ERNIE 5.0 Thinking er Baidus ræsonnementsorienterede modelfamilie til komplekse spørgsmål, skrivning, instruktionsfølgning og applikationsforbundne opgaver. Producentens navngivne Thinking Preview-profil kombinerer dybe ræsonnementer med visuel forståelse og understøttelse af planlægning og værktøjsbrug. Dens tekstsvarforløb hos producenten er forskelligt fra at behandle hele ERNIE 5.0-forskningsfamiliens multimodale genereringsfunktioner som én udskiftelig anmodningskontrakt.
Angiv spørgsmålet, det materiale, der må bruges, og de betingelser, svaret skal opfylde. En forskningssammenligning kan definere kriterierne og efterspørge grundlaget for hver konklusion. En skriveopgave kan angive målgruppen, den faktuelle opgavebeskrivelse og den ønskede struktur. Et spørgsmål om kode kan identificere den adfærd, der skal ændres, og det relevante kildefragment. Gør den endelige leverance konkret nok til, at den kan undersøges.
Ved visuel forståelse skal du angive materiale, der gør det relevante træk tydeligt, og formulere spørgsmålet om det. Et diagram eller et dokumentbillede kræver læsbare etiketter og den omgivende kontekst, der fastslår, hvad værdierne betyder. Kontrollér vigtig tekst og numeriske detaljer i forhold til originalmaterialet. Modellens formål med visuel forståelse fjerner ikke behovet for at bevare kilden sammen med den returnerede fortolkning.
Baidus AI Studio-tabel angiver Thinking Preview-profilen med 128K kontekst og 119K maksimalt input. Den kinesiske tabel angiver indstillinger for endeligt output på op til 65.536 tokens og en standard på 2K samt særskilt en tænkelængde på 60K. Hold disse rammer i deres respektive roller: opgavekonteksten, de genererede ræsonnementer og det ønskede endelige svar er forskellige dele af et nyttigt resultat.
En stor inputramme kan rumme beslægtede dokumenter, mens det ønskede svar stadig skal passe til den beslutning eller leverance, der er brug for. Ved en sammenligning skal du bede om en kompakt evidenstabel og den overordnede konklusion frem for en gentagelse af alle angivne tekstuddrag. Ved et teknisk svar skal du bevare inputtilfældet og den forventede adfærd, der gør resultatet kontrollerbart. Den navngivne Preview-specifikation må ikke omdannes til en garanti om den underliggende revision i en senere modelvælger, der løbende opdateres.
Producentens funktionsoversigt angiver Thinking Preview-profilen til funktionskald, søgeunderstøttelse og struktureret output. Definér en applikationsfunktion og de argumenter, den kræver, udfør en returneret anmodning i applikationen, og angiv det faktiske resultat for at fortsætte. En agentplan er ikke i sig selv bevis på, at de planlagte handlinger blev fuldført.
Et kildebaseret svar skal bevare hentet evidens og skelne den fra den angivne baggrund eller en udledt slutning. En struktureret registrering skal definere de påkrævede felter og angive, hvordan manglende oplysninger repræsenteres, og de returnerede værdier skal kontrolleres i forhold til kilden. Det indbyggede svarformat og værktøjsdetaljerne hører til den valgte producentgrænseflade; det grundlæggende praktiske krav er et sporbart tekstresultat frem for et plausibelt, men uunderbygget udfyldt felt.
Den nyttige leverance kan være en begrundet sammenligning, et udkast, en koderelateret forklaring eller et værktøjsunderstøttet svar. Kontrollér vigtige identifikatorer, beregninger og fortolkninger i forhold til det materiale, der underbygger dem. Hold et eventuelt ufuldstændigt opslag eller en modstridende kilde synlig i konklusionen frem for at bruge flydende formuleringer til at skjule en mangel.
Thinking-familien, den navngivne Preview-profil og senere ERNIE-generationer har forskellige modelvælgere og dokumenterede betingelser. Bevar opgaven, kildematerialet, evidensen fra fuldførte værktøjshandlinger og det endelige svar samlet. Det gør næste samtaletur til en konkret rettelse eller udvidelse af den samme undersøgelse frem for en uunderbygget rekonstruktion af det tidligere arbejde.
", "aboutText": "ERNIE 5.0 Thinking er Baidus ræsonnementsorienterede modelfamilie til komplekse spørgsmål, skrivning, instruktionsfølgning og applikationsforbundne opgaver. Producentens navngivne Thinking Preview-profil kombinerer dybe ræsonnementer med visuel forståelse og understøttelse af planlægning og værktøjsbrug. Dens tekstsvarforløb hos producenten er forskelligt fra at behandle hele ERNIE 5.0-forskningsfamiliens multimodale genereringsfunktioner som én udskiftelig anmodningskontrakt.\n\n### Forbered grundlaget for det tilsigtede resultat\n\nAngiv spørgsmålet, det materiale, der må bruges, og de betingelser, svaret skal opfylde. En forskningssammenligning kan definere kriterierne og efterspørge grundlaget for hver konklusion. En skriveopgave kan angive målgruppen, den faktuelle opgavebeskrivelse og den ønskede struktur. Et spørgsmål om kode kan identificere den adfærd, der skal ændres, og det relevante kildefragment. Gør den endelige leverance konkret nok til, at den kan undersøges.\n\nVed visuel forståelse skal du angive materiale, der gør det relevante træk tydeligt, og formulere spørgsmålet om det. Et diagram eller et dokumentbillede kræver læsbare etiketter og den omgivende kontekst, der fastslår, hvad værdierne betyder. Kontrollér vigtig tekst og numeriske detaljer i forhold til originalmaterialet. Modellens formål med visuel forståelse fjerner ikke behovet for at bevare kilden sammen med den returnerede fortolkning.\n\n### De dokumenterede Preview-budgetter\n\nBaidus AI Studio-tabel angiver Thinking Preview-profilen med 128K kontekst og 119K maksimalt input. Den kinesiske tabel angiver indstillinger for endeligt output på op til 65.536 tokens og en standard på 2K samt særskilt en tænkelængde på 60K. Hold disse rammer i deres respektive roller: opgavekonteksten, de genererede ræsonnementer og det ønskede endelige svar er forskellige dele af et nyttigt resultat.\n\nEn stor inputramme kan rumme beslægtede dokumenter, mens det ønskede svar stadig skal passe til den beslutning eller leverance, der er brug for. Ved en sammenligning skal du bede om en kompakt evidenstabel og den overordnede konklusion frem for en gentagelse af alle angivne tekstuddrag. Ved et teknisk svar skal du bevare inputtilfældet og den forventede adfærd, der gør resultatet kontrollerbart. Den navngivne Preview-specifikation må ikke omdannes til en garanti om den underliggende revision i en senere modelvælger, der løbende opdateres.\n\n### Værktøjer, søgning og struktureret tekst\n\nProducentens funktionsoversigt angiver Thinking Preview-profilen til funktionskald, søgeunderstøttelse og struktureret output. Definér en applikationsfunktion og de argumenter, den kræver, udfør en returneret anmodning i applikationen, og angiv det faktiske resultat for at fortsætte. En agentplan er ikke i sig selv bevis på, at de planlagte handlinger blev fuldført.\n\nEt kildebaseret svar skal bevare hentet evidens og skelne den fra den angivne baggrund eller en udledt slutning. En struktureret registrering skal definere de påkrævede felter og angive, hvordan manglende oplysninger repræsenteres, og de returnerede værdier skal kontrolleres i forhold til kilden. Det indbyggede svarformat og værktøjsdetaljerne hører til den valgte producentgrænseflade; det grundlæggende praktiske krav er et sporbart tekstresultat frem for et plausibelt, men uunderbygget udfyldt felt.\n\n### Undersøg og fortsæt opgaven\n\nDen nyttige leverance kan være en begrundet sammenligning, et udkast, en koderelateret forklaring eller et værktøjsunderstøttet svar. Kontrollér vigtige identifikatorer, beregninger og fortolkninger i forhold til det materiale, der underbygger dem. Hold et eventuelt ufuldstændigt opslag eller en modstridende kilde synlig i konklusionen frem for at bruge flydende formuleringer til at skjule en mangel.\n\nThinking-familien, den navngivne Preview-profil og senere ERNIE-generationer har forskellige modelvælgere og dokumenterede betingelser. Bevar opgaven, kildematerialet, evidensen fra fuldførte værktøjshandlinger og det endelige svar samlet. Det gør næste samtaletur til en konkret rettelse eller udvidelse af den samme undersøgelse frem for en uunderbygget rekonstruktion af det tidligere arbejde.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "90e2f0c326099f42c3865304d96e912df4c8bdd9d2e0f7e0f7f6bf162c50cc27", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "ernie-5.0-thinking-previewERNIE 5.0 Thinking kombinerer dybdegående ræsonnement, skrivning, visuel forståelse og værktøjsforbundne opgaver. Den dokumenterede Preview-profil har en kontekst på 128K, maksimalt input på 119K og indstillinger for endeligt output på op til 65.536 tokens med et separat ræsonnementsbudget.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
ERNIE 5.0 Thinking er Baidus ræsonnementsorienterede modelfamilie til komplekse spørgsmål, skrivning, instruktionsfølgning og applikationsforbundne opgaver. Producentens navngivne Thinking Preview-profil kombinerer dybe ræsonnementer med visuel forståelse og understøttelse af planlægning og værktøjsbrug. Dens tekstsvarforløb hos producenten er forskelligt fra at behandle hele ERNIE 5.0-forskningsfamiliens multimodale genereringsfunktioner som én udskiftelig anmodningskontrakt.
Angiv spørgsmålet, det materiale, der må bruges, og de betingelser, svaret skal opfylde. En forskningssammenligning kan definere kriterierne og efterspørge grundlaget for hver konklusion. En skriveopgave kan angive målgruppen, den faktuelle opgavebeskrivelse og den ønskede struktur. Et spørgsmål om kode kan identificere den adfærd, der skal ændres, og det relevante kildefragment. Gør den endelige leverance konkret nok til, at den kan undersøges.
Ved visuel forståelse skal du angive materiale, der gør det relevante træk tydeligt, og formulere spørgsmålet om det. Et diagram eller et dokumentbillede kræver læsbare etiketter og den omgivende kontekst, der fastslår, hvad værdierne betyder. Kontrollér vigtig tekst og numeriske detaljer i forhold til originalmaterialet. Modellens formål med visuel forståelse fjerner ikke behovet for at bevare kilden sammen med den returnerede fortolkning.
Baidus AI Studio-tabel angiver Thinking Preview-profilen med 128K kontekst og 119K maksimalt input. Den kinesiske tabel angiver indstillinger for endeligt output på op til 65.536 tokens og en standard på 2K samt særskilt en tænkelængde på 60K. Hold disse rammer i deres respektive roller: opgavekonteksten, de genererede ræsonnementer og det ønskede endelige svar er forskellige dele af et nyttigt resultat.
En stor inputramme kan rumme beslægtede dokumenter, mens det ønskede svar stadig skal passe til den beslutning eller leverance, der er brug for. Ved en sammenligning skal du bede om en kompakt evidenstabel og den overordnede konklusion frem for en gentagelse af alle angivne tekstuddrag. Ved et teknisk svar skal du bevare inputtilfældet og den forventede adfærd, der gør resultatet kontrollerbart. Den navngivne Preview-specifikation må ikke omdannes til en garanti om den underliggende revision i en senere modelvælger, der løbende opdateres.
Producentens funktionsoversigt angiver Thinking Preview-profilen til funktionskald, søgeunderstøttelse og struktureret output. Definér en applikationsfunktion og de argumenter, den kræver, udfør en returneret anmodning i applikationen, og angiv det faktiske resultat for at fortsætte. En agentplan er ikke i sig selv bevis på, at de planlagte handlinger blev fuldført.
Et kildebaseret svar skal bevare hentet evidens og skelne den fra den angivne baggrund eller en udledt slutning. En struktureret registrering skal definere de påkrævede felter og angive, hvordan manglende oplysninger repræsenteres, og de returnerede værdier skal kontrolleres i forhold til kilden. Det indbyggede svarformat og værktøjsdetaljerne hører til den valgte producentgrænseflade; det grundlæggende praktiske krav er et sporbart tekstresultat frem for et plausibelt, men uunderbygget udfyldt felt.
Den nyttige leverance kan være en begrundet sammenligning, et udkast, en koderelateret forklaring eller et værktøjsunderstøttet svar. Kontrollér vigtige identifikatorer, beregninger og fortolkninger i forhold til det materiale, der underbygger dem. Hold et eventuelt ufuldstændigt opslag eller en modstridende kilde synlig i konklusionen frem for at bruge flydende formuleringer til at skjule en mangel.
Thinking-familien, den navngivne Preview-profil og senere ERNIE-generationer har forskellige modelvælgere og dokumenterede betingelser. Bevar opgaven, kildematerialet, evidensen fra fuldførte værktøjshandlinger og det endelige svar samlet. Det gør næste samtaletur til en konkret rettelse eller udvidelse af den samme undersøgelse frem for en uunderbygget rekonstruktion af det tidligere arbejde.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser ernie-5.0-thinking-preview | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
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 |
Parametercontrol_scope | KontraktTekstsamtale; stream er en boolesk værdi og er som standard false. |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Metodealiaser: /chat/completions
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 $0.001892 / 1K tokens Output · Outputtokens $0.003146 / 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":"ernie-5.0-thinking-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="ernie-5.0-thinking-preview", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 ernie-5.0-thinking-preview
/chat/completions
ernie-5.0-thinking-previewERNIE 5.0 Thinking kombinerer dybdegående ræsonnement, skrivning, visuel forståelse og værktøjsforbundne opgaver. Den dokumenterede Preview-profil har en kontekst på 128K, maksimalt input på 119K og indstillinger for endeligt output på op til 65.536 tokens med et separat ræsonnementsbudget.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
ERNIE 5.0 Thinking er Baidus ræsonnementsorienterede modelfamilie til komplekse spørgsmål, skrivning, instruktionsfølgning og applikationsforbundne opgaver. Producentens navngivne Thinking Preview-profil kombinerer dybe ræsonnementer med visuel forståelse og understøttelse af planlægning og værktøjsbrug. Dens tekstsvarforløb hos producenten er forskelligt fra at behandle hele ERNIE 5.0-forskningsfamiliens multimodale genereringsfunktioner som én udskiftelig anmodningskontrakt.
Angiv spørgsmålet, det materiale, der må bruges, og de betingelser, svaret skal opfylde. En forskningssammenligning kan definere kriterierne og efterspørge grundlaget for hver konklusion. En skriveopgave kan angive målgruppen, den faktuelle opgavebeskrivelse og den ønskede struktur. Et spørgsmål om kode kan identificere den adfærd, der skal ændres, og det relevante kildefragment. Gør den endelige leverance konkret nok til, at den kan undersøges.
Ved visuel forståelse skal du angive materiale, der gør det relevante træk tydeligt, og formulere spørgsmålet om det. Et diagram eller et dokumentbillede kræver læsbare etiketter og den omgivende kontekst, der fastslår, hvad værdierne betyder. Kontrollér vigtig tekst og numeriske detaljer i forhold til originalmaterialet. Modellens formål med visuel forståelse fjerner ikke behovet for at bevare kilden sammen med den returnerede fortolkning.
Baidus AI Studio-tabel angiver Thinking Preview-profilen med 128K kontekst og 119K maksimalt input. Den kinesiske tabel angiver indstillinger for endeligt output på op til 65.536 tokens og en standard på 2K samt særskilt en tænkelængde på 60K. Hold disse rammer i deres respektive roller: opgavekonteksten, de genererede ræsonnementer og det ønskede endelige svar er forskellige dele af et nyttigt resultat.
En stor inputramme kan rumme beslægtede dokumenter, mens det ønskede svar stadig skal passe til den beslutning eller leverance, der er brug for. Ved en sammenligning skal du bede om en kompakt evidenstabel og den overordnede konklusion frem for en gentagelse af alle angivne tekstuddrag. Ved et teknisk svar skal du bevare inputtilfældet og den forventede adfærd, der gør resultatet kontrollerbart. Den navngivne Preview-specifikation må ikke omdannes til en garanti om den underliggende revision i en senere modelvælger, der løbende opdateres.
Producentens funktionsoversigt angiver Thinking Preview-profilen til funktionskald, søgeunderstøttelse og struktureret output. Definér en applikationsfunktion og de argumenter, den kræver, udfør en returneret anmodning i applikationen, og angiv det faktiske resultat for at fortsætte. En agentplan er ikke i sig selv bevis på, at de planlagte handlinger blev fuldført.
Et kildebaseret svar skal bevare hentet evidens og skelne den fra den angivne baggrund eller en udledt slutning. En struktureret registrering skal definere de påkrævede felter og angive, hvordan manglende oplysninger repræsenteres, og de returnerede værdier skal kontrolleres i forhold til kilden. Det indbyggede svarformat og værktøjsdetaljerne hører til den valgte producentgrænseflade; det grundlæggende praktiske krav er et sporbart tekstresultat frem for et plausibelt, men uunderbygget udfyldt felt.
Den nyttige leverance kan være en begrundet sammenligning, et udkast, en koderelateret forklaring eller et værktøjsunderstøttet svar. Kontrollér vigtige identifikatorer, beregninger og fortolkninger i forhold til det materiale, der underbygger dem. Hold et eventuelt ufuldstændigt opslag eller en modstridende kilde synlig i konklusionen frem for at bruge flydende formuleringer til at skjule en mangel.
Thinking-familien, den navngivne Preview-profil og senere ERNIE-generationer har forskellige modelvælgere og dokumenterede betingelser. Bevar opgaven, kildematerialet, evidensen fra fuldførte værktøjshandlinger og det endelige svar samlet. Det gør næste samtaletur til en konkret rettelse eller udvidelse af den samme undersøgelse frem for en uunderbygget rekonstruktion af det tidligere arbejde.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser ernie-5.0-thinking-preview | 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 $0.001892 / 1K tokens Output · Outputtokens $0.003146 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "ernie-5.0-thinking-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ernie-5.0-thinking-preview', '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': 'ernie-5.0-thinking-preview', '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 ernie-5.0-thinking-preview
/chat/completions