abab6.5s gehört zu MiniMaxs abab6.5-Reihe allgemeiner großer Sprachmodelle. Laut Hersteller verwendet es dieselben Trainingstechniken und Daten wie sein größeres Gegenstück, mit einem Schwerpunkt auf Effizienz. Die ursprüngliche Veröffentlichung dokumentiert einen Kontext von 200K Tokens. Benennen Sie die s-Ausgabe ausdrücklich, wenn Sie eine Aufgabe aufbewahren oder ein anderes Mitglied der Reihe vergleichen.
MiniMax verbindet die Reihe mit seiner Mixture-of-Experts-Entwicklung. Die Veröffentlichung beschreibt Verbesserungen der Modellarchitektur, einen Neuaufbau der Datenpipeline sowie die Optimierung von Trainingsalgorithmen und Strategien für paralleles Training.
Die beiden Mitglieder teilen eine Trainingsausrichtung und bleiben dennoch eigenständige Ausgaben. Wählen Sie für die Textaufgabe das benannte Modell und bewahren Sie Quellmaterial und endgültige Antwort zusammen mit dieser Zuordnung auf. Die Positionierung eines Modells als effizient ersetzt nicht die Prüfung des tatsächlichen Ergebnisses, das es zu einer bestimmten Frage erzeugt.
Nutzen Sie das Kontextbudget, um das Material zusammenzuführen, das für die Beantwortung einer klar definierten Frage benötigt wird. Kennzeichnen Sie Dokumente, erhalten Sie ihre Abschnittsgrenzen und halten Sie wichtige Definitionen, Datumsangaben und Kennungen sichtbar. Geben Sie der Antwort eine konkrete Form: eine Zusammenfassung, einen Vergleich, einen extrahierten Datensatz oder eine überarbeitete Passage.
Zum Beispiel: „Vergleiche die bereitgestellten Richtlinienabschnitte, ermittle die Unterschiede zwischen ihren Anforderungen und füge den Wortlaut bei, der jeden Unterschied belegt.“ Entscheiden Sie, welche Unterscheidung wichtig ist, bevor Sie sachfremde Dokumente hinzufügen. Eine umfangreiche Sammlung lässt sich leichter bearbeiten, wenn die Frage erklärt, wie ihre Teile miteinander verknüpft werden sollen.
Wenn eine Aufgabe weit auseinanderliegende Passagen umfasst, verlangen Sie, dass die Antwort die Abschnitte benennt, auf denen sie beruht. Erhalten Sie bei einer wichtigen Bedingung den ursprünglichen Wortlaut, statt ihn durch eine frühe Zusammenfassung zu ersetzen, bei der eine Einschränkung verloren gehen könnte. Wenn das Material einen angeforderten Wert oder Zusammenhang nicht belegt, lassen Sie diesen Punkt im Ergebnis offen.
Stellen Sie für Entwürfe die zugrunde liegenden Fakten, die Zielgruppe und die erforderliche Struktur bereit. Benennen Sie bei Überarbeitungen, welche Bedeutung erhalten bleiben muss und welche Darstellungsentscheidung sich ändern soll. Eine Folgeanfrage kann die konkret zu korrigierende Passage und den Grund zurückgeben und so die nächste Dialogrunde auf ein greifbares Problem ausrichten.
Die Angabe 200K beschreibt den Kontext in der abab6.5s-Veröffentlichung des Herstellers. Planen Sie relevante Eingaben und die angeforderte Antwort innerhalb der für die Aufgabe verwendeten Arbeitskonfiguration. Bewahren Sie den fertigen Text gemeinsam mit dem stützenden Material auf, damit sich eine Zusammenfassung, ein Vergleich oder eine Überarbeitung vor der Wiederverwendung prüfen lässt.
Prüfen Sie die wichtigen Namen, Werte, Bedingungen und Quellenbeziehungen in der Antwort. Bewahren Sie die Identität abab6.5s gemeinsam mit diesem Ergebnis auf. Das nützliche Resultat ist ein schriftliches Artefakt, dessen Inhalt auf das bereitgestellte Material zurückgeführt werden kann und dessen ungeklärte Details für die nächste Entscheidung sichtbar bleiben.
", "aboutText": "### Das effiziente Mitglied der abab6.5-Familie\n\nabab6.5s gehört zu MiniMaxs abab6.5-Reihe allgemeiner großer Sprachmodelle. Laut Hersteller verwendet es dieselben Trainingstechniken und Daten wie sein größeres Gegenstück, mit einem Schwerpunkt auf Effizienz. Die ursprüngliche Veröffentlichung dokumentiert einen Kontext von 200K Tokens. Benennen Sie die s-Ausgabe ausdrücklich, wenn Sie eine Aufgabe aufbewahren oder ein anderes Mitglied der Reihe vergleichen.\n\n### Architektur und Trainingsausrichtung\n\nMiniMax verbindet die Reihe mit seiner Mixture-of-Experts-Entwicklung. Die Veröffentlichung beschreibt Verbesserungen der Modellarchitektur, einen Neuaufbau der Datenpipeline sowie die Optimierung von Trainingsalgorithmen und Strategien für paralleles Training.\n\nDie beiden Mitglieder teilen eine Trainingsausrichtung und bleiben dennoch eigenständige Ausgaben. Wählen Sie für die Textaufgabe das benannte Modell und bewahren Sie Quellmaterial und endgültige Antwort zusammen mit dieser Zuordnung auf. Die Positionierung eines Modells als effizient ersetzt nicht die Prüfung des tatsächlichen Ergebnisses, das es zu einer bestimmten Frage erzeugt.\n\n### Eine Aufgabe mit langem Text vorbereiten\n\nNutzen Sie das Kontextbudget, um das Material zusammenzuführen, das für die Beantwortung einer klar definierten Frage benötigt wird. Kennzeichnen Sie Dokumente, erhalten Sie ihre Abschnittsgrenzen und halten Sie wichtige Definitionen, Datumsangaben und Kennungen sichtbar. Geben Sie der Antwort eine konkrete Form: eine Zusammenfassung, einen Vergleich, einen extrahierten Datensatz oder eine überarbeitete Passage.\n\nZum Beispiel: „Vergleiche die bereitgestellten Richtlinienabschnitte, ermittle die Unterschiede zwischen ihren Anforderungen und füge den Wortlaut bei, der jeden Unterschied belegt.“ Entscheiden Sie, welche Unterscheidung wichtig ist, bevor Sie sachfremde Dokumente hinzufügen. Eine umfangreiche Sammlung lässt sich leichter bearbeiten, wenn die Frage erklärt, wie ihre Teile miteinander verknüpft werden sollen.\n\n### Belege und Interpretation getrennt halten\n\nWenn eine Aufgabe weit auseinanderliegende Passagen umfasst, verlangen Sie, dass die Antwort die Abschnitte benennt, auf denen sie beruht. Erhalten Sie bei einer wichtigen Bedingung den ursprünglichen Wortlaut, statt ihn durch eine frühe Zusammenfassung zu ersetzen, bei der eine Einschränkung verloren gehen könnte. Wenn das Material einen angeforderten Wert oder Zusammenhang nicht belegt, lassen Sie diesen Punkt im Ergebnis offen.\n\nStellen Sie für Entwürfe die zugrunde liegenden Fakten, die Zielgruppe und die erforderliche Struktur bereit. Benennen Sie bei Überarbeitungen, welche Bedeutung erhalten bleiben muss und welche Darstellungsentscheidung sich ändern soll. Eine Folgeanfrage kann die konkret zu korrigierende Passage und den Grund zurückgeben und so die nächste Dialogrunde auf ein greifbares Problem ausrichten.\n\n### Ein nutzbares schriftliches Ergebnis bewahren\n\nDie Angabe 200K beschreibt den Kontext in der abab6.5s-Veröffentlichung des Herstellers. Planen Sie relevante Eingaben und die angeforderte Antwort innerhalb der für die Aufgabe verwendeten Arbeitskonfiguration. Bewahren Sie den fertigen Text gemeinsam mit dem stützenden Material auf, damit sich eine Zusammenfassung, ein Vergleich oder eine Überarbeitung vor der Wiederverwendung prüfen lässt.\n\nPrüfen Sie die wichtigen Namen, Werte, Bedingungen und Quellenbeziehungen in der Antwort. Bewahren Sie die Identität abab6.5s gemeinsam mit diesem Ergebnis auf. Das nützliche Resultat ist ein schriftliches Artefakt, dessen Inhalt auf das bereitgestellte Material zurückgeführt werden kann und dessen ungeklärte Details für die nächste Entscheidung sichtbar bleiben.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Compare approval rules\n\nCompare these policy clauses for a team lead. Policy A, section 2: Purchases above $500 need finance approval; subscriptions always need approval. Policy B, section 4: All purchases at or above $500 need approval. Return a comparison table with the boundary difference, subscription rule and exact supporting phrases. Mark unstated rules as unknown.A table with columns: topic | Policy A wording | Policy B wording | practical difference. Follow it with one question about the unstated subscription rule.Check that exactly $500 and subscriptions are treated separately and each difference cites the supplied clause.abab6.5s-chatMiniMaxs abab6.5s ist das effiziente Mitglied der abab6.5-Familie für allgemeine Sprachaufgaben. Seine ursprüngliche Veröffentlichung dokumentiert einen Kontext von 200K Tokens und unterstützt damit Textaufgaben, die umfangreicheres Quellmaterial in einem Gespräch zusammenführen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
abab6.5s gehört zu MiniMaxs abab6.5-Reihe allgemeiner großer Sprachmodelle. Laut Hersteller verwendet es dieselben Trainingstechniken und Daten wie sein größeres Gegenstück, mit einem Schwerpunkt auf Effizienz. Die ursprüngliche Veröffentlichung dokumentiert einen Kontext von 200K Tokens. Benennen Sie die s-Ausgabe ausdrücklich, wenn Sie eine Aufgabe aufbewahren oder ein anderes Mitglied der Reihe vergleichen.
MiniMax verbindet die Reihe mit seiner Mixture-of-Experts-Entwicklung. Die Veröffentlichung beschreibt Verbesserungen der Modellarchitektur, einen Neuaufbau der Datenpipeline sowie die Optimierung von Trainingsalgorithmen und Strategien für paralleles Training.
Die beiden Mitglieder teilen eine Trainingsausrichtung und bleiben dennoch eigenständige Ausgaben. Wählen Sie für die Textaufgabe das benannte Modell und bewahren Sie Quellmaterial und endgültige Antwort zusammen mit dieser Zuordnung auf. Die Positionierung eines Modells als effizient ersetzt nicht die Prüfung des tatsächlichen Ergebnisses, das es zu einer bestimmten Frage erzeugt.
Nutzen Sie das Kontextbudget, um das Material zusammenzuführen, das für die Beantwortung einer klar definierten Frage benötigt wird. Kennzeichnen Sie Dokumente, erhalten Sie ihre Abschnittsgrenzen und halten Sie wichtige Definitionen, Datumsangaben und Kennungen sichtbar. Geben Sie der Antwort eine konkrete Form: eine Zusammenfassung, einen Vergleich, einen extrahierten Datensatz oder eine überarbeitete Passage.
Zum Beispiel: „Vergleiche die bereitgestellten Richtlinienabschnitte, ermittle die Unterschiede zwischen ihren Anforderungen und füge den Wortlaut bei, der jeden Unterschied belegt.“ Entscheiden Sie, welche Unterscheidung wichtig ist, bevor Sie sachfremde Dokumente hinzufügen. Eine umfangreiche Sammlung lässt sich leichter bearbeiten, wenn die Frage erklärt, wie ihre Teile miteinander verknüpft werden sollen.
Wenn eine Aufgabe weit auseinanderliegende Passagen umfasst, verlangen Sie, dass die Antwort die Abschnitte benennt, auf denen sie beruht. Erhalten Sie bei einer wichtigen Bedingung den ursprünglichen Wortlaut, statt ihn durch eine frühe Zusammenfassung zu ersetzen, bei der eine Einschränkung verloren gehen könnte. Wenn das Material einen angeforderten Wert oder Zusammenhang nicht belegt, lassen Sie diesen Punkt im Ergebnis offen.
Stellen Sie für Entwürfe die zugrunde liegenden Fakten, die Zielgruppe und die erforderliche Struktur bereit. Benennen Sie bei Überarbeitungen, welche Bedeutung erhalten bleiben muss und welche Darstellungsentscheidung sich ändern soll. Eine Folgeanfrage kann die konkret zu korrigierende Passage und den Grund zurückgeben und so die nächste Dialogrunde auf ein greifbares Problem ausrichten.
Die Angabe 200K beschreibt den Kontext in der abab6.5s-Veröffentlichung des Herstellers. Planen Sie relevante Eingaben und die angeforderte Antwort innerhalb der für die Aufgabe verwendeten Arbeitskonfiguration. Bewahren Sie den fertigen Text gemeinsam mit dem stützenden Material auf, damit sich eine Zusammenfassung, ein Vergleich oder eine Überarbeitung vor der Wiederverwendung prüfen lässt.
Prüfen Sie die wichtigen Namen, Werte, Bedingungen und Quellenbeziehungen in der Antwort. Bewahren Sie die Identität abab6.5s gemeinsam mit diesem Ergebnis auf. Das nützliche Resultat ist ein schriftliches Artefakt, dessen Inhalt auf das bereitgestellte Material zurückgeführt werden kann und dessen ungeklärte Details für die nächste Entscheidung sichtbar bleiben.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits abab6.5s-chat | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.000308 / 1K Tokens Ausgabe · Ausgabetoken $0.000308 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "abab6.5s-chat", "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='abab6.5s-chat',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='abab6.5s-chat',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra abab6.5s-chat
Verwenden Sie die oben angezeigten Methodenpfade.
abab6.5s-chatMiniMaxs abab6.5s ist das effiziente Mitglied der abab6.5-Familie für allgemeine Sprachaufgaben. Seine ursprüngliche Veröffentlichung dokumentiert einen Kontext von 200K Tokens und unterstützt damit Textaufgaben, die umfangreicheres Quellmaterial in einem Gespräch zusammenführen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
abab6.5s gehört zu MiniMaxs abab6.5-Reihe allgemeiner großer Sprachmodelle. Laut Hersteller verwendet es dieselben Trainingstechniken und Daten wie sein größeres Gegenstück, mit einem Schwerpunkt auf Effizienz. Die ursprüngliche Veröffentlichung dokumentiert einen Kontext von 200K Tokens. Benennen Sie die s-Ausgabe ausdrücklich, wenn Sie eine Aufgabe aufbewahren oder ein anderes Mitglied der Reihe vergleichen.
MiniMax verbindet die Reihe mit seiner Mixture-of-Experts-Entwicklung. Die Veröffentlichung beschreibt Verbesserungen der Modellarchitektur, einen Neuaufbau der Datenpipeline sowie die Optimierung von Trainingsalgorithmen und Strategien für paralleles Training.
Die beiden Mitglieder teilen eine Trainingsausrichtung und bleiben dennoch eigenständige Ausgaben. Wählen Sie für die Textaufgabe das benannte Modell und bewahren Sie Quellmaterial und endgültige Antwort zusammen mit dieser Zuordnung auf. Die Positionierung eines Modells als effizient ersetzt nicht die Prüfung des tatsächlichen Ergebnisses, das es zu einer bestimmten Frage erzeugt.
Nutzen Sie das Kontextbudget, um das Material zusammenzuführen, das für die Beantwortung einer klar definierten Frage benötigt wird. Kennzeichnen Sie Dokumente, erhalten Sie ihre Abschnittsgrenzen und halten Sie wichtige Definitionen, Datumsangaben und Kennungen sichtbar. Geben Sie der Antwort eine konkrete Form: eine Zusammenfassung, einen Vergleich, einen extrahierten Datensatz oder eine überarbeitete Passage.
Zum Beispiel: „Vergleiche die bereitgestellten Richtlinienabschnitte, ermittle die Unterschiede zwischen ihren Anforderungen und füge den Wortlaut bei, der jeden Unterschied belegt.“ Entscheiden Sie, welche Unterscheidung wichtig ist, bevor Sie sachfremde Dokumente hinzufügen. Eine umfangreiche Sammlung lässt sich leichter bearbeiten, wenn die Frage erklärt, wie ihre Teile miteinander verknüpft werden sollen.
Wenn eine Aufgabe weit auseinanderliegende Passagen umfasst, verlangen Sie, dass die Antwort die Abschnitte benennt, auf denen sie beruht. Erhalten Sie bei einer wichtigen Bedingung den ursprünglichen Wortlaut, statt ihn durch eine frühe Zusammenfassung zu ersetzen, bei der eine Einschränkung verloren gehen könnte. Wenn das Material einen angeforderten Wert oder Zusammenhang nicht belegt, lassen Sie diesen Punkt im Ergebnis offen.
Stellen Sie für Entwürfe die zugrunde liegenden Fakten, die Zielgruppe und die erforderliche Struktur bereit. Benennen Sie bei Überarbeitungen, welche Bedeutung erhalten bleiben muss und welche Darstellungsentscheidung sich ändern soll. Eine Folgeanfrage kann die konkret zu korrigierende Passage und den Grund zurückgeben und so die nächste Dialogrunde auf ein greifbares Problem ausrichten.
Die Angabe 200K beschreibt den Kontext in der abab6.5s-Veröffentlichung des Herstellers. Planen Sie relevante Eingaben und die angeforderte Antwort innerhalb der für die Aufgabe verwendeten Arbeitskonfiguration. Bewahren Sie den fertigen Text gemeinsam mit dem stützenden Material auf, damit sich eine Zusammenfassung, ein Vergleich oder eine Überarbeitung vor der Wiederverwendung prüfen lässt.
Prüfen Sie die wichtigen Namen, Werte, Bedingungen und Quellenbeziehungen in der Antwort. Bewahren Sie die Identität abab6.5s gemeinsam mit diesem Ergebnis auf. Das nützliche Resultat ist ein schriftliches Artefakt, dessen Inhalt auf das bereitgestellte Material zurückgeführt werden kann und dessen ungeklärte Details für die nächste Entscheidung sichtbar bleiben.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits abab6.5s-chat | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.000308 / 1K Tokens Ausgabe · Ausgabetoken $0.000308 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "abab6.5s-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'abab6.5s-chat', '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': 'abab6.5s-chat', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra abab6.5s-chat
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Compare approval rules\n\nCompare these policy clauses for a team lead. Policy A, section 2: Purchases above $500 need finance approval; subscriptions always need approval. Policy B, section 4: All purchases at or above $500 need approval. Return a comparison table with the boundary difference, subscription rule and exact supporting phrases. Mark unstated rules as unknown.A table with columns: topic | Policy A wording | Policy B wording | practical difference. Follow it with one question about the unstated subscription rule.Check that exactly $500 and subscriptions are treated separately and each difference cites the supplied clause.