Baichuan3-Turbo er en generel tekstsamtalemodel i Baichuans tredje generation. Producenten angiver en kontekst på 32K for netop dette navn. Baichuan3-Turbo-128k er en separat post med større kontekst, og modellerne i fjerde generation er separat navngivne udgaver. Hold den valgte model og dens kontekstprofil tydeligt angivet, når du forbereder en samtale eller sammenligner resultater.
Producentens reference til generelle samtaler angiver et modelnavn og en beskedliste. Placér tidligere ture før senere. En systembesked kommer, når den bruges, først og definerer rollen eller svarkravene; brugerbeskeder leverer opgaven, og assistentbeskeder bevarer tidligere svar. Tekstindhold kan være en streng eller en typet tekstindholdsstruktur.
Til en dokumentopgave skal du angive passagen og det ønskede resultat. Et eksempel er: “Udtræk den angivne frist, ansvarlige og leverance fra dette projektnotat, og returnér en feltliste med den understøttende ordlyd.” Til en omskrivning skal du vedlægge originalteksten, målgruppen og tonen. Bevar den relevante tidligere tur, når næste anmodning afhænger af en tidligere fortolkning.
Den dokumenterede samtaleoperation accepterer en maksimal svarramme fra 1 til 2.048 tokens med 2.048 som standard. Denne svarindstilling er forskellig fra modellens kontekst på 32K. Giv plads til svaret, når du vælger inputtet, og efterse færdiggørelsesårsagen, før resultatet behandles som færdigt.
Producentens samplingindstillinger er temperature fra 0 til 1, standard 0.3; top_p fra 0 til, men ikke inklusive, 1, standard 0.85; og top_k fra 0 til 20, standard 5. En top_k på 0 deaktiverer denne udvælgelsesstrategi. Dette er indstillinger i producentens grænseflade. Til en sammenligning skal opgave og kilde holdes faste, mens den indstilling, der er relevant for det resultat, du vil undersøge, ændres.
Baichuan3-Turbo er udtrykkeligt anført blandt modellerne, der understøtter output som JSON-objekter. Producentens JSON-tilstand kræver også en instruktion i system- eller brugerbeskeden om at generere JSON. Angiv felterne og deres betydning, og forklar, hvordan en ukendt værdi skal repræsenteres. Kontrollér det returnerede objekt mod disse krav, før det sendes videre til et andet trin.
Til projektnotateksemplet skal du bede om felterne deadline, owner og deliverable med belægstekst. Et svar stoppet på grund af sin længderamme kan indeholde ufuldstændig JSON. Bevar kilden og færdiggørelsesårsagen, og justér derefter opgaven eller svarrammen, før et delvist objekt behandles som en gyldig post.
Det generelle samtaleforløb tilbyder vidensbasehentning, websøgning og brugerdefinerede funktioner. Vidensbasehentning kan begrænses til kun den vedlagte viden; i denne tilstand angiver producenten, at intet hentet resultat betyder intet svar. Hvis hentning og websøgning konfigureres sammen, har hentning forrang. Referencen advarer også mod at kombinere funktionskald med disse hentnings- eller søgeværktøjer i samme opgave.
Til et vidensspørgsmål skal du angive den relevante samling og stille et afgrænset spørgsmål. Til et spørgsmål om aktuel information skal du gemme det faktiske søgebelæg sammen med svaret. Hold belæg leveret af et værktøj adskilt fra en konklusion genereret ud fra dette belæg.
Baichuan3-Turbo er udtrykkeligt omfattet af listen over funktionsunderstøttelse. En funktionsdefinition angiver dens navn, beskrivelse og argumentskema. Modellen kan vælge en operation og generere argumenter; den tilsluttede applikation udfører den og returnerer resultatet som en værktøjsbesked knyttet til kaldet. Bevar denne relation i næste tur. Producentens valg til funktionsudvælgelse er automatisk valg eller ingen værktøjskald.
Den dokumenterede grænseflade understøtter et færdigt svar eller en strøm af teksttilføjelser; ikke-streaming er standard. Saml streamede dele til det endelige svar. Resultatet angiver, om genereringen stoppede normalt, nåede en længdegrænse, valgte et værktøj eller mødte indholdsfiltrering.
Brug det færdige slutprodukt til det tilsigtede formål: et kort svar, revideret ordlyd, en udtrukket post eller en forklaring forankret i returneret belæg. Gennemgå de kildeafhængige værdier og den valgte udgave samlet. En søstermodel med større kontekst, en anden Baichuan-generation og et funktionsresultat produceret af en applikation forbliver separate dele af forløbet.
", "aboutText": "### Den navngivne samtalemodel med 32K\n\nBaichuan3-Turbo er en generel tekstsamtalemodel i Baichuans tredje generation. Producenten angiver en kontekst på 32K for netop dette navn. Baichuan3-Turbo-128k er en separat post med større kontekst, og modellerne i fjerde generation er separat navngivne udgaver. Hold den valgte model og dens kontekstprofil tydeligt angivet, når du forbereder en samtale eller sammenligner resultater.\n\n### Forbered beskeder i samtalerækkefølge\n\nProducentens reference til generelle samtaler angiver et modelnavn og en beskedliste. Placér tidligere ture før senere. En systembesked kommer, når den bruges, først og definerer rollen eller svarkravene; brugerbeskeder leverer opgaven, og assistentbeskeder bevarer tidligere svar. Tekstindhold kan være en streng eller en typet tekstindholdsstruktur.\n\nTil en dokumentopgave skal du angive passagen og det ønskede resultat. Et eksempel er: “Udtræk den angivne frist, ansvarlige og leverance fra dette projektnotat, og returnér en feltliste med den understøttende ordlyd.” Til en omskrivning skal du vedlægge originalteksten, målgruppen og tonen. Bevar den relevante tidligere tur, når næste anmodning afhænger af en tidligere fortolkning.\n\n### Styr svaret og dets længde\n\nDen dokumenterede samtaleoperation accepterer en maksimal svarramme fra 1 til 2.048 tokens med 2.048 som standard. Denne svarindstilling er forskellig fra modellens kontekst på 32K. Giv plads til svaret, når du vælger inputtet, og efterse færdiggørelsesårsagen, før resultatet behandles som færdigt.\n\nProducentens samplingindstillinger er temperature fra 0 til 1, standard 0.3; top_p fra 0 til, men ikke inklusive, 1, standard 0.85; og top_k fra 0 til 20, standard 5. En top_k på 0 deaktiverer denne udvælgelsesstrategi. Dette er indstillinger i producentens grænseflade. Til en sammenligning skal opgave og kilde holdes faste, mens den indstilling, der er relevant for det resultat, du vil undersøge, ændres.\n\n### Producér JSON bevidst\n\nBaichuan3-Turbo er udtrykkeligt anført blandt modellerne, der understøtter output som JSON-objekter. Producentens JSON-tilstand kræver også en instruktion i system- eller brugerbeskeden om at generere JSON. Angiv felterne og deres betydning, og forklar, hvordan en ukendt værdi skal repræsenteres. Kontrollér det returnerede objekt mod disse krav, før det sendes videre til et andet trin.\n\nTil projektnotateksemplet skal du bede om felterne deadline, owner og deliverable med belægstekst. Et svar stoppet på grund af sin længderamme kan indeholde ufuldstændig JSON. Bevar kilden og færdiggørelsesårsagen, og justér derefter opgaven eller svarrammen, før et delvist objekt behandles som en gyldig post.\n\n### Hent belæg eller anmod om en funktion\n\nDet generelle samtaleforløb tilbyder vidensbasehentning, websøgning og brugerdefinerede funktioner. Vidensbasehentning kan begrænses til kun den vedlagte viden; i denne tilstand angiver producenten, at intet hentet resultat betyder intet svar. Hvis hentning og websøgning konfigureres sammen, har hentning forrang. Referencen advarer også mod at kombinere funktionskald med disse hentnings- eller søgeværktøjer i samme opgave.\n\nTil et vidensspørgsmål skal du angive den relevante samling og stille et afgrænset spørgsmål. Til et spørgsmål om aktuel information skal du gemme det faktiske søgebelæg sammen med svaret. Hold belæg leveret af et værktøj adskilt fra en konklusion genereret ud fra dette belæg.\n\nBaichuan3-Turbo er udtrykkeligt omfattet af listen over funktionsunderstøttelse. En funktionsdefinition angiver dens navn, beskrivelse og argumentskema. Modellen kan vælge en operation og generere argumenter; den tilsluttede applikation udfører den og returnerer resultatet som en værktøjsbesked knyttet til kaldet. Bevar denne relation i næste tur. Producentens valg til funktionsudvælgelse er automatisk valg eller ingen værktøjskald.\n\n### Gem den færdige tekst eller det færdige objekt\n\nDen dokumenterede grænseflade understøtter et færdigt svar eller en strøm af teksttilføjelser; ikke-streaming er standard. Saml streamede dele til det endelige svar. Resultatet angiver, om genereringen stoppede normalt, nåede en længdegrænse, valgte et værktøj eller mødte indholdsfiltrering.\n\nBrug det færdige slutprodukt til det tilsigtede formål: et kort svar, revideret ordlyd, en udtrukket post eller en forklaring forankret i returneret belæg. Gennemgå de kildeafhængige værdier og den valgte udgave samlet. En søstermodel med større kontekst, en anden Baichuan-generation og et funktionsresultat produceret af en applikation forbliver separate dele af forløbet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo er en tekstsamtalemodel med en dokumenteret kontekst på 32K. Producentens grænseflade understøtter færdige eller streamede svar, JSON-output og brugerdefinerede funktionskald med separate muligheder for videnshentning og websøgning til kildeforankrede svar.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Baichuan3-Turbo er en generel tekstsamtalemodel i Baichuans tredje generation. Producenten angiver en kontekst på 32K for netop dette navn. Baichuan3-Turbo-128k er en separat post med større kontekst, og modellerne i fjerde generation er separat navngivne udgaver. Hold den valgte model og dens kontekstprofil tydeligt angivet, når du forbereder en samtale eller sammenligner resultater.
Producentens reference til generelle samtaler angiver et modelnavn og en beskedliste. Placér tidligere ture før senere. En systembesked kommer, når den bruges, først og definerer rollen eller svarkravene; brugerbeskeder leverer opgaven, og assistentbeskeder bevarer tidligere svar. Tekstindhold kan være en streng eller en typet tekstindholdsstruktur.
Til en dokumentopgave skal du angive passagen og det ønskede resultat. Et eksempel er: “Udtræk den angivne frist, ansvarlige og leverance fra dette projektnotat, og returnér en feltliste med den understøttende ordlyd.” Til en omskrivning skal du vedlægge originalteksten, målgruppen og tonen. Bevar den relevante tidligere tur, når næste anmodning afhænger af en tidligere fortolkning.
Den dokumenterede samtaleoperation accepterer en maksimal svarramme fra 1 til 2.048 tokens med 2.048 som standard. Denne svarindstilling er forskellig fra modellens kontekst på 32K. Giv plads til svaret, når du vælger inputtet, og efterse færdiggørelsesårsagen, før resultatet behandles som færdigt.
Producentens samplingindstillinger er temperature fra 0 til 1, standard 0.3; top_p fra 0 til, men ikke inklusive, 1, standard 0.85; og top_k fra 0 til 20, standard 5. En top_k på 0 deaktiverer denne udvælgelsesstrategi. Dette er indstillinger i producentens grænseflade. Til en sammenligning skal opgave og kilde holdes faste, mens den indstilling, der er relevant for det resultat, du vil undersøge, ændres.
Baichuan3-Turbo er udtrykkeligt anført blandt modellerne, der understøtter output som JSON-objekter. Producentens JSON-tilstand kræver også en instruktion i system- eller brugerbeskeden om at generere JSON. Angiv felterne og deres betydning, og forklar, hvordan en ukendt værdi skal repræsenteres. Kontrollér det returnerede objekt mod disse krav, før det sendes videre til et andet trin.
Til projektnotateksemplet skal du bede om felterne deadline, owner og deliverable med belægstekst. Et svar stoppet på grund af sin længderamme kan indeholde ufuldstændig JSON. Bevar kilden og færdiggørelsesårsagen, og justér derefter opgaven eller svarrammen, før et delvist objekt behandles som en gyldig post.
Det generelle samtaleforløb tilbyder vidensbasehentning, websøgning og brugerdefinerede funktioner. Vidensbasehentning kan begrænses til kun den vedlagte viden; i denne tilstand angiver producenten, at intet hentet resultat betyder intet svar. Hvis hentning og websøgning konfigureres sammen, har hentning forrang. Referencen advarer også mod at kombinere funktionskald med disse hentnings- eller søgeværktøjer i samme opgave.
Til et vidensspørgsmål skal du angive den relevante samling og stille et afgrænset spørgsmål. Til et spørgsmål om aktuel information skal du gemme det faktiske søgebelæg sammen med svaret. Hold belæg leveret af et værktøj adskilt fra en konklusion genereret ud fra dette belæg.
Baichuan3-Turbo er udtrykkeligt omfattet af listen over funktionsunderstøttelse. En funktionsdefinition angiver dens navn, beskrivelse og argumentskema. Modellen kan vælge en operation og generere argumenter; den tilsluttede applikation udfører den og returnerer resultatet som en værktøjsbesked knyttet til kaldet. Bevar denne relation i næste tur. Producentens valg til funktionsudvælgelse er automatisk valg eller ingen værktøjskald.
Den dokumenterede grænseflade understøtter et færdigt svar eller en strøm af teksttilføjelser; ikke-streaming er standard. Saml streamede dele til det endelige svar. Resultatet angiver, om genereringen stoppede normalt, nåede en længdegrænse, valgte et værktøj eller mødte indholdsfiltrering.
Brug det færdige slutprodukt til det tilsigtede formål: et kort svar, revideret ordlyd, en udtrukket post eller en forklaring forankret i returneret belæg. Gennemgå de kildeafhængige værdier og den valgte udgave samlet. En søstermodel med større kontekst, en anden Baichuan-generation og et funktionsresultat produceret af en applikation forbliver separate dele af forløbet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser Baichuan3-Turbo | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00374 / 1K tokens Output · Outputtokens $0.00374 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra Baichuan3-Turbo
Brug metodestierne vist ovenfor.
Baichuan3-TurboBaichuan3-Turbo er en tekstsamtalemodel med en dokumenteret kontekst på 32K. Producentens grænseflade understøtter færdige eller streamede svar, JSON-output og brugerdefinerede funktionskald med separate muligheder for videnshentning og websøgning til kildeforankrede svar.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Baichuan3-Turbo er en generel tekstsamtalemodel i Baichuans tredje generation. Producenten angiver en kontekst på 32K for netop dette navn. Baichuan3-Turbo-128k er en separat post med større kontekst, og modellerne i fjerde generation er separat navngivne udgaver. Hold den valgte model og dens kontekstprofil tydeligt angivet, når du forbereder en samtale eller sammenligner resultater.
Producentens reference til generelle samtaler angiver et modelnavn og en beskedliste. Placér tidligere ture før senere. En systembesked kommer, når den bruges, først og definerer rollen eller svarkravene; brugerbeskeder leverer opgaven, og assistentbeskeder bevarer tidligere svar. Tekstindhold kan være en streng eller en typet tekstindholdsstruktur.
Til en dokumentopgave skal du angive passagen og det ønskede resultat. Et eksempel er: “Udtræk den angivne frist, ansvarlige og leverance fra dette projektnotat, og returnér en feltliste med den understøttende ordlyd.” Til en omskrivning skal du vedlægge originalteksten, målgruppen og tonen. Bevar den relevante tidligere tur, når næste anmodning afhænger af en tidligere fortolkning.
Den dokumenterede samtaleoperation accepterer en maksimal svarramme fra 1 til 2.048 tokens med 2.048 som standard. Denne svarindstilling er forskellig fra modellens kontekst på 32K. Giv plads til svaret, når du vælger inputtet, og efterse færdiggørelsesårsagen, før resultatet behandles som færdigt.
Producentens samplingindstillinger er temperature fra 0 til 1, standard 0.3; top_p fra 0 til, men ikke inklusive, 1, standard 0.85; og top_k fra 0 til 20, standard 5. En top_k på 0 deaktiverer denne udvælgelsesstrategi. Dette er indstillinger i producentens grænseflade. Til en sammenligning skal opgave og kilde holdes faste, mens den indstilling, der er relevant for det resultat, du vil undersøge, ændres.
Baichuan3-Turbo er udtrykkeligt anført blandt modellerne, der understøtter output som JSON-objekter. Producentens JSON-tilstand kræver også en instruktion i system- eller brugerbeskeden om at generere JSON. Angiv felterne og deres betydning, og forklar, hvordan en ukendt værdi skal repræsenteres. Kontrollér det returnerede objekt mod disse krav, før det sendes videre til et andet trin.
Til projektnotateksemplet skal du bede om felterne deadline, owner og deliverable med belægstekst. Et svar stoppet på grund af sin længderamme kan indeholde ufuldstændig JSON. Bevar kilden og færdiggørelsesårsagen, og justér derefter opgaven eller svarrammen, før et delvist objekt behandles som en gyldig post.
Det generelle samtaleforløb tilbyder vidensbasehentning, websøgning og brugerdefinerede funktioner. Vidensbasehentning kan begrænses til kun den vedlagte viden; i denne tilstand angiver producenten, at intet hentet resultat betyder intet svar. Hvis hentning og websøgning konfigureres sammen, har hentning forrang. Referencen advarer også mod at kombinere funktionskald med disse hentnings- eller søgeværktøjer i samme opgave.
Til et vidensspørgsmål skal du angive den relevante samling og stille et afgrænset spørgsmål. Til et spørgsmål om aktuel information skal du gemme det faktiske søgebelæg sammen med svaret. Hold belæg leveret af et værktøj adskilt fra en konklusion genereret ud fra dette belæg.
Baichuan3-Turbo er udtrykkeligt omfattet af listen over funktionsunderstøttelse. En funktionsdefinition angiver dens navn, beskrivelse og argumentskema. Modellen kan vælge en operation og generere argumenter; den tilsluttede applikation udfører den og returnerer resultatet som en værktøjsbesked knyttet til kaldet. Bevar denne relation i næste tur. Producentens valg til funktionsudvælgelse er automatisk valg eller ingen værktøjskald.
Den dokumenterede grænseflade understøtter et færdigt svar eller en strøm af teksttilføjelser; ikke-streaming er standard. Saml streamede dele til det endelige svar. Resultatet angiver, om genereringen stoppede normalt, nåede en længdegrænse, valgte et værktøj eller mødte indholdsfiltrering.
Brug det færdige slutprodukt til det tilsigtede formål: et kort svar, revideret ordlyd, en udtrukket post eller en forklaring forankret i returneret belæg. Gennemgå de kildeafhængige værdier og den valgte udgave samlet. En søstermodel med større kontekst, en anden Baichuan-generation og et funktionsresultat produceret af en applikation forbliver separate dele af forløbet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser Baichuan3-Turbo | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00374 / 1K tokens Output · Outputtokens $0.00374 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra Baichuan3-Turbo
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.