Ling 3.0 Flash er en tekst-til-tekst-model fra inclusionAI. Den offentliggjorte arkitektur er en blanding af eksperter med 124 milliarder parametre i alt og cirka 5,1 milliarder aktive parametre pr. token. Vælg inclusionai/ling-3.0-flash via POST /v1/chat/completions med model og et messages-array. Instruktioner, kildemateriale og tidligere samtaleture hører hjemme i beskedteksten.
Brug en fokuseret prompt til at omdanne medsendt materiale til et konkret resultat. Til et kundesvar skal du medtage kundens spørgsmål og den produkt- eller politiktekst, svaret skal bruge, og derefter angive tonen og næste trin. Til et dokumentresumé skal du angive de afsnit, du har brug for, såsom beslutninger, uafklarede spørgsmål og handlinger. Til udtræk skal du definere de ønskede felter og måden at repræsentere fakta, der mangler i kilden. Til kodearbejde skal du medtage den relevante funktion eller det relevante filuddrag og bede om en forklaring, et ændringsforslag eller en gennemgang i forhold til et eksplicit krav.
Det offentliggjorte kontekstvindue er 262 144 tokens, og modellen er angivet med op til 32 768 tokens til svaret. Planlæg kildetekst, instruktioner, samtalehistorik og det ønskede svar samlet. Brug max_tokens til at angive den ønskede outputramme. Et dokument skal medsendes som dets faktiske tekst, når svaret skal afhænge af indholdet; henvis udtrykkeligt til de relevante afsnit, når en anmodning kombinerer flere passager.
Listen over understøttede parametre omfatter tools og tool_choice til funktionskald. Definér de tilgængelige funktioner og beskrivelser af deres argumenter i anmodningen. Din applikation validerer et returneret kald, udfører den valgte funktion og føjer resultatet til samtalen, før den anmoder om et opfølgende svar. En supportarbejdsgang kan for eksempel stille et snævert defineret ordreopslag til rådighed og bruge de returnerede fakta, når svaret udarbejdes. Hold værktøjsresultater knyttet til den korrekte samtaletur, så modellen kan skelne dem fra brugerens oprindelige anmodning.
Modellen understøtter response_format til JSON-output uden håndhævelse af JSON-skema. Angiv de ønskede felter, og validér det returnerede objekt i din applikation, før du bruger det. Andre offentliggjorte indstillinger omfatter temperature, top_p, top_k, min_p, stop, seed og de angivne strafværdier for gentagelse, hyppighed og tilstedeværelse. Parameterlisten omfatter også reasoning og include_reasoning; vælg deres understøttede repræsentation ud fra anmodningsspecifikationen frem for at antage værdier fra en anden udgave.
Chat Completions kan returnere et komplet svar eller streamet tekst. Ved et komplet svar skal du læse det returnerede beskedindhold og gemme svarets choices og usage. Ved streaming skal du samle deltaerne, før du betragter svaret som færdigt, og gemme eventuelle returnerede værktøjskald med deres argumenter. Resultatet er tekst eller en anmodning om et funktionskald til applikationens næste trin; den omgivende applikation står for udførelsen og anvendelsen af det færdige svar.
", "aboutText": "Ling 3.0 Flash er en tekst-til-tekst-model fra inclusionAI. Den offentliggjorte arkitektur er en blanding af eksperter med 124 milliarder parametre i alt og cirka 5,1 milliarder aktive parametre pr. token. Vælg inclusionai/ling-3.0-flash via POST /v1/chat/completions med model og et messages-array. Instruktioner, kildemateriale og tidligere samtaleture hører hjemme i beskedteksten.\n\nBrug en fokuseret prompt til at omdanne medsendt materiale til et konkret resultat. Til et kundesvar skal du medtage kundens spørgsmål og den produkt- eller politiktekst, svaret skal bruge, og derefter angive tonen og næste trin. Til et dokumentresumé skal du angive de afsnit, du har brug for, såsom beslutninger, uafklarede spørgsmål og handlinger. Til udtræk skal du definere de ønskede felter og måden at repræsentere fakta, der mangler i kilden. Til kodearbejde skal du medtage den relevante funktion eller det relevante filuddrag og bede om en forklaring, et ændringsforslag eller en gennemgang i forhold til et eksplicit krav.\n\nDet offentliggjorte kontekstvindue er 262 144 tokens, og modellen er angivet med op til 32 768 tokens til svaret. Planlæg kildetekst, instruktioner, samtalehistorik og det ønskede svar samlet. Brug max_tokens til at angive den ønskede outputramme. Et dokument skal medsendes som dets faktiske tekst, når svaret skal afhænge af indholdet; henvis udtrykkeligt til de relevante afsnit, når en anmodning kombinerer flere passager.\n\nListen over understøttede parametre omfatter tools og tool_choice til funktionskald. Definér de tilgængelige funktioner og beskrivelser af deres argumenter i anmodningen. Din applikation validerer et returneret kald, udfører den valgte funktion og føjer resultatet til samtalen, før den anmoder om et opfølgende svar. En supportarbejdsgang kan for eksempel stille et snævert defineret ordreopslag til rådighed og bruge de returnerede fakta, når svaret udarbejdes. Hold værktøjsresultater knyttet til den korrekte samtaletur, så modellen kan skelne dem fra brugerens oprindelige anmodning.\n\nModellen understøtter response_format til JSON-output uden håndhævelse af JSON-skema. Angiv de ønskede felter, og validér det returnerede objekt i din applikation, før du bruger det. Andre offentliggjorte indstillinger omfatter temperature, top_p, top_k, min_p, stop, seed og de angivne strafværdier for gentagelse, hyppighed og tilstedeværelse. Parameterlisten omfatter også reasoning og include_reasoning; vælg deres understøttede repræsentation ud fra anmodningsspecifikationen frem for at antage værdier fra en anden udgave.\n\nChat Completions kan returnere et komplet svar eller streamet tekst. Ved et komplet svar skal du læse det returnerede beskedindhold og gemme svarets choices og usage. Ved streaming skal du samle deltaerne, før du betragter svaret som færdigt, og gemme eventuelle returnerede værktøjskald med deres argumenter. Resultatet er tekst eller en anmodning om et funktionskald til applikationens næste trin; den omgivende applikation står for udførelsen og anvendelsen af det færdige svar.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d9dce9406c08488a74d4e50d5c9dd43452db58d0f7029192c80834a85d2e3e00", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "inclusionai/ling-3.0-flashLing 3.0 Flash er inclusionAIs tekstmodel til samtaler, dokumentarbejde og applikationsstyrede agentarbejdsgange. Den modtager tekst via Chat Completions, understøtter deklarationer af funktionskald og formatering af JSON-output og har et offentliggjort kontekstvindue på 262 144 tokens. Brug det præcise ID inclusionai/ling-3.0-flash, når du vælger denne udgave.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Ling 3.0 Flash er en tekst-til-tekst-model fra inclusionAI. Den offentliggjorte arkitektur er en blanding af eksperter med 124 milliarder parametre i alt og cirka 5,1 milliarder aktive parametre pr. token. Vælg inclusionai/ling-3.0-flash via POST /v1/chat/completions med model og et messages-array. Instruktioner, kildemateriale og tidligere samtaleture hører hjemme i beskedteksten.
Brug en fokuseret prompt til at omdanne medsendt materiale til et konkret resultat. Til et kundesvar skal du medtage kundens spørgsmål og den produkt- eller politiktekst, svaret skal bruge, og derefter angive tonen og næste trin. Til et dokumentresumé skal du angive de afsnit, du har brug for, såsom beslutninger, uafklarede spørgsmål og handlinger. Til udtræk skal du definere de ønskede felter og måden at repræsentere fakta, der mangler i kilden. Til kodearbejde skal du medtage den relevante funktion eller det relevante filuddrag og bede om en forklaring, et ændringsforslag eller en gennemgang i forhold til et eksplicit krav.
Det offentliggjorte kontekstvindue er 262 144 tokens, og modellen er angivet med op til 32 768 tokens til svaret. Planlæg kildetekst, instruktioner, samtalehistorik og det ønskede svar samlet. Brug max_tokens til at angive den ønskede outputramme. Et dokument skal medsendes som dets faktiske tekst, når svaret skal afhænge af indholdet; henvis udtrykkeligt til de relevante afsnit, når en anmodning kombinerer flere passager.
Listen over understøttede parametre omfatter tools og tool_choice til funktionskald. Definér de tilgængelige funktioner og beskrivelser af deres argumenter i anmodningen. Din applikation validerer et returneret kald, udfører den valgte funktion og føjer resultatet til samtalen, før den anmoder om et opfølgende svar. En supportarbejdsgang kan for eksempel stille et snævert defineret ordreopslag til rådighed og bruge de returnerede fakta, når svaret udarbejdes. Hold værktøjsresultater knyttet til den korrekte samtaletur, så modellen kan skelne dem fra brugerens oprindelige anmodning.
Modellen understøtter response_format til JSON-output uden håndhævelse af JSON-skema. Angiv de ønskede felter, og validér det returnerede objekt i din applikation, før du bruger det. Andre offentliggjorte indstillinger omfatter temperature, top_p, top_k, min_p, stop, seed og de angivne strafværdier for gentagelse, hyppighed og tilstedeværelse. Parameterlisten omfatter også reasoning og include_reasoning; vælg deres understøttede repræsentation ud fra anmodningsspecifikationen frem for at antage værdier fra en anden udgave.
Chat Completions kan returnere et komplet svar eller streamet tekst. Ved et komplet svar skal du læse det returnerede beskedindhold og gemme svarets choices og usage. Ved streaming skal du samle deltaerne, før du betragter svaret som færdigt, og gemme eventuelle returnerede værktøjskald med deres argumenter. Resultatet er tekst eller en anmodning om et funktionskald til applikationens næste trin; den omgivende applikation står for udførelsen og anvendelsen af det færdige svar.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser inclusionai/ling-3.0-flash | Standard— |
Feltmessages | Typearray | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 | Standard— |
Feltn | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser | Standard— |
Feltseed | Typeinteger | KravValgfrit | Værdier og grænser | Standard— |
Feltstop | Type | KravValgfrit | Værdier og grænser | Standard— |
Feltfrequency_penalty | Typenumber | KravValgfrit | Værdier og grænser | Standard— |
Feltpresence_penalty | Typenumber | KravValgfrit | Værdier og grænser | Standard— |
Feltuser | Typestring | KravValgfrit | Værdier og grænser | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parameteroptional | Kontraktstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametermaterial_types | Kontrakttext |
Parameterconditions | Kontrakt |
Livscyklus: synchronous_json_or_sse
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00012 / 1K tokens Output · Outputtokens $0.00036 / 1K tokens Input · Cachelæsning $0.000024 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inclusionai/ling-3.0-flash", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "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\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or supported SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra inclusionai/ling-3.0-flash
Brug metodestierne vist ovenfor.