Solar Pro 4 er Upstages agentfokuserede model til dokumentbaseret arbejde, kodning og forretningsopgaver. Dens modelkort angiver en kontekst på 512K og op til 128K outputtokens med input og output på engelsk, koreansk og japansk og en skæringsdato for træningsdata i februar 2026. Producenten oplyser ikke parameterantallet.
Udgivelsen er organiseret omkring fuldført arbejde frem for et isoleret svar. Den beskriver læsning af dokumenter, afstemning af data på tværs af filer, brug af værktøjer og fremstilling af det færdige produkt. Producentens OfficeVerse-træningsforløb skaber kontoropgaver ud fra offentlige data på tværs af elleve brancheområder og tolv opgavetyper med slutproduktet vurderet mod opgaven.
Et producenteksempel kombinerer et politikdokument og seks datafiler for at vurdere ti mulige lokationer. Den forbundne arbejdsgang producerer efter hinanden en projektmappe med fem ark, en vurderingsrapport og en præsentation, hvor de samme tal videreføres fra det ene produkt til det næste. Forbered en lignende opgave med regler, datadefinitioner og produkter angivet fra starten; den omgivende applikation leverer de værktøjer, der opretter filerne.
Dokumentarbejde underbygget af belæg er et andet fokus. Bed modellen identificere den klausul eller det tekststykke, der understøtter et resultat, tydeliggøre, hvilke oplysninger der mangler, og markere en uoverensstemmelse mellem dokumenter. En nyttig rapport adskiller den kildeunderbyggede oplysning, dens fortolkning og enhver uafklaret betingelse. Et flydende svar udfylder ikke et hul i kildematerialet.
Modellen understøtter funktionskald og strukturerede output. Definér værktøjer med deres faktiske argumenter, udfør det ønskede kald i applikationen, og returnér resultatet. Brug et skema, når outputtet kræver faste felter og typer, mens de udtrukne værdier holdes knyttet til belægget. Producentens JSON-tilstand og skemabegrænset output er forskellige outputvalg.
Producentens aktuelle ræsonnementsvejledning holder tænkning slået fra, når indsats udelades. None og minimal holder den slået fra; low, medium, high, xhigh og max aktiverer den. Når ræsonnement er slået til, deler dets tokens outputbudgettet med svaret. Efterlad tilstrækkelig plads til den endelige rapport eller foreslåede kode frem for at afsætte hele genereringen til tænkning.
Ved et slutprodukt skal du identificere det færdige produkt, de vigtige tal eller resultater og de observationer, der blev brugt til at kontrollere dem. Solar Pro 4 er adskilt fra Solar Pro 3 og de særskilt idriftsættelige Solar Open-modeller. Producentens arbejdsgange viser, hvordan tekstgenerering og forbundne værktøjer kombineres; de får ikke en fil eller en ekstern handling til at eksistere, før applikationen faktisk opretter eller udfører den.
", "aboutText": "Solar Pro 4 er Upstages agentfokuserede model til dokumentbaseret arbejde, kodning og forretningsopgaver. Dens modelkort angiver en kontekst på 512K og op til 128K outputtokens med input og output på engelsk, koreansk og japansk og en skæringsdato for træningsdata i februar 2026. Producenten oplyser ikke parameterantallet.\n\nUdgivelsen er organiseret omkring fuldført arbejde frem for et isoleret svar. Den beskriver læsning af dokumenter, afstemning af data på tværs af filer, brug af værktøjer og fremstilling af det færdige produkt. Producentens OfficeVerse-træningsforløb skaber kontoropgaver ud fra offentlige data på tværs af elleve brancheområder og tolv opgavetyper med slutproduktet vurderet mod opgaven.\n\nEt producenteksempel kombinerer et politikdokument og seks datafiler for at vurdere ti mulige lokationer. Den forbundne arbejdsgang producerer efter hinanden en projektmappe med fem ark, en vurderingsrapport og en præsentation, hvor de samme tal videreføres fra det ene produkt til det næste. Forbered en lignende opgave med regler, datadefinitioner og produkter angivet fra starten; den omgivende applikation leverer de værktøjer, der opretter filerne.\n\nDokumentarbejde underbygget af belæg er et andet fokus. Bed modellen identificere den klausul eller det tekststykke, der understøtter et resultat, tydeliggøre, hvilke oplysninger der mangler, og markere en uoverensstemmelse mellem dokumenter. En nyttig rapport adskiller den kildeunderbyggede oplysning, dens fortolkning og enhver uafklaret betingelse. Et flydende svar udfylder ikke et hul i kildematerialet.\n\nModellen understøtter funktionskald og strukturerede output. Definér værktøjer med deres faktiske argumenter, udfør det ønskede kald i applikationen, og returnér resultatet. Brug et skema, når outputtet kræver faste felter og typer, mens de udtrukne værdier holdes knyttet til belægget. Producentens JSON-tilstand og skemabegrænset output er forskellige outputvalg.\n\nProducentens aktuelle ræsonnementsvejledning holder tænkning slået fra, når indsats udelades. None og minimal holder den slået fra; low, medium, high, xhigh og max aktiverer den. Når ræsonnement er slået til, deler dets tokens outputbudgettet med svaret. Efterlad tilstrækkelig plads til den endelige rapport eller foreslåede kode frem for at afsætte hele genereringen til tænkning.\n\nVed et slutprodukt skal du identificere det færdige produkt, de vigtige tal eller resultater og de observationer, der blev brugt til at kontrollere dem. Solar Pro 4 er adskilt fra Solar Pro 3 og de særskilt idriftsættelige Solar Open-modeller. Producentens arbejdsgange viser, hvordan tekstgenerering og forbundne værktøjer kombineres; de får ikke en fil eller en ekstern handling til at eksistere, før applikationen faktisk opretter eller udfører den.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Reconcile a document-based office report\n\nPrepare report content from two text records. Policy P: every workshop needs a named facilitator and at least 12 seats. Schedule S: Room A, 16 seats, facilitator Kim; Room B, 10 seats, facilitator Lee; Room C, 20 seats, facilitator blank. Return a source-linked review table and a three-sentence management summary using the same findings. Do not claim to create files.A three-room requirements table and a consistent management summary identifying capacity and missing-facilitator gaps.The table and summary agree, and a blank facilitator is treated as missing rather than invented.upstage/solar-pro4Upstages Solar Pro 4 er en tekstmodel til dokumenttungt arbejde, kodning og agentopgaver i flere trin. Den understøtter engelsk, koreansk og japansk, en kontekst på 512K, op til 128K outputtokens, strukturerede svar og værktøjskald.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Solar Pro 4 er Upstages agentfokuserede model til dokumentbaseret arbejde, kodning og forretningsopgaver. Dens modelkort angiver en kontekst på 512K og op til 128K outputtokens med input og output på engelsk, koreansk og japansk og en skæringsdato for træningsdata i februar 2026. Producenten oplyser ikke parameterantallet.
Udgivelsen er organiseret omkring fuldført arbejde frem for et isoleret svar. Den beskriver læsning af dokumenter, afstemning af data på tværs af filer, brug af værktøjer og fremstilling af det færdige produkt. Producentens OfficeVerse-træningsforløb skaber kontoropgaver ud fra offentlige data på tværs af elleve brancheområder og tolv opgavetyper med slutproduktet vurderet mod opgaven.
Et producenteksempel kombinerer et politikdokument og seks datafiler for at vurdere ti mulige lokationer. Den forbundne arbejdsgang producerer efter hinanden en projektmappe med fem ark, en vurderingsrapport og en præsentation, hvor de samme tal videreføres fra det ene produkt til det næste. Forbered en lignende opgave med regler, datadefinitioner og produkter angivet fra starten; den omgivende applikation leverer de værktøjer, der opretter filerne.
Dokumentarbejde underbygget af belæg er et andet fokus. Bed modellen identificere den klausul eller det tekststykke, der understøtter et resultat, tydeliggøre, hvilke oplysninger der mangler, og markere en uoverensstemmelse mellem dokumenter. En nyttig rapport adskiller den kildeunderbyggede oplysning, dens fortolkning og enhver uafklaret betingelse. Et flydende svar udfylder ikke et hul i kildematerialet.
Modellen understøtter funktionskald og strukturerede output. Definér værktøjer med deres faktiske argumenter, udfør det ønskede kald i applikationen, og returnér resultatet. Brug et skema, når outputtet kræver faste felter og typer, mens de udtrukne værdier holdes knyttet til belægget. Producentens JSON-tilstand og skemabegrænset output er forskellige outputvalg.
Producentens aktuelle ræsonnementsvejledning holder tænkning slået fra, når indsats udelades. None og minimal holder den slået fra; low, medium, high, xhigh og max aktiverer den. Når ræsonnement er slået til, deler dets tokens outputbudgettet med svaret. Efterlad tilstrækkelig plads til den endelige rapport eller foreslåede kode frem for at afsætte hele genereringen til tænkning.
Ved et slutprodukt skal du identificere det færdige produkt, de vigtige tal eller resultater og de observationer, der blev brugt til at kontrollere dem. Solar Pro 4 er adskilt fra Solar Pro 3 og de særskilt idriftsættelige Solar Open-modeller. Producentens arbejdsgange viser, hvordan tekstgenerering og forbundne værktøjer kombineres; de får ikke en fil eller en ekstern handling til at eksistere, før applikationen faktisk opretter eller udfører den.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser upstage/solar-pro4 | 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.
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 $0.0006 / 1K tokens Output · Outputtokens $0.0024 / 1K tokens Input · Cachelæsning $0.00012 / 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 $0.0006 / 1K tokens Output · Outputtokens $0.0024 / 1K tokens Input · Cachelæsning $0.00012 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "upstage/solar-pro4", "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='upstage/solar-pro4',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='upstage/solar-pro4',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 upstage/solar-pro4
Brug metodestierne vist ovenfor.
upstage/solar-pro4Upstages Solar Pro 4 er en tekstmodel til dokumenttungt arbejde, kodning og agentopgaver i flere trin. Den understøtter engelsk, koreansk og japansk, en kontekst på 512K, op til 128K outputtokens, strukturerede svar og værktøjskald.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Solar Pro 4 er Upstages agentfokuserede model til dokumentbaseret arbejde, kodning og forretningsopgaver. Dens modelkort angiver en kontekst på 512K og op til 128K outputtokens med input og output på engelsk, koreansk og japansk og en skæringsdato for træningsdata i februar 2026. Producenten oplyser ikke parameterantallet.
Udgivelsen er organiseret omkring fuldført arbejde frem for et isoleret svar. Den beskriver læsning af dokumenter, afstemning af data på tværs af filer, brug af værktøjer og fremstilling af det færdige produkt. Producentens OfficeVerse-træningsforløb skaber kontoropgaver ud fra offentlige data på tværs af elleve brancheområder og tolv opgavetyper med slutproduktet vurderet mod opgaven.
Et producenteksempel kombinerer et politikdokument og seks datafiler for at vurdere ti mulige lokationer. Den forbundne arbejdsgang producerer efter hinanden en projektmappe med fem ark, en vurderingsrapport og en præsentation, hvor de samme tal videreføres fra det ene produkt til det næste. Forbered en lignende opgave med regler, datadefinitioner og produkter angivet fra starten; den omgivende applikation leverer de værktøjer, der opretter filerne.
Dokumentarbejde underbygget af belæg er et andet fokus. Bed modellen identificere den klausul eller det tekststykke, der understøtter et resultat, tydeliggøre, hvilke oplysninger der mangler, og markere en uoverensstemmelse mellem dokumenter. En nyttig rapport adskiller den kildeunderbyggede oplysning, dens fortolkning og enhver uafklaret betingelse. Et flydende svar udfylder ikke et hul i kildematerialet.
Modellen understøtter funktionskald og strukturerede output. Definér værktøjer med deres faktiske argumenter, udfør det ønskede kald i applikationen, og returnér resultatet. Brug et skema, når outputtet kræver faste felter og typer, mens de udtrukne værdier holdes knyttet til belægget. Producentens JSON-tilstand og skemabegrænset output er forskellige outputvalg.
Producentens aktuelle ræsonnementsvejledning holder tænkning slået fra, når indsats udelades. None og minimal holder den slået fra; low, medium, high, xhigh og max aktiverer den. Når ræsonnement er slået til, deler dets tokens outputbudgettet med svaret. Efterlad tilstrækkelig plads til den endelige rapport eller foreslåede kode frem for at afsætte hele genereringen til tænkning.
Ved et slutprodukt skal du identificere det færdige produkt, de vigtige tal eller resultater og de observationer, der blev brugt til at kontrollere dem. Solar Pro 4 er adskilt fra Solar Pro 3 og de særskilt idriftsættelige Solar Open-modeller. Producentens arbejdsgange viser, hvordan tekstgenerering og forbundne værktøjer kombineres; de får ikke en fil eller en ekstern handling til at eksistere, før applikationen faktisk opretter eller udfører den.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser upstage/solar-pro4 | 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 $0.0006 / 1K tokens Output · Outputtokens $0.0024 / 1K tokens Input · Cachelæsning $0.00012 / 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 $0.0006 / 1K tokens Output · Outputtokens $0.0024 / 1K tokens Input · Cachelæsning $0.00012 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "upstage/solar-pro4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'upstage/solar-pro4', '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': 'upstage/solar-pro4', '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 upstage/solar-pro4
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Reconcile a document-based office report\n\nPrepare report content from two text records. Policy P: every workshop needs a named facilitator and at least 12 seats. Schedule S: Room A, 16 seats, facilitator Kim; Room B, 10 seats, facilitator Lee; Room C, 20 seats, facilitator blank. Return a source-linked review table and a three-sentence management summary using the same findings. Do not claim to create files.A three-room requirements table and a consistent management summary identifying capacity and missing-facilitator gaps.The table and summary agree, and a blank facilitator is treated as missing rather than invented.