Summarize er ScaleDowns abstraktive sammenfatningsmodel. Den kondenserer angivet tekst og dokumenter til en flydende omskrivning frem for at udvælge nogle få oprindelige sætninger ordret. Dens offentliggjorte anvendelser omfatter dokumentgennemgang, transskriptionsresuméer og forkortelse af hentet materiale, før en anden model bruger det.
Giv opgaven et fokus og en tilsigtet læser. Et mødereferat kan bevare beslutninger, ansvar og åbne spørgsmål. En dokumentgennemgang kan bevare hovedpåstandene og underbyggende belæg. Et hentningsforløb kan bevare de fakta, der er vigtige for det spørgsmål, næste model skal besvare.
Specificér det ønskede sprog, den ønskede længde og det ønskede layout i indholdsinstruktionerne. Den offentliggjorte model bruger systempromptstyring til disse valg, mens samplingkonfigurationen er fast for trofast output. En sammenfatning til en person og en kompakt passage til en anden model kan derfor bruge forskellige layouts uden at behandle samplingvariation som hovedkontrol.
Bevar dokumentnavne og vigtige afsnitsgrænser sammen med kilden. Bed sammenfatningen bevare navne, tal, angivne beslutninger og enhver uenighed, der påvirker fortolkningen. Til en transskription skal du skelne mellem et forslag og en beslutning og mellem et uafklaret spørgsmål og en tildelt handling.
Efter generering skal du sammenligne den kondenserede tekst med originalmaterialet. Kontrollér, om en sætning ændrer sikkerheden i en påstand, udelader en betingelse eller kombinerer udsagn, der tilhører forskellige talere eller afsnit. Formålet med et kortere resultat er at gøre belæggene lettere at bruge, mens betydningen bevares.
Det offentliggjorte inputomfang omfatter tekst, billeder og filer såsom PDF'er, og modellen returnerer tekst. Angiv læsbart materiale, og definér, om opgaven vedrører hele dokumentet eller et udvalgt afsnit. En samling har gavn af konsekvente sammenfatningsspørgsmål og en dokumentidentifikator bevaret med hvert resultat.
Til forbehandling ved hentning skal du forkorte indhold omkring det specifikke spørgsmål, efterfølgende ræsonnering skal behandle. Bevar de passager eller fakta, der understøtter et svar, frem for at producere en generisk kildeoversigt. Bevar det oprindeligt hentede materiale, så det senere resultat stadig kan kontrolleres mod det.
Det offentliggjorte kontekstvindue er 1.000.000 tokens, og completion-grænsen er 4.000 tokens. Angiv en sammenfatningslængde, der passer til det tilsigtede produkt. Hvis en stor samling kræver betydelige detaljer, skal du organisere den i identificerede dokumenter eller afsnit og bevare et særskilt resultat for hvert, før et samlet resumé udarbejdes.
Resultatet er en tekstsammenfatning. Validér enhver maskinbrugt struktur i applikationen, mens den skrevne sammenfatning holdes læsbar for den tilsigtede målgruppe. Gem sammenfatningen med kildeidentiteten og de instruktioner, der bestemte fokus, sprog og længde.
scaledown/summarizeSummarize omskriver lang tekst og dokumenter til en flydende, trofast sammenfatning. Angiv fokus, sprog, længde og format gennem instruktioner, og brug derefter resultatet til dokumentgennemgang, transskriptionsresuméer eller kortere hentningskontekst. Det offentliggjorte vindue er 1.000.000 tokens med en completion-grænse på 4.000 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Summarize er ScaleDowns abstraktive sammenfatningsmodel. Den kondenserer angivet tekst og dokumenter til en flydende omskrivning frem for at udvælge nogle få oprindelige sætninger ordret. Dens offentliggjorte anvendelser omfatter dokumentgennemgang, transskriptionsresuméer og forkortelse af hentet materiale, før en anden model bruger det.
Giv opgaven et fokus og en tilsigtet læser. Et mødereferat kan bevare beslutninger, ansvar og åbne spørgsmål. En dokumentgennemgang kan bevare hovedpåstandene og underbyggende belæg. Et hentningsforløb kan bevare de fakta, der er vigtige for det spørgsmål, næste model skal besvare.
Specificér det ønskede sprog, den ønskede længde og det ønskede layout i indholdsinstruktionerne. Den offentliggjorte model bruger systempromptstyring til disse valg, mens samplingkonfigurationen er fast for trofast output. En sammenfatning til en person og en kompakt passage til en anden model kan derfor bruge forskellige layouts uden at behandle samplingvariation som hovedkontrol.
Bevar dokumentnavne og vigtige afsnitsgrænser sammen med kilden. Bed sammenfatningen bevare navne, tal, angivne beslutninger og enhver uenighed, der påvirker fortolkningen. Til en transskription skal du skelne mellem et forslag og en beslutning og mellem et uafklaret spørgsmål og en tildelt handling.
Efter generering skal du sammenligne den kondenserede tekst med originalmaterialet. Kontrollér, om en sætning ændrer sikkerheden i en påstand, udelader en betingelse eller kombinerer udsagn, der tilhører forskellige talere eller afsnit. Formålet med et kortere resultat er at gøre belæggene lettere at bruge, mens betydningen bevares.
Det offentliggjorte inputomfang omfatter tekst, billeder og filer såsom PDF'er, og modellen returnerer tekst. Angiv læsbart materiale, og definér, om opgaven vedrører hele dokumentet eller et udvalgt afsnit. En samling har gavn af konsekvente sammenfatningsspørgsmål og en dokumentidentifikator bevaret med hvert resultat.
Til forbehandling ved hentning skal du forkorte indhold omkring det specifikke spørgsmål, efterfølgende ræsonnering skal behandle. Bevar de passager eller fakta, der understøtter et svar, frem for at producere en generisk kildeoversigt. Bevar det oprindeligt hentede materiale, så det senere resultat stadig kan kontrolleres mod det.
Det offentliggjorte kontekstvindue er 1.000.000 tokens, og completion-grænsen er 4.000 tokens. Angiv en sammenfatningslængde, der passer til det tilsigtede produkt. Hvis en stor samling kræver betydelige detaljer, skal du organisere den i identificerede dokumenter eller afsnit og bevare et særskilt resultat for hvert, før et samlet resumé udarbejdes.
Resultatet er en tekstsammenfatning. Validér enhver maskinbrugt struktur i applikationen, mens den skrevne sammenfatning holdes læsbar for den tilsigtede målgruppe. Gem sammenfatningen med kildeidentiteten og de instruktioner, der bestemte fokus, sprog og længde.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser scaledown/summarize | 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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0001 / 1K tokens Output · Outputtokens $0 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0001 / 1K tokens Output · Outputtokens $0 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"scaledown/summarize","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="scaledown/summarize", 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 scaledown/summarize
/chat/completions
scaledown/summarizeSummarize omskriver lang tekst og dokumenter til en flydende, trofast sammenfatning. Angiv fokus, sprog, længde og format gennem instruktioner, og brug derefter resultatet til dokumentgennemgang, transskriptionsresuméer eller kortere hentningskontekst. Det offentliggjorte vindue er 1.000.000 tokens med en completion-grænse på 4.000 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Summarize er ScaleDowns abstraktive sammenfatningsmodel. Den kondenserer angivet tekst og dokumenter til en flydende omskrivning frem for at udvælge nogle få oprindelige sætninger ordret. Dens offentliggjorte anvendelser omfatter dokumentgennemgang, transskriptionsresuméer og forkortelse af hentet materiale, før en anden model bruger det.
Giv opgaven et fokus og en tilsigtet læser. Et mødereferat kan bevare beslutninger, ansvar og åbne spørgsmål. En dokumentgennemgang kan bevare hovedpåstandene og underbyggende belæg. Et hentningsforløb kan bevare de fakta, der er vigtige for det spørgsmål, næste model skal besvare.
Specificér det ønskede sprog, den ønskede længde og det ønskede layout i indholdsinstruktionerne. Den offentliggjorte model bruger systempromptstyring til disse valg, mens samplingkonfigurationen er fast for trofast output. En sammenfatning til en person og en kompakt passage til en anden model kan derfor bruge forskellige layouts uden at behandle samplingvariation som hovedkontrol.
Bevar dokumentnavne og vigtige afsnitsgrænser sammen med kilden. Bed sammenfatningen bevare navne, tal, angivne beslutninger og enhver uenighed, der påvirker fortolkningen. Til en transskription skal du skelne mellem et forslag og en beslutning og mellem et uafklaret spørgsmål og en tildelt handling.
Efter generering skal du sammenligne den kondenserede tekst med originalmaterialet. Kontrollér, om en sætning ændrer sikkerheden i en påstand, udelader en betingelse eller kombinerer udsagn, der tilhører forskellige talere eller afsnit. Formålet med et kortere resultat er at gøre belæggene lettere at bruge, mens betydningen bevares.
Det offentliggjorte inputomfang omfatter tekst, billeder og filer såsom PDF'er, og modellen returnerer tekst. Angiv læsbart materiale, og definér, om opgaven vedrører hele dokumentet eller et udvalgt afsnit. En samling har gavn af konsekvente sammenfatningsspørgsmål og en dokumentidentifikator bevaret med hvert resultat.
Til forbehandling ved hentning skal du forkorte indhold omkring det specifikke spørgsmål, efterfølgende ræsonnering skal behandle. Bevar de passager eller fakta, der understøtter et svar, frem for at producere en generisk kildeoversigt. Bevar det oprindeligt hentede materiale, så det senere resultat stadig kan kontrolleres mod det.
Det offentliggjorte kontekstvindue er 1.000.000 tokens, og completion-grænsen er 4.000 tokens. Angiv en sammenfatningslængde, der passer til det tilsigtede produkt. Hvis en stor samling kræver betydelige detaljer, skal du organisere den i identificerede dokumenter eller afsnit og bevare et særskilt resultat for hvert, før et samlet resumé udarbejdes.
Resultatet er en tekstsammenfatning. Validér enhver maskinbrugt struktur i applikationen, mens den skrevne sammenfatning holdes læsbar for den tilsigtede målgruppe. Gem sammenfatningen med kildeidentiteten og de instruktioner, der bestemte fokus, sprog og længde.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser scaledown/summarize | 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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0001 / 1K tokens Output · Outputtokens $0 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0001 / 1K tokens Output · Outputtokens $0 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "scaledown/summarize",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'scaledown/summarize', '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': 'scaledown/summarize', '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 scaledown/summarize
/chat/completions