Baichuan4 er den navngivne generelle samtalemodel i fjerde generation i Baichuans sortiment. Producenten dokumenterer en kontekst på 32K for netop denne udgave. Baichuan4-Turbo og Baichuan4-Air er separate udgaver med deres egne modelprofiler.
Modellen arbejder med en tekstsamtale og producerer et assistentsvar eller en anmodning om funktionskald i producentens dokumenterede forløb. Nyttige opgaver omfatter at svare ud fra vedlagt information, organisere et dokuments indhold, revidere tekst og producere en struktureret post til en applikation.
Forbered beskeder i kronologisk rækkefølge med en systeminstruktion først, når der er behov for en. Hold brugerens opgave adskilt fra tidligere assistentsvar og eksterne værktøjsresultater. Producentens reference accepterer almindelige tekststrenge eller typede tekstindholdsstrukturer og bruger en separat værktøjsbeskedrolle til resultater af funktionskald.
Til en sammenligning skal du vedlægge begge passager, mærke dem tydeligt og bede om enigheder, konflikter og understøttende ordlyd. Til en revideret forklaring skal du angive målgruppen og de detaljer, der skal overleve omskrivningen. En nyttig instruktion er: “Sammenlign disse to projektbeskrivelser, angiv de ændrede krav, og identificér den passage, der dokumenterer hver ændring.”
Baichuan4 er udtrykkeligt omfattet af producentens JSON-objekttilstand. Aktivering af tilstanden kræver også en system- eller brugerinstruktion om at producere JSON. Definér de krævede felter, og hvordan manglende information skal vises. Parse og efterse resultatet, før det bruges som applikationspost.
Producentens samtaleoperation accepterer max_tokens fra 1 til 2.048 med standarden 2.048. Samplingindstillingerne 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. Indstilling af top_k til 0 slår denne strategi fra. Svarrammen er forskellig fra konteksten på 32K: forbered kildemateriale og plads til svaret samlet.
Hvis færdiggørelsesårsagen er length, kan et skriftligt svar eller JSON-objekt være ufuldstændigt. Bevar det delvise resultat og årsagen til, at det stoppede, og beslut derefter, om det ønskede slutprodukt skal forkortes, inputtet reduceres eller den gældende svarramme revideres.
Producentens værktøjer skelner mellem vidensbasehentning og websøgning. En vidensbaseanmodning navngiver de relevante samlinger. Tilstanden med svar kun fra vidensbasen forhindrer et svar, når hentningen ikke finder noget resultat. Hvis både websøgning og videnshentning er konfigureret, angiver referencen, at hentningen har forrang.
Til en foranderlig oplysning skal du gemme den faktisk hentede eller søgte information, så det endelige svar kan kontrolleres mod den. Bevar kilde, dato og relevante forbehold sammen med observationen. Når opgaven vedrører en vedlagt samling, skal du stille et afgrænset spørgsmål frem for at kombinere hentningsspørgsmålet med uvedkommende kreative instruktioner.
Baichuan4’s dokumenterede eksempler viser valg mellem brugerdefinerede funktioner og fortsættelse, efter at applikationen returnerer en funktions resultat. Definér hver funktion med navn, formål og argumentskema. Bevar assistentens kald og det tilhørende værktøjsresultat, og bed derefter næste svar forklare eller bruge observationen.
En praktisk sammenligning kan anmode om to faktiske målinger, såsom værdier for to forskellige datoer, og bede om forskellen mellem dem. Applikationen leverer disse målinger; modellens valgte funktion og genererede argumenter er en anmodning om denne operation. Producentens indstilling til automatisk valg eller intet værktøj gælder for funktioner. Referencen anbefaler at holde funktionskald adskilt fra konfigurationer til websøgning eller hentning.
Ikke-streaming er producentens standardtilstand; streaming returnerer løbende svardele, som skal samles. Færdiggørelsesårsagen skelner mellem et normalt stop, en værktøjsanmodning, en output- eller kontekstlængdegrænse og indholdsfiltrering. Gem den færdige besked eller det færdige objekt sammen med det kildemateriale og de værktøjsobservationer, der er nødvendige for at fortolke det.
Gennemgå resultatet for de ønskede felter, underbyggede sammenligninger og ordlyd, der passer til destinationen. Bevar den præcise Baichuan4-identitet sammen med opgaven ved sammenligning med en anden udgave. Det nyttige udfald er et færdigt tekstprodukt eller en forklaring af en faktisk værktøjsobservation, hvor enhver uløst del af anmodningen stadig kan identificeres.
", "aboutText": "### Baichuan4 som en selvstændig samtaleudgave\n\nBaichuan4 er den navngivne generelle samtalemodel i fjerde generation i Baichuans sortiment. Producenten dokumenterer en kontekst på 32K for netop denne udgave. Baichuan4-Turbo og Baichuan4-Air er separate udgaver med deres egne modelprofiler.\n\nModellen arbejder med en tekstsamtale og producerer et assistentsvar eller en anmodning om funktionskald i producentens dokumenterede forløb. Nyttige opgaver omfatter at svare ud fra vedlagt information, organisere et dokuments indhold, revidere tekst og producere en struktureret post til en applikation.\n\n### Vedlæg en komplet dialoganmodning\n\nForbered beskeder i kronologisk rækkefølge med en systeminstruktion først, når der er behov for en. Hold brugerens opgave adskilt fra tidligere assistentsvar og eksterne værktøjsresultater. Producentens reference accepterer almindelige tekststrenge eller typede tekstindholdsstrukturer og bruger en separat værktøjsbeskedrolle til resultater af funktionskald.\n\nTil en sammenligning skal du vedlægge begge passager, mærke dem tydeligt og bede om enigheder, konflikter og understøttende ordlyd. Til en revideret forklaring skal du angive målgruppen og de detaljer, der skal overleve omskrivningen. En nyttig instruktion er: “Sammenlign disse to projektbeskrivelser, angiv de ændrede krav, og identificér den passage, der dokumenterer hver ændring.”\n\n### Vælg outputform og svarramme\n\nBaichuan4 er udtrykkeligt omfattet af producentens JSON-objekttilstand. Aktivering af tilstanden kræver også en system- eller brugerinstruktion om at producere JSON. Definér de krævede felter, og hvordan manglende information skal vises. Parse og efterse resultatet, før det bruges som applikationspost.\n\nProducentens samtaleoperation accepterer max_tokens fra 1 til 2.048 med standarden 2.048. Samplingindstillingerne 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. Indstilling af top_k til 0 slår denne strategi fra. Svarrammen er forskellig fra konteksten på 32K: forbered kildemateriale og plads til svaret samlet.\n\nHvis færdiggørelsesårsagen er length, kan et skriftligt svar eller JSON-objekt være ufuldstændigt. Bevar det delvise resultat og årsagen til, at det stoppede, og beslut derefter, om det ønskede slutprodukt skal forkortes, inputtet reduceres eller den gældende svarramme revideres.\n\n### Forankr et svar i hentet information\n\nProducentens værktøjer skelner mellem vidensbasehentning og websøgning. En vidensbaseanmodning navngiver de relevante samlinger. Tilstanden med svar kun fra vidensbasen forhindrer et svar, når hentningen ikke finder noget resultat. Hvis både websøgning og videnshentning er konfigureret, angiver referencen, at hentningen har forrang.\n\nTil en foranderlig oplysning skal du gemme den faktisk hentede eller søgte information, så det endelige svar kan kontrolleres mod den. Bevar kilde, dato og relevante forbehold sammen med observationen. Når opgaven vedrører en vedlagt samling, skal du stille et afgrænset spørgsmål frem for at kombinere hentningsspørgsmålet med uvedkommende kreative instruktioner.\n\n### Fortsæt fra et faktisk funktionsresultat\n\nBaichuan4’s dokumenterede eksempler viser valg mellem brugerdefinerede funktioner og fortsættelse, efter at applikationen returnerer en funktions resultat. Definér hver funktion med navn, formål og argumentskema. Bevar assistentens kald og det tilhørende værktøjsresultat, og bed derefter næste svar forklare eller bruge observationen.\n\nEn praktisk sammenligning kan anmode om to faktiske målinger, såsom værdier for to forskellige datoer, og bede om forskellen mellem dem. Applikationen leverer disse målinger; modellens valgte funktion og genererede argumenter er en anmodning om denne operation. Producentens indstilling til automatisk valg eller intet værktøj gælder for funktioner. Referencen anbefaler at holde funktionskald adskilt fra konfigurationer til websøgning eller hentning.\n\n### Saml og efterse det endelige slutprodukt\n\nIkke-streaming er producentens standardtilstand; streaming returnerer løbende svardele, som skal samles. Færdiggørelsesårsagen skelner mellem et normalt stop, en værktøjsanmodning, en output- eller kontekstlængdegrænse og indholdsfiltrering. Gem den færdige besked eller det færdige objekt sammen med det kildemateriale og de værktøjsobservationer, der er nødvendige for at fortolke det.\n\nGennemgå resultatet for de ønskede felter, underbyggede sammenligninger og ordlyd, der passer til destinationen. Bevar den præcise Baichuan4-identitet sammen med opgaven ved sammenligning med en anden udgave. Det nyttige udfald er et færdigt tekstprodukt eller en forklaring af en faktisk værktøjsobservation, hvor enhver uløst del af anmodningen stadig kan identificeres.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.Baichuan4Baichuan4 er den navngivne tekstsamtalemodel i fjerde generation med en dokumenteret kontekst på 32K. Producentens forløb understøtter svar som JSON-objekter, færdig eller streamet tekst, brugerdefinerede funktioner og belæg fra vidensbasehentning eller websøgning.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Baichuan4 er den navngivne generelle samtalemodel i fjerde generation i Baichuans sortiment. Producenten dokumenterer en kontekst på 32K for netop denne udgave. Baichuan4-Turbo og Baichuan4-Air er separate udgaver med deres egne modelprofiler.
Modellen arbejder med en tekstsamtale og producerer et assistentsvar eller en anmodning om funktionskald i producentens dokumenterede forløb. Nyttige opgaver omfatter at svare ud fra vedlagt information, organisere et dokuments indhold, revidere tekst og producere en struktureret post til en applikation.
Forbered beskeder i kronologisk rækkefølge med en systeminstruktion først, når der er behov for en. Hold brugerens opgave adskilt fra tidligere assistentsvar og eksterne værktøjsresultater. Producentens reference accepterer almindelige tekststrenge eller typede tekstindholdsstrukturer og bruger en separat værktøjsbeskedrolle til resultater af funktionskald.
Til en sammenligning skal du vedlægge begge passager, mærke dem tydeligt og bede om enigheder, konflikter og understøttende ordlyd. Til en revideret forklaring skal du angive målgruppen og de detaljer, der skal overleve omskrivningen. En nyttig instruktion er: “Sammenlign disse to projektbeskrivelser, angiv de ændrede krav, og identificér den passage, der dokumenterer hver ændring.”
Baichuan4 er udtrykkeligt omfattet af producentens JSON-objekttilstand. Aktivering af tilstanden kræver også en system- eller brugerinstruktion om at producere JSON. Definér de krævede felter, og hvordan manglende information skal vises. Parse og efterse resultatet, før det bruges som applikationspost.
Producentens samtaleoperation accepterer max_tokens fra 1 til 2.048 med standarden 2.048. Samplingindstillingerne 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. Indstilling af top_k til 0 slår denne strategi fra. Svarrammen er forskellig fra konteksten på 32K: forbered kildemateriale og plads til svaret samlet.
Hvis færdiggørelsesårsagen er length, kan et skriftligt svar eller JSON-objekt være ufuldstændigt. Bevar det delvise resultat og årsagen til, at det stoppede, og beslut derefter, om det ønskede slutprodukt skal forkortes, inputtet reduceres eller den gældende svarramme revideres.
Producentens værktøjer skelner mellem vidensbasehentning og websøgning. En vidensbaseanmodning navngiver de relevante samlinger. Tilstanden med svar kun fra vidensbasen forhindrer et svar, når hentningen ikke finder noget resultat. Hvis både websøgning og videnshentning er konfigureret, angiver referencen, at hentningen har forrang.
Til en foranderlig oplysning skal du gemme den faktisk hentede eller søgte information, så det endelige svar kan kontrolleres mod den. Bevar kilde, dato og relevante forbehold sammen med observationen. Når opgaven vedrører en vedlagt samling, skal du stille et afgrænset spørgsmål frem for at kombinere hentningsspørgsmålet med uvedkommende kreative instruktioner.
Baichuan4’s dokumenterede eksempler viser valg mellem brugerdefinerede funktioner og fortsættelse, efter at applikationen returnerer en funktions resultat. Definér hver funktion med navn, formål og argumentskema. Bevar assistentens kald og det tilhørende værktøjsresultat, og bed derefter næste svar forklare eller bruge observationen.
En praktisk sammenligning kan anmode om to faktiske målinger, såsom værdier for to forskellige datoer, og bede om forskellen mellem dem. Applikationen leverer disse målinger; modellens valgte funktion og genererede argumenter er en anmodning om denne operation. Producentens indstilling til automatisk valg eller intet værktøj gælder for funktioner. Referencen anbefaler at holde funktionskald adskilt fra konfigurationer til websøgning eller hentning.
Ikke-streaming er producentens standardtilstand; streaming returnerer løbende svardele, som skal samles. Færdiggørelsesårsagen skelner mellem et normalt stop, en værktøjsanmodning, en output- eller kontekstlængdegrænse og indholdsfiltrering. Gem den færdige besked eller det færdige objekt sammen med det kildemateriale og de værktøjsobservationer, der er nødvendige for at fortolke det.
Gennemgå resultatet for de ønskede felter, underbyggede sammenligninger og ordlyd, der passer til destinationen. Bevar den præcise Baichuan4-identitet sammen med opgaven ved sammenligning med en anden udgave. Det nyttige udfald er et færdigt tekstprodukt eller en forklaring af en faktisk værktøjsobservation, hvor enhver uløst del af anmodningen stadig kan identificeres.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser Baichuan4 | 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 $0.03146 / 1K tokens Output · Outputtokens $0.03146 / 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": "Baichuan4", "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='Baichuan4',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='Baichuan4',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 Baichuan4
Brug metodestierne vist ovenfor.
Baichuan4Baichuan4 er den navngivne tekstsamtalemodel i fjerde generation med en dokumenteret kontekst på 32K. Producentens forløb understøtter svar som JSON-objekter, færdig eller streamet tekst, brugerdefinerede funktioner og belæg fra vidensbasehentning eller websøgning.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Baichuan4 er den navngivne generelle samtalemodel i fjerde generation i Baichuans sortiment. Producenten dokumenterer en kontekst på 32K for netop denne udgave. Baichuan4-Turbo og Baichuan4-Air er separate udgaver med deres egne modelprofiler.
Modellen arbejder med en tekstsamtale og producerer et assistentsvar eller en anmodning om funktionskald i producentens dokumenterede forløb. Nyttige opgaver omfatter at svare ud fra vedlagt information, organisere et dokuments indhold, revidere tekst og producere en struktureret post til en applikation.
Forbered beskeder i kronologisk rækkefølge med en systeminstruktion først, når der er behov for en. Hold brugerens opgave adskilt fra tidligere assistentsvar og eksterne værktøjsresultater. Producentens reference accepterer almindelige tekststrenge eller typede tekstindholdsstrukturer og bruger en separat værktøjsbeskedrolle til resultater af funktionskald.
Til en sammenligning skal du vedlægge begge passager, mærke dem tydeligt og bede om enigheder, konflikter og understøttende ordlyd. Til en revideret forklaring skal du angive målgruppen og de detaljer, der skal overleve omskrivningen. En nyttig instruktion er: “Sammenlign disse to projektbeskrivelser, angiv de ændrede krav, og identificér den passage, der dokumenterer hver ændring.”
Baichuan4 er udtrykkeligt omfattet af producentens JSON-objekttilstand. Aktivering af tilstanden kræver også en system- eller brugerinstruktion om at producere JSON. Definér de krævede felter, og hvordan manglende information skal vises. Parse og efterse resultatet, før det bruges som applikationspost.
Producentens samtaleoperation accepterer max_tokens fra 1 til 2.048 med standarden 2.048. Samplingindstillingerne 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. Indstilling af top_k til 0 slår denne strategi fra. Svarrammen er forskellig fra konteksten på 32K: forbered kildemateriale og plads til svaret samlet.
Hvis færdiggørelsesårsagen er length, kan et skriftligt svar eller JSON-objekt være ufuldstændigt. Bevar det delvise resultat og årsagen til, at det stoppede, og beslut derefter, om det ønskede slutprodukt skal forkortes, inputtet reduceres eller den gældende svarramme revideres.
Producentens værktøjer skelner mellem vidensbasehentning og websøgning. En vidensbaseanmodning navngiver de relevante samlinger. Tilstanden med svar kun fra vidensbasen forhindrer et svar, når hentningen ikke finder noget resultat. Hvis både websøgning og videnshentning er konfigureret, angiver referencen, at hentningen har forrang.
Til en foranderlig oplysning skal du gemme den faktisk hentede eller søgte information, så det endelige svar kan kontrolleres mod den. Bevar kilde, dato og relevante forbehold sammen med observationen. Når opgaven vedrører en vedlagt samling, skal du stille et afgrænset spørgsmål frem for at kombinere hentningsspørgsmålet med uvedkommende kreative instruktioner.
Baichuan4’s dokumenterede eksempler viser valg mellem brugerdefinerede funktioner og fortsættelse, efter at applikationen returnerer en funktions resultat. Definér hver funktion med navn, formål og argumentskema. Bevar assistentens kald og det tilhørende værktøjsresultat, og bed derefter næste svar forklare eller bruge observationen.
En praktisk sammenligning kan anmode om to faktiske målinger, såsom værdier for to forskellige datoer, og bede om forskellen mellem dem. Applikationen leverer disse målinger; modellens valgte funktion og genererede argumenter er en anmodning om denne operation. Producentens indstilling til automatisk valg eller intet værktøj gælder for funktioner. Referencen anbefaler at holde funktionskald adskilt fra konfigurationer til websøgning eller hentning.
Ikke-streaming er producentens standardtilstand; streaming returnerer løbende svardele, som skal samles. Færdiggørelsesårsagen skelner mellem et normalt stop, en værktøjsanmodning, en output- eller kontekstlængdegrænse og indholdsfiltrering. Gem den færdige besked eller det færdige objekt sammen med det kildemateriale og de værktøjsobservationer, der er nødvendige for at fortolke det.
Gennemgå resultatet for de ønskede felter, underbyggede sammenligninger og ordlyd, der passer til destinationen. Bevar den præcise Baichuan4-identitet sammen med opgaven ved sammenligning med en anden udgave. Det nyttige udfald er et færdigt tekstprodukt eller en forklaring af en faktisk værktøjsobservation, hvor enhver uløst del af anmodningen stadig kan identificeres.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser Baichuan4 | 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 $0.03146 / 1K tokens Output · Outputtokens $0.03146 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "Baichuan4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan4', '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': 'Baichuan4', '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 Baichuan4
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.