Baichuan3-Turbo ist ein Modell für allgemeine Textdialoge aus Baichuans dritter Generation. Der Hersteller nennt für genau diesen Namen einen 32K-Kontext. Baichuan3-Turbo-128k ist ein eigener Eintrag mit größerem Kontext; die Modelle der vierten Generation sind separat benannte Editionen. Halten Sie das gewählte Modell und sein Kontextprofil ausdrücklich fest, wenn Sie einen Dialog vorbereiten oder Ergebnisse vergleichen.
Die Herstellerreferenz für allgemeine Dialoge sieht einen Modellnamen und eine Liste von Nachrichten vor. Stellen Sie frühere Dialogbeiträge vor spätere. Eine Systemnachricht steht, sofern verwendet, am Anfang und definiert die Rolle oder die Anforderungen an die Antwort; Nutzernachrichten liefern die Aufgabe, Assistentennachrichten bewahren frühere Antworten. Textinhalt kann eine Zeichenfolge oder eine typisierte Textinhaltsstruktur sein.
Benennen Sie für eine Dokumentaufgabe die Textstelle und das gewünschte Ergebnis. Ein Beispiel lautet: „Extrahiere die angegebene Frist, die verantwortliche Person und das abzuliefernde Ergebnis aus dieser Projektnotiz und gib eine Feldliste mit den belegenden Formulierungen zurück.“ Stellen Sie für eine Überarbeitung den Originaltext, die Zielgruppe und den Ton bereit. Bewahren Sie den relevanten früheren Dialogbeitrag auf, wenn die nächste Anfrage von einer vorherigen Interpretation abhängt.
Die dokumentierte Dialogoperation akzeptiert ein maximales Antwortbudget von 1 bis 2.048 Tokens; 2.048 ist der Standardwert. Diese Antworteinstellung ist vom 32K-Kontext des Modells zu unterscheiden. Lassen Sie bei der Auswahl der Eingabe Platz für die Antwort und prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis als fertig behandeln.
Die Sampling-Einstellungen des Herstellers sind temperature von 0 bis 1, Standard 0,3; top_p von 0 bis ausschließlich 1, Standard 0,85; sowie top_k von 0 bis 20, Standard 5. Ein top_k-Wert von 0 deaktiviert diese Auswahlstrategie. Das sind Einstellungen der Herstellerschnittstelle. Halten Sie bei einem Vergleich Aufgabe und Quelle konstant und ändern Sie die Einstellung, die für das zu untersuchende Ergebnis relevant ist.
Baichuan3-Turbo wird ausdrücklich unter den Modellen mit Unterstützung für JSON-Objektausgaben genannt. Der JSON-Modus des Herstellers erfordert außerdem eine Anweisung in der System- oder Nutzernachricht, JSON zu erzeugen. Geben Sie die Felder und ihre Bedeutung an und erklären Sie, wie ein unbekannter Wert dargestellt werden soll. Prüfen Sie das zurückgegebene Objekt anhand dieser Anforderungen, bevor Sie es an einen weiteren Schritt übergeben.
Fordern Sie für das Beispiel mit der Projektnotiz Felder für Frist, verantwortliche Person und abzulieferndes Ergebnis samt Belegtext an. Eine wegen des Längenbudgets abgebrochene Antwort kann unvollständiges JSON enthalten. Bewahren Sie Quelle und Abschlussgrund auf und passen Sie dann Aufgabe oder Antwortbudget an, bevor Sie ein Teilobjekt als gültigen Datensatz behandeln.
Der Ablauf für allgemeine Dialoge bietet Wissensdatenbankabfragen, Websuche und eigene Funktionen. Wissensdatenbankabfragen können auf das bereitgestellte Wissen allein beschränkt werden; laut Hersteller bedeutet in diesem Modus kein Abfrageergebnis auch keine Antwort. Sind Wissensabfrage und Websuche gemeinsam konfiguriert, hat die Wissensabfrage Vorrang. Die Referenz warnt außerdem davor, Funktionsaufrufe in derselben Aufgabe mit diesen Abfrage- oder Suchwerkzeugen zu kombinieren.
Stellen Sie für eine Wissensfrage die relevante Sammlung bereit und formulieren Sie eine gezielte Frage. Bewahren Sie bei einer Frage zu aktuellen Informationen die tatsächlichen Suchbelege gemeinsam mit der Antwort auf. Halten Sie vom Werkzeug gelieferte Belege von einer daraus erzeugten Schlussfolgerung getrennt.
Baichuan3-Turbo ist ausdrücklich in der Liste der Modelle mit Funktionsunterstützung enthalten. Eine Funktionsdefinition enthält Namen, Beschreibung und Argumentschema. Das Modell kann eine Operation auswählen und Argumente erzeugen; die angeschlossene Anwendung führt sie aus und gibt das Ergebnis als Werkzeugnachricht mit Bezug zum Aufruf zurück. Bewahren Sie diese Zuordnung im nächsten Dialogbeitrag. Der Hersteller bietet als Funktionsauswahl automatische Auswahl oder keine Werkzeugaufrufe.
Die dokumentierte Schnittstelle unterstützt eine vollständig zurückgegebene Antwort oder einen Strom von Textteilen; standardmäßig ist Streaming deaktiviert. Setzen Sie gestreamte Teile zur endgültigen Antwort zusammen. Das Ergebnis gibt an, ob die Erzeugung regulär endete, eine Längengrenze erreichte, ein Werkzeug auswählte oder auf Inhaltsfilterung stieß.
Verwenden Sie das fertige Ergebnis für seine Aufgabe: eine knappe Antwort, überarbeitete Formulierungen, einen extrahierten Datensatz oder eine auf zurückgegebenen Belegen beruhende Erklärung. Prüfen Sie die quellenabhängigen Werte gemeinsam mit der gewählten Edition. Eine verwandte Edition mit größerem Kontext, eine andere Baichuan-Generation und ein von einer Anwendung erzeugtes Funktionsergebnis bleiben eigenständige Teile des Ablaufs.
", "aboutText": "### Das namentlich ausgewiesene 32K-Dialogmodell\n\nBaichuan3-Turbo ist ein Modell für allgemeine Textdialoge aus Baichuans dritter Generation. Der Hersteller nennt für genau diesen Namen einen 32K-Kontext. Baichuan3-Turbo-128k ist ein eigener Eintrag mit größerem Kontext; die Modelle der vierten Generation sind separat benannte Editionen. Halten Sie das gewählte Modell und sein Kontextprofil ausdrücklich fest, wenn Sie einen Dialog vorbereiten oder Ergebnisse vergleichen.\n\n### Nachrichten in Dialogreihenfolge vorbereiten\n\nDie Herstellerreferenz für allgemeine Dialoge sieht einen Modellnamen und eine Liste von Nachrichten vor. Stellen Sie frühere Dialogbeiträge vor spätere. Eine Systemnachricht steht, sofern verwendet, am Anfang und definiert die Rolle oder die Anforderungen an die Antwort; Nutzernachrichten liefern die Aufgabe, Assistentennachrichten bewahren frühere Antworten. Textinhalt kann eine Zeichenfolge oder eine typisierte Textinhaltsstruktur sein.\n\nBenennen Sie für eine Dokumentaufgabe die Textstelle und das gewünschte Ergebnis. Ein Beispiel lautet: „Extrahiere die angegebene Frist, die verantwortliche Person und das abzuliefernde Ergebnis aus dieser Projektnotiz und gib eine Feldliste mit den belegenden Formulierungen zurück.“ Stellen Sie für eine Überarbeitung den Originaltext, die Zielgruppe und den Ton bereit. Bewahren Sie den relevanten früheren Dialogbeitrag auf, wenn die nächste Anfrage von einer vorherigen Interpretation abhängt.\n\n### Antwort und Länge steuern\n\nDie dokumentierte Dialogoperation akzeptiert ein maximales Antwortbudget von 1 bis 2.048 Tokens; 2.048 ist der Standardwert. Diese Antworteinstellung ist vom 32K-Kontext des Modells zu unterscheiden. Lassen Sie bei der Auswahl der Eingabe Platz für die Antwort und prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis als fertig behandeln.\n\nDie Sampling-Einstellungen des Herstellers sind temperature von 0 bis 1, Standard 0,3; top_p von 0 bis ausschließlich 1, Standard 0,85; sowie top_k von 0 bis 20, Standard 5. Ein top_k-Wert von 0 deaktiviert diese Auswahlstrategie. Das sind Einstellungen der Herstellerschnittstelle. Halten Sie bei einem Vergleich Aufgabe und Quelle konstant und ändern Sie die Einstellung, die für das zu untersuchende Ergebnis relevant ist.\n\n### JSON gezielt erzeugen\n\nBaichuan3-Turbo wird ausdrücklich unter den Modellen mit Unterstützung für JSON-Objektausgaben genannt. Der JSON-Modus des Herstellers erfordert außerdem eine Anweisung in der System- oder Nutzernachricht, JSON zu erzeugen. Geben Sie die Felder und ihre Bedeutung an und erklären Sie, wie ein unbekannter Wert dargestellt werden soll. Prüfen Sie das zurückgegebene Objekt anhand dieser Anforderungen, bevor Sie es an einen weiteren Schritt übergeben.\n\nFordern Sie für das Beispiel mit der Projektnotiz Felder für Frist, verantwortliche Person und abzulieferndes Ergebnis samt Belegtext an. Eine wegen des Längenbudgets abgebrochene Antwort kann unvollständiges JSON enthalten. Bewahren Sie Quelle und Abschlussgrund auf und passen Sie dann Aufgabe oder Antwortbudget an, bevor Sie ein Teilobjekt als gültigen Datensatz behandeln.\n\n### Belege abrufen oder eine Funktion anfordern\n\nDer Ablauf für allgemeine Dialoge bietet Wissensdatenbankabfragen, Websuche und eigene Funktionen. Wissensdatenbankabfragen können auf das bereitgestellte Wissen allein beschränkt werden; laut Hersteller bedeutet in diesem Modus kein Abfrageergebnis auch keine Antwort. Sind Wissensabfrage und Websuche gemeinsam konfiguriert, hat die Wissensabfrage Vorrang. Die Referenz warnt außerdem davor, Funktionsaufrufe in derselben Aufgabe mit diesen Abfrage- oder Suchwerkzeugen zu kombinieren.\n\nStellen Sie für eine Wissensfrage die relevante Sammlung bereit und formulieren Sie eine gezielte Frage. Bewahren Sie bei einer Frage zu aktuellen Informationen die tatsächlichen Suchbelege gemeinsam mit der Antwort auf. Halten Sie vom Werkzeug gelieferte Belege von einer daraus erzeugten Schlussfolgerung getrennt.\n\nBaichuan3-Turbo ist ausdrücklich in der Liste der Modelle mit Funktionsunterstützung enthalten. Eine Funktionsdefinition enthält Namen, Beschreibung und Argumentschema. Das Modell kann eine Operation auswählen und Argumente erzeugen; die angeschlossene Anwendung führt sie aus und gibt das Ergebnis als Werkzeugnachricht mit Bezug zum Aufruf zurück. Bewahren Sie diese Zuordnung im nächsten Dialogbeitrag. Der Hersteller bietet als Funktionsauswahl automatische Auswahl oder keine Werkzeugaufrufe.\n\n### Den fertigen Text oder das Objekt aufbewahren\n\nDie dokumentierte Schnittstelle unterstützt eine vollständig zurückgegebene Antwort oder einen Strom von Textteilen; standardmäßig ist Streaming deaktiviert. Setzen Sie gestreamte Teile zur endgültigen Antwort zusammen. Das Ergebnis gibt an, ob die Erzeugung regulär endete, eine Längengrenze erreichte, ein Werkzeug auswählte oder auf Inhaltsfilterung stieß.\n\nVerwenden Sie das fertige Ergebnis für seine Aufgabe: eine knappe Antwort, überarbeitete Formulierungen, einen extrahierten Datensatz oder eine auf zurückgegebenen Belegen beruhende Erklärung. Prüfen Sie die quellenabhängigen Werte gemeinsam mit der gewählten Edition. Eine verwandte Edition mit größerem Kontext, eine andere Baichuan-Generation und ein von einer Anwendung erzeugtes Funktionsergebnis bleiben eigenständige Teile des Ablaufs.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo ist ein Textdialogmodell mit einem dokumentierten 32K-Kontext. Die Herstellerschnittstelle unterstützt vollständig zurückgegebene oder gestreamte Antworten, JSON-Ausgabe und eigene Funktionsaufrufe sowie getrennte Optionen für Wissensabfragen und Websuchen, um Antworten auf Belege zu stützen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Baichuan3-Turbo ist ein Modell für allgemeine Textdialoge aus Baichuans dritter Generation. Der Hersteller nennt für genau diesen Namen einen 32K-Kontext. Baichuan3-Turbo-128k ist ein eigener Eintrag mit größerem Kontext; die Modelle der vierten Generation sind separat benannte Editionen. Halten Sie das gewählte Modell und sein Kontextprofil ausdrücklich fest, wenn Sie einen Dialog vorbereiten oder Ergebnisse vergleichen.
Die Herstellerreferenz für allgemeine Dialoge sieht einen Modellnamen und eine Liste von Nachrichten vor. Stellen Sie frühere Dialogbeiträge vor spätere. Eine Systemnachricht steht, sofern verwendet, am Anfang und definiert die Rolle oder die Anforderungen an die Antwort; Nutzernachrichten liefern die Aufgabe, Assistentennachrichten bewahren frühere Antworten. Textinhalt kann eine Zeichenfolge oder eine typisierte Textinhaltsstruktur sein.
Benennen Sie für eine Dokumentaufgabe die Textstelle und das gewünschte Ergebnis. Ein Beispiel lautet: „Extrahiere die angegebene Frist, die verantwortliche Person und das abzuliefernde Ergebnis aus dieser Projektnotiz und gib eine Feldliste mit den belegenden Formulierungen zurück.“ Stellen Sie für eine Überarbeitung den Originaltext, die Zielgruppe und den Ton bereit. Bewahren Sie den relevanten früheren Dialogbeitrag auf, wenn die nächste Anfrage von einer vorherigen Interpretation abhängt.
Die dokumentierte Dialogoperation akzeptiert ein maximales Antwortbudget von 1 bis 2.048 Tokens; 2.048 ist der Standardwert. Diese Antworteinstellung ist vom 32K-Kontext des Modells zu unterscheiden. Lassen Sie bei der Auswahl der Eingabe Platz für die Antwort und prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis als fertig behandeln.
Die Sampling-Einstellungen des Herstellers sind temperature von 0 bis 1, Standard 0,3; top_p von 0 bis ausschließlich 1, Standard 0,85; sowie top_k von 0 bis 20, Standard 5. Ein top_k-Wert von 0 deaktiviert diese Auswahlstrategie. Das sind Einstellungen der Herstellerschnittstelle. Halten Sie bei einem Vergleich Aufgabe und Quelle konstant und ändern Sie die Einstellung, die für das zu untersuchende Ergebnis relevant ist.
Baichuan3-Turbo wird ausdrücklich unter den Modellen mit Unterstützung für JSON-Objektausgaben genannt. Der JSON-Modus des Herstellers erfordert außerdem eine Anweisung in der System- oder Nutzernachricht, JSON zu erzeugen. Geben Sie die Felder und ihre Bedeutung an und erklären Sie, wie ein unbekannter Wert dargestellt werden soll. Prüfen Sie das zurückgegebene Objekt anhand dieser Anforderungen, bevor Sie es an einen weiteren Schritt übergeben.
Fordern Sie für das Beispiel mit der Projektnotiz Felder für Frist, verantwortliche Person und abzulieferndes Ergebnis samt Belegtext an. Eine wegen des Längenbudgets abgebrochene Antwort kann unvollständiges JSON enthalten. Bewahren Sie Quelle und Abschlussgrund auf und passen Sie dann Aufgabe oder Antwortbudget an, bevor Sie ein Teilobjekt als gültigen Datensatz behandeln.
Der Ablauf für allgemeine Dialoge bietet Wissensdatenbankabfragen, Websuche und eigene Funktionen. Wissensdatenbankabfragen können auf das bereitgestellte Wissen allein beschränkt werden; laut Hersteller bedeutet in diesem Modus kein Abfrageergebnis auch keine Antwort. Sind Wissensabfrage und Websuche gemeinsam konfiguriert, hat die Wissensabfrage Vorrang. Die Referenz warnt außerdem davor, Funktionsaufrufe in derselben Aufgabe mit diesen Abfrage- oder Suchwerkzeugen zu kombinieren.
Stellen Sie für eine Wissensfrage die relevante Sammlung bereit und formulieren Sie eine gezielte Frage. Bewahren Sie bei einer Frage zu aktuellen Informationen die tatsächlichen Suchbelege gemeinsam mit der Antwort auf. Halten Sie vom Werkzeug gelieferte Belege von einer daraus erzeugten Schlussfolgerung getrennt.
Baichuan3-Turbo ist ausdrücklich in der Liste der Modelle mit Funktionsunterstützung enthalten. Eine Funktionsdefinition enthält Namen, Beschreibung und Argumentschema. Das Modell kann eine Operation auswählen und Argumente erzeugen; die angeschlossene Anwendung führt sie aus und gibt das Ergebnis als Werkzeugnachricht mit Bezug zum Aufruf zurück. Bewahren Sie diese Zuordnung im nächsten Dialogbeitrag. Der Hersteller bietet als Funktionsauswahl automatische Auswahl oder keine Werkzeugaufrufe.
Die dokumentierte Schnittstelle unterstützt eine vollständig zurückgegebene Antwort oder einen Strom von Textteilen; standardmäßig ist Streaming deaktiviert. Setzen Sie gestreamte Teile zur endgültigen Antwort zusammen. Das Ergebnis gibt an, ob die Erzeugung regulär endete, eine Längengrenze erreichte, ein Werkzeug auswählte oder auf Inhaltsfilterung stieß.
Verwenden Sie das fertige Ergebnis für seine Aufgabe: eine knappe Antwort, überarbeitete Formulierungen, einen extrahierten Datensatz oder eine auf zurückgegebenen Belegen beruhende Erklärung. Prüfen Sie die quellenabhängigen Werte gemeinsam mit der gewählten Edition. Eine verwandte Edition mit größerem Kontext, eine andere Baichuan-Generation und ein von einer Anwendung erzeugtes Funktionsergebnis bleiben eigenständige Teile des Ablaufs.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Baichuan3-Turbo | 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 $0.00374 / 1K Tokens Ausgabe · Ausgabetoken $0.00374 / 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": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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 Baichuan3-Turbo
Verwenden Sie die oben angezeigten Methodenpfade.
Baichuan3-TurboBaichuan3-Turbo ist ein Textdialogmodell mit einem dokumentierten 32K-Kontext. Die Herstellerschnittstelle unterstützt vollständig zurückgegebene oder gestreamte Antworten, JSON-Ausgabe und eigene Funktionsaufrufe sowie getrennte Optionen für Wissensabfragen und Websuchen, um Antworten auf Belege zu stützen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Baichuan3-Turbo ist ein Modell für allgemeine Textdialoge aus Baichuans dritter Generation. Der Hersteller nennt für genau diesen Namen einen 32K-Kontext. Baichuan3-Turbo-128k ist ein eigener Eintrag mit größerem Kontext; die Modelle der vierten Generation sind separat benannte Editionen. Halten Sie das gewählte Modell und sein Kontextprofil ausdrücklich fest, wenn Sie einen Dialog vorbereiten oder Ergebnisse vergleichen.
Die Herstellerreferenz für allgemeine Dialoge sieht einen Modellnamen und eine Liste von Nachrichten vor. Stellen Sie frühere Dialogbeiträge vor spätere. Eine Systemnachricht steht, sofern verwendet, am Anfang und definiert die Rolle oder die Anforderungen an die Antwort; Nutzernachrichten liefern die Aufgabe, Assistentennachrichten bewahren frühere Antworten. Textinhalt kann eine Zeichenfolge oder eine typisierte Textinhaltsstruktur sein.
Benennen Sie für eine Dokumentaufgabe die Textstelle und das gewünschte Ergebnis. Ein Beispiel lautet: „Extrahiere die angegebene Frist, die verantwortliche Person und das abzuliefernde Ergebnis aus dieser Projektnotiz und gib eine Feldliste mit den belegenden Formulierungen zurück.“ Stellen Sie für eine Überarbeitung den Originaltext, die Zielgruppe und den Ton bereit. Bewahren Sie den relevanten früheren Dialogbeitrag auf, wenn die nächste Anfrage von einer vorherigen Interpretation abhängt.
Die dokumentierte Dialogoperation akzeptiert ein maximales Antwortbudget von 1 bis 2.048 Tokens; 2.048 ist der Standardwert. Diese Antworteinstellung ist vom 32K-Kontext des Modells zu unterscheiden. Lassen Sie bei der Auswahl der Eingabe Platz für die Antwort und prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis als fertig behandeln.
Die Sampling-Einstellungen des Herstellers sind temperature von 0 bis 1, Standard 0,3; top_p von 0 bis ausschließlich 1, Standard 0,85; sowie top_k von 0 bis 20, Standard 5. Ein top_k-Wert von 0 deaktiviert diese Auswahlstrategie. Das sind Einstellungen der Herstellerschnittstelle. Halten Sie bei einem Vergleich Aufgabe und Quelle konstant und ändern Sie die Einstellung, die für das zu untersuchende Ergebnis relevant ist.
Baichuan3-Turbo wird ausdrücklich unter den Modellen mit Unterstützung für JSON-Objektausgaben genannt. Der JSON-Modus des Herstellers erfordert außerdem eine Anweisung in der System- oder Nutzernachricht, JSON zu erzeugen. Geben Sie die Felder und ihre Bedeutung an und erklären Sie, wie ein unbekannter Wert dargestellt werden soll. Prüfen Sie das zurückgegebene Objekt anhand dieser Anforderungen, bevor Sie es an einen weiteren Schritt übergeben.
Fordern Sie für das Beispiel mit der Projektnotiz Felder für Frist, verantwortliche Person und abzulieferndes Ergebnis samt Belegtext an. Eine wegen des Längenbudgets abgebrochene Antwort kann unvollständiges JSON enthalten. Bewahren Sie Quelle und Abschlussgrund auf und passen Sie dann Aufgabe oder Antwortbudget an, bevor Sie ein Teilobjekt als gültigen Datensatz behandeln.
Der Ablauf für allgemeine Dialoge bietet Wissensdatenbankabfragen, Websuche und eigene Funktionen. Wissensdatenbankabfragen können auf das bereitgestellte Wissen allein beschränkt werden; laut Hersteller bedeutet in diesem Modus kein Abfrageergebnis auch keine Antwort. Sind Wissensabfrage und Websuche gemeinsam konfiguriert, hat die Wissensabfrage Vorrang. Die Referenz warnt außerdem davor, Funktionsaufrufe in derselben Aufgabe mit diesen Abfrage- oder Suchwerkzeugen zu kombinieren.
Stellen Sie für eine Wissensfrage die relevante Sammlung bereit und formulieren Sie eine gezielte Frage. Bewahren Sie bei einer Frage zu aktuellen Informationen die tatsächlichen Suchbelege gemeinsam mit der Antwort auf. Halten Sie vom Werkzeug gelieferte Belege von einer daraus erzeugten Schlussfolgerung getrennt.
Baichuan3-Turbo ist ausdrücklich in der Liste der Modelle mit Funktionsunterstützung enthalten. Eine Funktionsdefinition enthält Namen, Beschreibung und Argumentschema. Das Modell kann eine Operation auswählen und Argumente erzeugen; die angeschlossene Anwendung führt sie aus und gibt das Ergebnis als Werkzeugnachricht mit Bezug zum Aufruf zurück. Bewahren Sie diese Zuordnung im nächsten Dialogbeitrag. Der Hersteller bietet als Funktionsauswahl automatische Auswahl oder keine Werkzeugaufrufe.
Die dokumentierte Schnittstelle unterstützt eine vollständig zurückgegebene Antwort oder einen Strom von Textteilen; standardmäßig ist Streaming deaktiviert. Setzen Sie gestreamte Teile zur endgültigen Antwort zusammen. Das Ergebnis gibt an, ob die Erzeugung regulär endete, eine Längengrenze erreichte, ein Werkzeug auswählte oder auf Inhaltsfilterung stieß.
Verwenden Sie das fertige Ergebnis für seine Aufgabe: eine knappe Antwort, überarbeitete Formulierungen, einen extrahierten Datensatz oder eine auf zurückgegebenen Belegen beruhende Erklärung. Prüfen Sie die quellenabhängigen Werte gemeinsam mit der gewählten Edition. Eine verwandte Edition mit größerem Kontext, eine andere Baichuan-Generation und ein von einer Anwendung erzeugtes Funktionsergebnis bleiben eigenständige Teile des Ablaufs.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Baichuan3-Turbo | 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 $0.00374 / 1K Tokens Ausgabe · Ausgabetoken $0.00374 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 Baichuan3-Turbo
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.