Palmyra X5 er WRITERs generelle virksomhedsmodel til opgaver med stor kontekst og agentarbejdsgange. Producenten angiver en kontekst på 1M tokens og op til 8192 outputtokens med adaptivt ræsonnement. Tekst og billeder kan kombineres i en chatanmodning, og modellen genererer et tekstsvar eller foreslåede funktionskald til applikationen.
Dens arkitektur kombinerer lineær attention og softmax-attention med et mixture-of-experts-design. Den store kontekst kan holde instruktionerne, hentede dokumenter og resultater fra tidligere værktøjsinteraktioner samlet. Forbered dette arbejdsgrundlag omkring et defineret mål, og efterlad plads til det endelige svar frem for at behandle inputkapaciteten og outputgrænsen som samme størrelse.
Producenten organiserer anvendelseseksemplerne omkring virksomhedsarbejde i flere trin. Supportdokumentation kan klassificere en anmodning, vurdere, hvor meget den haster, og forberede en opdatering til gennemgang. Arbejde med indholdets livscyklus kan identificere materiale, der skal revideres, og foreslå en erstatning. Finansielle opgaver eller fondsrapportering kan kombinere den leverede research og de leverede oplysninger i en analyse, mens den omgivende applikation henter de faktiske data og udfører eventuelle handlinger.
Applikationer med store datamængder omfatter feedbackanalyse, researchresuméer og sammenligning af lange rapporter. Angiv de fælles kriterier og de felter eller konklusioner, resultatet skal indeholde. En nyttig rapport skelner kildens eksplicitte oplysninger fra en slutning og holder det understøttende tekststykke eller den understøttende registrering knyttet til hvert vigtigt resultat.
Til billedanalyse skal du levere ét eller flere billeder sammen med det skriftlige spørgsmål i samme samtale. Identificér den synlige detalje, der skal undersøges, og lever eventuel særskilt dokumentkontekst, der er nødvendig for fortolkningen. Producentens billedvejledning gælder specifikt X5; billedgenerering og senere agentproduktfunktioner i X6 er andre egenskaber.
Funktionskald forbinder modellen med applikationens funktioner gennem deres definitioner og argumentskemaer. Applikationen udfører et ønsket kald, tilføjer resultatet og fortsætter samtalen. Hvis flere kald returneres, skal du bevare forbindelsen mellem hvert kald og dets resultat, før du beder om det endelige svar. Et streamet kald skal samles fra sine dele før udførelse.
Bed om et slutprodukt, der passer til opgaven: et ledelsesresumé, et struktureret sæt resultater, et revisionsudkast eller en foreslået næste handling med belæg. Hold Palmyra X5 adskilt fra X4 og X6 og fra platformspecifikke kontekstvarianter. Modellens svar og adaptive ræsonnement understøtter arbejdsgangen; applikationens værktøjer og observationer fastslår det faktiske udfald.
", "aboutText": "Palmyra X5 er WRITERs generelle virksomhedsmodel til opgaver med stor kontekst og agentarbejdsgange. Producenten angiver en kontekst på 1M tokens og op til 8192 outputtokens med adaptivt ræsonnement. Tekst og billeder kan kombineres i en chatanmodning, og modellen genererer et tekstsvar eller foreslåede funktionskald til applikationen.\n\nDens arkitektur kombinerer lineær attention og softmax-attention med et mixture-of-experts-design. Den store kontekst kan holde instruktionerne, hentede dokumenter og resultater fra tidligere værktøjsinteraktioner samlet. Forbered dette arbejdsgrundlag omkring et defineret mål, og efterlad plads til det endelige svar frem for at behandle inputkapaciteten og outputgrænsen som samme størrelse.\n\nProducenten organiserer anvendelseseksemplerne omkring virksomhedsarbejde i flere trin. Supportdokumentation kan klassificere en anmodning, vurdere, hvor meget den haster, og forberede en opdatering til gennemgang. Arbejde med indholdets livscyklus kan identificere materiale, der skal revideres, og foreslå en erstatning. Finansielle opgaver eller fondsrapportering kan kombinere den leverede research og de leverede oplysninger i en analyse, mens den omgivende applikation henter de faktiske data og udfører eventuelle handlinger.\n\nApplikationer med store datamængder omfatter feedbackanalyse, researchresuméer og sammenligning af lange rapporter. Angiv de fælles kriterier og de felter eller konklusioner, resultatet skal indeholde. En nyttig rapport skelner kildens eksplicitte oplysninger fra en slutning og holder det understøttende tekststykke eller den understøttende registrering knyttet til hvert vigtigt resultat.\n\nTil billedanalyse skal du levere ét eller flere billeder sammen med det skriftlige spørgsmål i samme samtale. Identificér den synlige detalje, der skal undersøges, og lever eventuel særskilt dokumentkontekst, der er nødvendig for fortolkningen. Producentens billedvejledning gælder specifikt X5; billedgenerering og senere agentproduktfunktioner i X6 er andre egenskaber.\n\nFunktionskald forbinder modellen med applikationens funktioner gennem deres definitioner og argumentskemaer. Applikationen udfører et ønsket kald, tilføjer resultatet og fortsætter samtalen. Hvis flere kald returneres, skal du bevare forbindelsen mellem hvert kald og dets resultat, før du beder om det endelige svar. Et streamet kald skal samles fra sine dele før udførelse.\n\nBed om et slutprodukt, der passer til opgaven: et ledelsesresumé, et struktureret sæt resultater, et revisionsudkast eller en foreslået næste handling med belæg. Hold Palmyra X5 adskilt fra X4 og X6 og fra platformspecifikke kontekstvarianter. Modellens svar og adaptive ræsonnement understøtter arbejdsgangen; applikationens værktøjer og observationer fastslår det faktiske udfald.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Revise an outdated support article\n\nRevise this support paragraph using the approved change note. Existing: Reports are emailed every day to all workspace members. Change note C1: Reports are emailed weekly to workspace administrators only; users can still download reports manually. Return a replacement paragraph and a change table mapping each edited claim to C1. Avoid adding scheduling controls.A replacement support paragraph and a concise old-claim/new-claim/source table.Check that frequency, recipient group and manual download behavior all match C1, with no invented interface controls.writer/palmyra-x5WRITERs Palmyra X5 er en virksomhedsmodel til dokumentarbejde med lang kontekst og agenter med flere trin. Den kombinerer en kontekst på 1M, adaptivt ræsonnement, chat med billedforståelse og funktionskald med op til 8192 outputtokens i producentens aktuelle specifikation.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Palmyra X5 er WRITERs generelle virksomhedsmodel til opgaver med stor kontekst og agentarbejdsgange. Producenten angiver en kontekst på 1M tokens og op til 8192 outputtokens med adaptivt ræsonnement. Tekst og billeder kan kombineres i en chatanmodning, og modellen genererer et tekstsvar eller foreslåede funktionskald til applikationen.
Dens arkitektur kombinerer lineær attention og softmax-attention med et mixture-of-experts-design. Den store kontekst kan holde instruktionerne, hentede dokumenter og resultater fra tidligere værktøjsinteraktioner samlet. Forbered dette arbejdsgrundlag omkring et defineret mål, og efterlad plads til det endelige svar frem for at behandle inputkapaciteten og outputgrænsen som samme størrelse.
Producenten organiserer anvendelseseksemplerne omkring virksomhedsarbejde i flere trin. Supportdokumentation kan klassificere en anmodning, vurdere, hvor meget den haster, og forberede en opdatering til gennemgang. Arbejde med indholdets livscyklus kan identificere materiale, der skal revideres, og foreslå en erstatning. Finansielle opgaver eller fondsrapportering kan kombinere den leverede research og de leverede oplysninger i en analyse, mens den omgivende applikation henter de faktiske data og udfører eventuelle handlinger.
Applikationer med store datamængder omfatter feedbackanalyse, researchresuméer og sammenligning af lange rapporter. Angiv de fælles kriterier og de felter eller konklusioner, resultatet skal indeholde. En nyttig rapport skelner kildens eksplicitte oplysninger fra en slutning og holder det understøttende tekststykke eller den understøttende registrering knyttet til hvert vigtigt resultat.
Til billedanalyse skal du levere ét eller flere billeder sammen med det skriftlige spørgsmål i samme samtale. Identificér den synlige detalje, der skal undersøges, og lever eventuel særskilt dokumentkontekst, der er nødvendig for fortolkningen. Producentens billedvejledning gælder specifikt X5; billedgenerering og senere agentproduktfunktioner i X6 er andre egenskaber.
Funktionskald forbinder modellen med applikationens funktioner gennem deres definitioner og argumentskemaer. Applikationen udfører et ønsket kald, tilføjer resultatet og fortsætter samtalen. Hvis flere kald returneres, skal du bevare forbindelsen mellem hvert kald og dets resultat, før du beder om det endelige svar. Et streamet kald skal samles fra sine dele før udførelse.
Bed om et slutprodukt, der passer til opgaven: et ledelsesresumé, et struktureret sæt resultater, et revisionsudkast eller en foreslået næste handling med belæg. Hold Palmyra X5 adskilt fra X4 og X6 og fra platformspecifikke kontekstvarianter. Modellens svar og adaptive ræsonnement understøtter arbejdsgangen; applikationens værktøjer og observationer fastslår det faktiske udfald.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser writer/palmyra-x5 | 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 $0.0012 / 1K tokens Output · Outputtokens $0.012 / 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 $0.0012 / 1K tokens Output · Outputtokens $0.012 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "writer/palmyra-x5", "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='writer/palmyra-x5',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='writer/palmyra-x5',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 writer/palmyra-x5
Brug metodestierne vist ovenfor.
writer/palmyra-x5WRITERs Palmyra X5 er en virksomhedsmodel til dokumentarbejde med lang kontekst og agenter med flere trin. Den kombinerer en kontekst på 1M, adaptivt ræsonnement, chat med billedforståelse og funktionskald med op til 8192 outputtokens i producentens aktuelle specifikation.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Palmyra X5 er WRITERs generelle virksomhedsmodel til opgaver med stor kontekst og agentarbejdsgange. Producenten angiver en kontekst på 1M tokens og op til 8192 outputtokens med adaptivt ræsonnement. Tekst og billeder kan kombineres i en chatanmodning, og modellen genererer et tekstsvar eller foreslåede funktionskald til applikationen.
Dens arkitektur kombinerer lineær attention og softmax-attention med et mixture-of-experts-design. Den store kontekst kan holde instruktionerne, hentede dokumenter og resultater fra tidligere værktøjsinteraktioner samlet. Forbered dette arbejdsgrundlag omkring et defineret mål, og efterlad plads til det endelige svar frem for at behandle inputkapaciteten og outputgrænsen som samme størrelse.
Producenten organiserer anvendelseseksemplerne omkring virksomhedsarbejde i flere trin. Supportdokumentation kan klassificere en anmodning, vurdere, hvor meget den haster, og forberede en opdatering til gennemgang. Arbejde med indholdets livscyklus kan identificere materiale, der skal revideres, og foreslå en erstatning. Finansielle opgaver eller fondsrapportering kan kombinere den leverede research og de leverede oplysninger i en analyse, mens den omgivende applikation henter de faktiske data og udfører eventuelle handlinger.
Applikationer med store datamængder omfatter feedbackanalyse, researchresuméer og sammenligning af lange rapporter. Angiv de fælles kriterier og de felter eller konklusioner, resultatet skal indeholde. En nyttig rapport skelner kildens eksplicitte oplysninger fra en slutning og holder det understøttende tekststykke eller den understøttende registrering knyttet til hvert vigtigt resultat.
Til billedanalyse skal du levere ét eller flere billeder sammen med det skriftlige spørgsmål i samme samtale. Identificér den synlige detalje, der skal undersøges, og lever eventuel særskilt dokumentkontekst, der er nødvendig for fortolkningen. Producentens billedvejledning gælder specifikt X5; billedgenerering og senere agentproduktfunktioner i X6 er andre egenskaber.
Funktionskald forbinder modellen med applikationens funktioner gennem deres definitioner og argumentskemaer. Applikationen udfører et ønsket kald, tilføjer resultatet og fortsætter samtalen. Hvis flere kald returneres, skal du bevare forbindelsen mellem hvert kald og dets resultat, før du beder om det endelige svar. Et streamet kald skal samles fra sine dele før udførelse.
Bed om et slutprodukt, der passer til opgaven: et ledelsesresumé, et struktureret sæt resultater, et revisionsudkast eller en foreslået næste handling med belæg. Hold Palmyra X5 adskilt fra X4 og X6 og fra platformspecifikke kontekstvarianter. Modellens svar og adaptive ræsonnement understøtter arbejdsgangen; applikationens værktøjer og observationer fastslår det faktiske udfald.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser writer/palmyra-x5 | 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 $0.0012 / 1K tokens Output · Outputtokens $0.012 / 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 $0.0012 / 1K tokens Output · Outputtokens $0.012 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "writer/palmyra-x5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'writer/palmyra-x5', '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': 'writer/palmyra-x5', '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 writer/palmyra-x5
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Revise an outdated support article\n\nRevise this support paragraph using the approved change note. Existing: Reports are emailed every day to all workspace members. Change note C1: Reports are emailed weekly to workspace administrators only; users can still download reports manually. Return a replacement paragraph and a change table mapping each edited claim to C1. Avoid adding scheduling controls.A replacement support paragraph and a concise old-claim/new-claim/source table.Check that frequency, recipient group and manual download behavior all match C1, with no invented interface controls.