.3 نموذج ثابت مدرّب على مجموعة بيانات غير متصلة بالإنترنت. قدّم أرقامًا أو سياسات أو سجلات حديثة عندما تعتمد الإجابة عليها. تجعل مدخلاته النصية فقط المقتطفات المقروءة الدليل المناسب لهذا الإصدار.
", "aboutText": "Llama 3.3 70B Instruct هو نموذج Meta اللغوي المضبوط بالتعليمات، ذو 70 مليار معلمة. يقبل النص ويعيد نصًا أو شيفرة. صمّمت Meta هذا الإصدار لحوار المساعد متعدد اللغات، باستخدام الضبط الدقيق الخاضع للإشراف والتعلّم المعزز بالتغذية الراجعة البشرية لتشكيل طريقة استجابته للتعليمات.\n\n### أنشئ محادثة متعددة اللغات\n\nتدرج الشركة المصنّعة الإنجليزية والألمانية والفرنسية والإيطالية والبرتغالية والهندية والإسبانية والتايلاندية كلغات مدعومة. سمِّ لغة الإجابة النهائية وقدم أي مصطلحات يجب أن تظل متسقة. يمكن لمساعد منتج تلقي محادثة بإحدى هذه اللغات، وتحديد طلب العميل، وصياغة إجابة من مادة السياسات المقدمة.\n\nلعمل التوطين، قدّم المقطع الأصلي والجمهور المقصود ومسردًا. اطلب المقطع المعاد صياغته تليه قائمة قصيرة بالخيارات التي تغيّر المعنى أو النبرة. احتفظ بأسماء المنتجات والمعرّفات والكميات صراحةً. ينتج ذلك مادة يستطيع المراجع مقارنتها بالمصدر دون فقدان التفاصيل المهمة.\n\n### اعمل على مجموعة نصوص\n\nتدرج Meta نافذة سياق تبلغ 128K للنموذج. استخدم هذه المساحة للمقاطع المصدرية ذات الصلة والقرارات السابقة والسؤال الحالي. ضع تسمية لكل مستند أو مقتطف قبل طلب مقارنتها من النموذج. يمكن لحوار حول مستند طلب إجابة تدعمها معرّفات المقتطفات، مع قائمة منفصلة بالنقاط التي لا تحسمها المادة المقدمة.\n\nلمحادثة أطول، احتفظ بالقرارات المؤثرة في الإجابة التالية واحذف الخلفية المكررة. اطلب مخرجًا معينًا: جدول مقارنة أو مقطعًا منقحًا أو قائمة متطلبات أو شرحًا لمقطع برمجي مسمّى. يعطي شكل محدد للناتج المراجعةَ هدفًا ملموسًا.\n\n### الشيفرة وأدوات التطبيق\n\nتشمل مخرجات النموذج الموثقة الشيفرة. يمكن لمطالبة برمجية تقديم واجهة ومدخلات نموذجية ومخرجات متوقعة، ثم طلب تنفيذ مع اختبارات للحالات الحدية التي تسمّيها. شغّل ذلك التنفيذ وافحصه في المشروع المستهدف قبل إدراجه.\n\nتعرض Meta أيضًا تنسيقات استدعاء أدوات لهذا الإصدار المضبوط بالتعليمات. في هذا المسار، يتيح التطبيق المحيط الدوال، وينفذ استدعاءً مطلوبًا، ويعيد النتيجة إلى المحادثة. أبقِ هذه النتائج مرتبطة بالطلب المعني كي تستخدم الإجابة النهائية الأدلة الفعلية. تصف هذه التنسيقات سلوك التكامل لدى الشركة المصنّعة؛ أما الدوال نفسها فتخص التطبيق.\n\nLlama 3.3 نموذج ثابت مدرّب على مجموعة بيانات غير متصلة بالإنترنت. قدّم أرقامًا أو سياسات أو سجلات حديثة عندما تعتمد الإجابة عليها. تجعل مدخلاته النصية فقط المقتطفات المقروءة الدليل المناسب لهذا الإصدار.", "editorialOverlay": { "copy_fields": { "practical_html": "مثال تقني باللغة الإنجليزية
Localize a customer reply with fixed terms\n\nTranslate this support reply into Spanish for a customer, keeping product name ClearDesk and reference R-882 unchanged: 'We received your return request for ClearDesk. Please include reference R-882 in your reply. We will review the photos you already sent.' Use a polite conversational register, then briefly identify any tone choice.A Spanish reply followed by a short note about the selected register.ClearDesk and R-882 stay exact, and the reply does not ask the customer to resend photos.meta-llama/llama-3.3-70b-instructLlama 3.3 70B Instruct هو نموذج Meta النصي متعدد اللغات لمحادثات المساعد. يولّد نصًا وشيفرة، مع سياق مدرج من الشركة المصنّعة يبلغ 128K وثماني لغات مدعومة، ما يجعله مناسبًا للحوار حول المستندات وإعادة الصياغة والشروح المستندة إلى المصادر.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Llama 3.3 70B Instruct هو نموذج Meta اللغوي المضبوط بالتعليمات، ذو 70 مليار معلمة. يقبل النص ويعيد نصًا أو شيفرة. صمّمت Meta هذا الإصدار لحوار المساعد متعدد اللغات، باستخدام الضبط الدقيق الخاضع للإشراف والتعلّم المعزز بالتغذية الراجعة البشرية لتشكيل طريقة استجابته للتعليمات.
تدرج الشركة المصنّعة الإنجليزية والألمانية والفرنسية والإيطالية والبرتغالية والهندية والإسبانية والتايلاندية كلغات مدعومة. سمِّ لغة الإجابة النهائية وقدم أي مصطلحات يجب أن تظل متسقة. يمكن لمساعد منتج تلقي محادثة بإحدى هذه اللغات، وتحديد طلب العميل، وصياغة إجابة من مادة السياسات المقدمة.
لعمل التوطين، قدّم المقطع الأصلي والجمهور المقصود ومسردًا. اطلب المقطع المعاد صياغته تليه قائمة قصيرة بالخيارات التي تغيّر المعنى أو النبرة. احتفظ بأسماء المنتجات والمعرّفات والكميات صراحةً. ينتج ذلك مادة يستطيع المراجع مقارنتها بالمصدر دون فقدان التفاصيل المهمة.
تدرج Meta نافذة سياق تبلغ 128K للنموذج. استخدم هذه المساحة للمقاطع المصدرية ذات الصلة والقرارات السابقة والسؤال الحالي. ضع تسمية لكل مستند أو مقتطف قبل طلب مقارنتها من النموذج. يمكن لحوار حول مستند طلب إجابة تدعمها معرّفات المقتطفات، مع قائمة منفصلة بالنقاط التي لا تحسمها المادة المقدمة.
لمحادثة أطول، احتفظ بالقرارات المؤثرة في الإجابة التالية واحذف الخلفية المكررة. اطلب مخرجًا معينًا: جدول مقارنة أو مقطعًا منقحًا أو قائمة متطلبات أو شرحًا لمقطع برمجي مسمّى. يعطي شكل محدد للناتج المراجعةَ هدفًا ملموسًا.
تشمل مخرجات النموذج الموثقة الشيفرة. يمكن لمطالبة برمجية تقديم واجهة ومدخلات نموذجية ومخرجات متوقعة، ثم طلب تنفيذ مع اختبارات للحالات الحدية التي تسمّيها. شغّل ذلك التنفيذ وافحصه في المشروع المستهدف قبل إدراجه.
تعرض Meta أيضًا تنسيقات استدعاء أدوات لهذا الإصدار المضبوط بالتعليمات. في هذا المسار، يتيح التطبيق المحيط الدوال، وينفذ استدعاءً مطلوبًا، ويعيد النتيجة إلى المحادثة. أبقِ هذه النتائج مرتبطة بالطلب المعني كي تستخدم الإجابة النهائية الأدلة الفعلية. تصف هذه التنسيقات سلوك التكامل لدى الشركة المصنّعة؛ أما الدوال نفسها فتخص التطبيق.
Llama 3.3 نموذج ثابت مدرّب على مجموعة بيانات غير متصلة بالإنترنت. قدّم أرقامًا أو سياسات أو سجلات حديثة عندما تعتمد الإجابة عليها. تجعل مدخلاته النصية فقط المقتطفات المقروءة الدليل المناسب لهذا الإصدار.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود meta-llama/llama-3.3-70b-instruct | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود function يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmodalities | النوعstring[] | المتطلباختياري | القيم والحدود text | القيمة الافتراضية— |
الحقلprovider | النوعobject | المتطلباختياري | القيم والحدود الشروط: يُرفَض provider.options في مسار Ultra النصي هذا | القيمة الافتراضية— |
الحقلcache_control.ttl | النوعstring | المتطلباختياري | القيم والحدود الشروط: تُرفَض 1h في المواضع الفعلية للتخزين المؤقت للموجّه | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
المعلمةcontrol_scope | المواصفاتخاص بالنموذج؛ أدوات الدوال التي يقدّمها المستخدم تختلف عن الأدوات المستضافة |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0018 / 1K من الرموز الإخراج · رموز الإخراج $0.0018 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00059 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0018 / 1K من الرموز الإخراج · رموز الإخراج $0.0018 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00059 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "meta-llama/llama-3.3-70b-instruct", "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='meta-llama/llama-3.3-70b-instruct',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='meta-llama/llama-3.3-70b-instruct',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 أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra meta-llama/llama-3.3-70b-instruct
استخدم مسارات الطرائق المعروضة أعلاه.
meta-llama/llama-3.3-70b-instructLlama 3.3 70B Instruct هو نموذج Meta النصي متعدد اللغات لمحادثات المساعد. يولّد نصًا وشيفرة، مع سياق مدرج من الشركة المصنّعة يبلغ 128K وثماني لغات مدعومة، ما يجعله مناسبًا للحوار حول المستندات وإعادة الصياغة والشروح المستندة إلى المصادر.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Llama 3.3 70B Instruct هو نموذج Meta اللغوي المضبوط بالتعليمات، ذو 70 مليار معلمة. يقبل النص ويعيد نصًا أو شيفرة. صمّمت Meta هذا الإصدار لحوار المساعد متعدد اللغات، باستخدام الضبط الدقيق الخاضع للإشراف والتعلّم المعزز بالتغذية الراجعة البشرية لتشكيل طريقة استجابته للتعليمات.
تدرج الشركة المصنّعة الإنجليزية والألمانية والفرنسية والإيطالية والبرتغالية والهندية والإسبانية والتايلاندية كلغات مدعومة. سمِّ لغة الإجابة النهائية وقدم أي مصطلحات يجب أن تظل متسقة. يمكن لمساعد منتج تلقي محادثة بإحدى هذه اللغات، وتحديد طلب العميل، وصياغة إجابة من مادة السياسات المقدمة.
لعمل التوطين، قدّم المقطع الأصلي والجمهور المقصود ومسردًا. اطلب المقطع المعاد صياغته تليه قائمة قصيرة بالخيارات التي تغيّر المعنى أو النبرة. احتفظ بأسماء المنتجات والمعرّفات والكميات صراحةً. ينتج ذلك مادة يستطيع المراجع مقارنتها بالمصدر دون فقدان التفاصيل المهمة.
تدرج Meta نافذة سياق تبلغ 128K للنموذج. استخدم هذه المساحة للمقاطع المصدرية ذات الصلة والقرارات السابقة والسؤال الحالي. ضع تسمية لكل مستند أو مقتطف قبل طلب مقارنتها من النموذج. يمكن لحوار حول مستند طلب إجابة تدعمها معرّفات المقتطفات، مع قائمة منفصلة بالنقاط التي لا تحسمها المادة المقدمة.
لمحادثة أطول، احتفظ بالقرارات المؤثرة في الإجابة التالية واحذف الخلفية المكررة. اطلب مخرجًا معينًا: جدول مقارنة أو مقطعًا منقحًا أو قائمة متطلبات أو شرحًا لمقطع برمجي مسمّى. يعطي شكل محدد للناتج المراجعةَ هدفًا ملموسًا.
تشمل مخرجات النموذج الموثقة الشيفرة. يمكن لمطالبة برمجية تقديم واجهة ومدخلات نموذجية ومخرجات متوقعة، ثم طلب تنفيذ مع اختبارات للحالات الحدية التي تسمّيها. شغّل ذلك التنفيذ وافحصه في المشروع المستهدف قبل إدراجه.
تعرض Meta أيضًا تنسيقات استدعاء أدوات لهذا الإصدار المضبوط بالتعليمات. في هذا المسار، يتيح التطبيق المحيط الدوال، وينفذ استدعاءً مطلوبًا، ويعيد النتيجة إلى المحادثة. أبقِ هذه النتائج مرتبطة بالطلب المعني كي تستخدم الإجابة النهائية الأدلة الفعلية. تصف هذه التنسيقات سلوك التكامل لدى الشركة المصنّعة؛ أما الدوال نفسها فتخص التطبيق.
Llama 3.3 نموذج ثابت مدرّب على مجموعة بيانات غير متصلة بالإنترنت. قدّم أرقامًا أو سياسات أو سجلات حديثة عندما تعتمد الإجابة عليها. تجعل مدخلاته النصية فقط المقتطفات المقروءة الدليل المناسب لهذا الإصدار.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود meta-llama/llama-3.3-70b-instruct | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0018 / 1K من الرموز الإخراج · رموز الإخراج $0.0018 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00059 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0018 / 1K من الرموز الإخراج · رموز الإخراج $0.0018 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00059 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "meta-llama/llama-3.3-70b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'meta-llama/llama-3.3-70b-instruct', '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': 'meta-llama/llama-3.3-70b-instruct', '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 أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra meta-llama/llama-3.3-70b-instruct
استخدم مسارات الطرائق المعروضة أعلاه.
مثال تقني باللغة الإنجليزية
Localize a customer reply with fixed terms\n\nTranslate this support reply into Spanish for a customer, keeping product name ClearDesk and reference R-882 unchanged: 'We received your return request for ClearDesk. Please include reference R-882 in your reply. We will review the photos you already sent.' Use a polite conversational register, then briefly identify any tone choice.A Spanish reply followed by a short note about the selected register.ClearDesk and R-882 stay exact, and the reply does not ask the customer to resend photos.