Spark Max er iFlytek Sparks tekstmodelfamilie, som producentens dokumentation identificerer som generalv3.5. iFlytek fremhæver struktureret udtræk og logisk ræsonnering i sin beskrivelse af Max. Den er relevant at overveje, når en opgave begynder med tekst og kræver et klart defineret resultat: en forklaring af en proces, felter udtrukket fra en meddelelse, et svar tilpasset en samtale eller et udkast, der følger en bestemt rolle og stil.
Inputtet er en sekvens af meddelelser. De dokumenterede roller skelner mellem brugerens anmodning, assistentens tidligere svar, en systeminstruktion og resultater returneret af værktøjer. En systeminstruktion kan definere assistentens formål og reglerne for dens svar. Ved en fortsat samtale skal de relevante tidligere meddelelser medtages i rækkefølge: oplysningerne, der er nødvendige for at besvare den aktuelle anmodning, skal være til stede i den indsendte kontekst. Placer det umiddelbare spørgsmål sammen med det kildemateriale, det vedrører, og angiv, hvilke fakta der skal bevares ved redigering.
Producenten tilbyder almindeligt tekstoutput og en tilstand til JSON-objekter. I JSON-tilstand skal instruktionerne stadig udtrykkeligt bede om JSON. Det er nyttigt til udtræksopgaver med et aftalt resultatformat. En illustrativ anmodning er: »Læs denne servicehenvendelse. Returner et JSON-objekt med den ønskede handling, de oplysninger, der allerede er givet, og de spørgsmål, der fortsat er ubesvarede.« Angiv de forventede felter og regler for manglende værdier i stedet for at betragte indstillingen for outputformat som en erstatning for en præcis opgave.
Genereringsindstillingerne omfatter sampling, gentagelsesstraffe, en indstilling for outputlængde og levering som stream eller komplet svar. For den dokumenterede Max-udgave angiver iFlytek en inputkonfiguration på 8K og et maksimalt output på 8K; Max-indstillingen max_tokens går fra 1 til 8.192 med en dokumenteret standardværdi på 4.096. Det separate navn Max-32K identificerer en anden konfiguration. Hold samtalen, referenceteksten og det aktuelle spørgsmål inden for det gældende inputbudget, og vælg svarlængden efter opgaven frem for mængden af leveret materiale.
Producentens værktøjsbeskrivelser omfatter websøgning og indbyggede funktioner til vejr, datoer, poesi, ordoplysninger og aktieoplysninger. Søgning har en normal og en dyb tilstand: den normale tilstand bruger hentede sammendrag, mens den dybe tilstand bruger mere udførligt hentet materiale. Indstillingen for kildemærkning kan anmode om oplysninger om de hentede kilder. Disse er dokumenterede funktioner i iFlyteks værktøjsgrænseflade; forbered et spørgsmål, der angiver, hvilke oplysninger der mangler, og hvilken dokumentation der ville besvare det.
Funktionskald er beskrevet for producentens HTTP-grænseflade. Applikationen angiver et funktionsnavn, formålet og et gyldigt JSON Schema for parametrene. Mulighederne for værktøjsvalg omfatter automatisk valg, deaktivering af kald, krav om et kald eller valg af en bestemt funktion. Dokumentationen skelner også mellem alternative måder at repræsentere returnerede kald på. Funktionens faktiske resultat sendes tilbage i en meddelelse med værktøjsrollen, så den omgivende applikation har fortsat ansvaret for at udføre handlingen og returnere data, som modellen kan bruge.
Til en praktisk assistent skal du definere én nyttig opgave og de felter, der er nødvendige for at fuldføre den. Et eksempel på en arbejdsgang kan være at udtrække en ønsket produktegenskab, hente en uafklaret værdi gennem et applikationsværktøj og derefter skrive et svar, der skelner mellem givne fakta og åbne spørgsmål. Ved redigering skal du angive læser, tone og de fakta, der skal bevares; ved et logisk spørgsmål skal du angive betingelserne og bede om en konklusion, der kan kontrolleres op imod dem. Navnet generalv3.5 tilhører Max-familien og betegner ikke en selvstændigt navngivet model til dyb tænkning. Hold dens konfiguration adskilt fra andre Spark-udgaver, og fastslå grænserne og værktøjsudbuddet for den valgte forbindelse uden at overføre funktioner fra en anden udgivelse.
", "aboutText": "Spark Max er iFlytek Sparks tekstmodelfamilie, som producentens dokumentation identificerer som generalv3.5. iFlytek fremhæver struktureret udtræk og logisk ræsonnering i sin beskrivelse af Max. Den er relevant at overveje, når en opgave begynder med tekst og kræver et klart defineret resultat: en forklaring af en proces, felter udtrukket fra en meddelelse, et svar tilpasset en samtale eller et udkast, der følger en bestemt rolle og stil.\n\nInputtet er en sekvens af meddelelser. De dokumenterede roller skelner mellem brugerens anmodning, assistentens tidligere svar, en systeminstruktion og resultater returneret af værktøjer. En systeminstruktion kan definere assistentens formål og reglerne for dens svar. Ved en fortsat samtale skal de relevante tidligere meddelelser medtages i rækkefølge: oplysningerne, der er nødvendige for at besvare den aktuelle anmodning, skal være til stede i den indsendte kontekst. Placer det umiddelbare spørgsmål sammen med det kildemateriale, det vedrører, og angiv, hvilke fakta der skal bevares ved redigering.\n\nProducenten tilbyder almindeligt tekstoutput og en tilstand til JSON-objekter. I JSON-tilstand skal instruktionerne stadig udtrykkeligt bede om JSON. Det er nyttigt til udtræksopgaver med et aftalt resultatformat. En illustrativ anmodning er: »Læs denne servicehenvendelse. Returner et JSON-objekt med den ønskede handling, de oplysninger, der allerede er givet, og de spørgsmål, der fortsat er ubesvarede.« Angiv de forventede felter og regler for manglende værdier i stedet for at betragte indstillingen for outputformat som en erstatning for en præcis opgave.\n\nGenereringsindstillingerne omfatter sampling, gentagelsesstraffe, en indstilling for outputlængde og levering som stream eller komplet svar. For den dokumenterede Max-udgave angiver iFlytek en inputkonfiguration på 8K og et maksimalt output på 8K; Max-indstillingen max_tokens går fra 1 til 8.192 med en dokumenteret standardværdi på 4.096. Det separate navn Max-32K identificerer en anden konfiguration. Hold samtalen, referenceteksten og det aktuelle spørgsmål inden for det gældende inputbudget, og vælg svarlængden efter opgaven frem for mængden af leveret materiale.\n\nProducentens værktøjsbeskrivelser omfatter websøgning og indbyggede funktioner til vejr, datoer, poesi, ordoplysninger og aktieoplysninger. Søgning har en normal og en dyb tilstand: den normale tilstand bruger hentede sammendrag, mens den dybe tilstand bruger mere udførligt hentet materiale. Indstillingen for kildemærkning kan anmode om oplysninger om de hentede kilder. Disse er dokumenterede funktioner i iFlyteks værktøjsgrænseflade; forbered et spørgsmål, der angiver, hvilke oplysninger der mangler, og hvilken dokumentation der ville besvare det.\n\nFunktionskald er beskrevet for producentens HTTP-grænseflade. Applikationen angiver et funktionsnavn, formålet og et gyldigt JSON Schema for parametrene. Mulighederne for værktøjsvalg omfatter automatisk valg, deaktivering af kald, krav om et kald eller valg af en bestemt funktion. Dokumentationen skelner også mellem alternative måder at repræsentere returnerede kald på. Funktionens faktiske resultat sendes tilbage i en meddelelse med værktøjsrollen, så den omgivende applikation har fortsat ansvaret for at udføre handlingen og returnere data, som modellen kan bruge.\n\nTil en praktisk assistent skal du definere én nyttig opgave og de felter, der er nødvendige for at fuldføre den. Et eksempel på en arbejdsgang kan være at udtrække en ønsket produktegenskab, hente en uafklaret værdi gennem et applikationsværktøj og derefter skrive et svar, der skelner mellem givne fakta og åbne spørgsmål. Ved redigering skal du angive læser, tone og de fakta, der skal bevares; ved et logisk spørgsmål skal du angive betingelserne og bede om en konklusion, der kan kontrolleres op imod dem. Navnet generalv3.5 tilhører Max-familien og betegner ikke en selvstændigt navngivet model til dyb tænkning. Hold dens konfiguration adskilt fra andre Spark-udgaver, og fastslå grænserne og værktøjsudbuddet for den valgte forbindelse uden at overføre funktioner fra en anden udgivelse.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.generalv3.5Spark Max er iFlyteks tekstorienterede model til struktureret udtræk, logiske opgaver og samtaler. Dens dokumenterede grænseflade kombinerer rollebaserede meddelelser, output som JSON-objekter, styring af websøgning og funktionskald defineret af applikationen.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Spark Max er iFlytek Sparks tekstmodelfamilie, som producentens dokumentation identificerer som generalv3.5. iFlytek fremhæver struktureret udtræk og logisk ræsonnering i sin beskrivelse af Max. Den er relevant at overveje, når en opgave begynder med tekst og kræver et klart defineret resultat: en forklaring af en proces, felter udtrukket fra en meddelelse, et svar tilpasset en samtale eller et udkast, der følger en bestemt rolle og stil.
Inputtet er en sekvens af meddelelser. De dokumenterede roller skelner mellem brugerens anmodning, assistentens tidligere svar, en systeminstruktion og resultater returneret af værktøjer. En systeminstruktion kan definere assistentens formål og reglerne for dens svar. Ved en fortsat samtale skal de relevante tidligere meddelelser medtages i rækkefølge: oplysningerne, der er nødvendige for at besvare den aktuelle anmodning, skal være til stede i den indsendte kontekst. Placer det umiddelbare spørgsmål sammen med det kildemateriale, det vedrører, og angiv, hvilke fakta der skal bevares ved redigering.
Producenten tilbyder almindeligt tekstoutput og en tilstand til JSON-objekter. I JSON-tilstand skal instruktionerne stadig udtrykkeligt bede om JSON. Det er nyttigt til udtræksopgaver med et aftalt resultatformat. En illustrativ anmodning er: »Læs denne servicehenvendelse. Returner et JSON-objekt med den ønskede handling, de oplysninger, der allerede er givet, og de spørgsmål, der fortsat er ubesvarede.« Angiv de forventede felter og regler for manglende værdier i stedet for at betragte indstillingen for outputformat som en erstatning for en præcis opgave.
Genereringsindstillingerne omfatter sampling, gentagelsesstraffe, en indstilling for outputlængde og levering som stream eller komplet svar. For den dokumenterede Max-udgave angiver iFlytek en inputkonfiguration på 8K og et maksimalt output på 8K; Max-indstillingen max_tokens går fra 1 til 8.192 med en dokumenteret standardværdi på 4.096. Det separate navn Max-32K identificerer en anden konfiguration. Hold samtalen, referenceteksten og det aktuelle spørgsmål inden for det gældende inputbudget, og vælg svarlængden efter opgaven frem for mængden af leveret materiale.
Producentens værktøjsbeskrivelser omfatter websøgning og indbyggede funktioner til vejr, datoer, poesi, ordoplysninger og aktieoplysninger. Søgning har en normal og en dyb tilstand: den normale tilstand bruger hentede sammendrag, mens den dybe tilstand bruger mere udførligt hentet materiale. Indstillingen for kildemærkning kan anmode om oplysninger om de hentede kilder. Disse er dokumenterede funktioner i iFlyteks værktøjsgrænseflade; forbered et spørgsmål, der angiver, hvilke oplysninger der mangler, og hvilken dokumentation der ville besvare det.
Funktionskald er beskrevet for producentens HTTP-grænseflade. Applikationen angiver et funktionsnavn, formålet og et gyldigt JSON Schema for parametrene. Mulighederne for værktøjsvalg omfatter automatisk valg, deaktivering af kald, krav om et kald eller valg af en bestemt funktion. Dokumentationen skelner også mellem alternative måder at repræsentere returnerede kald på. Funktionens faktiske resultat sendes tilbage i en meddelelse med værktøjsrollen, så den omgivende applikation har fortsat ansvaret for at udføre handlingen og returnere data, som modellen kan bruge.
Til en praktisk assistent skal du definere én nyttig opgave og de felter, der er nødvendige for at fuldføre den. Et eksempel på en arbejdsgang kan være at udtrække en ønsket produktegenskab, hente en uafklaret værdi gennem et applikationsværktøj og derefter skrive et svar, der skelner mellem givne fakta og åbne spørgsmål. Ved redigering skal du angive læser, tone og de fakta, der skal bevares; ved et logisk spørgsmål skal du angive betingelserne og bede om en konklusion, der kan kontrolleres op imod dem. Navnet generalv3.5 tilhører Max-familien og betegner ikke en selvstændigt navngivet model til dyb tænkning. Hold dens konfiguration adskilt fra andre Spark-udgaver, og fastslå grænserne og værktøjsudbuddet for den valgte forbindelse uden at overføre funktioner fra en anden udgivelse.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser generalv3.5 | 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 $0.00946 / 1K tokens Output · Outputtokens $0.00946 / 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": "generalv3.5", "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='generalv3.5',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='generalv3.5',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 generalv3.5
Brug metodestierne vist ovenfor.
generalv3.5Spark Max er iFlyteks tekstorienterede model til struktureret udtræk, logiske opgaver og samtaler. Dens dokumenterede grænseflade kombinerer rollebaserede meddelelser, output som JSON-objekter, styring af websøgning og funktionskald defineret af applikationen.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Spark Max er iFlytek Sparks tekstmodelfamilie, som producentens dokumentation identificerer som generalv3.5. iFlytek fremhæver struktureret udtræk og logisk ræsonnering i sin beskrivelse af Max. Den er relevant at overveje, når en opgave begynder med tekst og kræver et klart defineret resultat: en forklaring af en proces, felter udtrukket fra en meddelelse, et svar tilpasset en samtale eller et udkast, der følger en bestemt rolle og stil.
Inputtet er en sekvens af meddelelser. De dokumenterede roller skelner mellem brugerens anmodning, assistentens tidligere svar, en systeminstruktion og resultater returneret af værktøjer. En systeminstruktion kan definere assistentens formål og reglerne for dens svar. Ved en fortsat samtale skal de relevante tidligere meddelelser medtages i rækkefølge: oplysningerne, der er nødvendige for at besvare den aktuelle anmodning, skal være til stede i den indsendte kontekst. Placer det umiddelbare spørgsmål sammen med det kildemateriale, det vedrører, og angiv, hvilke fakta der skal bevares ved redigering.
Producenten tilbyder almindeligt tekstoutput og en tilstand til JSON-objekter. I JSON-tilstand skal instruktionerne stadig udtrykkeligt bede om JSON. Det er nyttigt til udtræksopgaver med et aftalt resultatformat. En illustrativ anmodning er: »Læs denne servicehenvendelse. Returner et JSON-objekt med den ønskede handling, de oplysninger, der allerede er givet, og de spørgsmål, der fortsat er ubesvarede.« Angiv de forventede felter og regler for manglende værdier i stedet for at betragte indstillingen for outputformat som en erstatning for en præcis opgave.
Genereringsindstillingerne omfatter sampling, gentagelsesstraffe, en indstilling for outputlængde og levering som stream eller komplet svar. For den dokumenterede Max-udgave angiver iFlytek en inputkonfiguration på 8K og et maksimalt output på 8K; Max-indstillingen max_tokens går fra 1 til 8.192 med en dokumenteret standardværdi på 4.096. Det separate navn Max-32K identificerer en anden konfiguration. Hold samtalen, referenceteksten og det aktuelle spørgsmål inden for det gældende inputbudget, og vælg svarlængden efter opgaven frem for mængden af leveret materiale.
Producentens værktøjsbeskrivelser omfatter websøgning og indbyggede funktioner til vejr, datoer, poesi, ordoplysninger og aktieoplysninger. Søgning har en normal og en dyb tilstand: den normale tilstand bruger hentede sammendrag, mens den dybe tilstand bruger mere udførligt hentet materiale. Indstillingen for kildemærkning kan anmode om oplysninger om de hentede kilder. Disse er dokumenterede funktioner i iFlyteks værktøjsgrænseflade; forbered et spørgsmål, der angiver, hvilke oplysninger der mangler, og hvilken dokumentation der ville besvare det.
Funktionskald er beskrevet for producentens HTTP-grænseflade. Applikationen angiver et funktionsnavn, formålet og et gyldigt JSON Schema for parametrene. Mulighederne for værktøjsvalg omfatter automatisk valg, deaktivering af kald, krav om et kald eller valg af en bestemt funktion. Dokumentationen skelner også mellem alternative måder at repræsentere returnerede kald på. Funktionens faktiske resultat sendes tilbage i en meddelelse med værktøjsrollen, så den omgivende applikation har fortsat ansvaret for at udføre handlingen og returnere data, som modellen kan bruge.
Til en praktisk assistent skal du definere én nyttig opgave og de felter, der er nødvendige for at fuldføre den. Et eksempel på en arbejdsgang kan være at udtrække en ønsket produktegenskab, hente en uafklaret værdi gennem et applikationsværktøj og derefter skrive et svar, der skelner mellem givne fakta og åbne spørgsmål. Ved redigering skal du angive læser, tone og de fakta, der skal bevares; ved et logisk spørgsmål skal du angive betingelserne og bede om en konklusion, der kan kontrolleres op imod dem. Navnet generalv3.5 tilhører Max-familien og betegner ikke en selvstændigt navngivet model til dyb tænkning. Hold dens konfiguration adskilt fra andre Spark-udgaver, og fastslå grænserne og værktøjsudbuddet for den valgte forbindelse uden at overføre funktioner fra en anden udgivelse.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser generalv3.5 | 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 $0.00946 / 1K tokens Output · Outputtokens $0.00946 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "generalv3.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'generalv3.5', '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': 'generalv3.5', '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 generalv3.5
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.