dots3-note Preview ist das leichtgewichtige Mitglied von Dots Studios multimodaler dots3-Familie. Der Hersteller nennt ein Mixture-of-Experts-Modell mit insgesamt 280B Parametern, 16B aktiven Parametern und Unterstützung für bis zu 512K Tokens Kontext. Es nimmt Text, Bilder, Video und Audio entgegen und erzeugt Text. Zu den genannten Aufgaben zählen Allgemeinwissen, Anweisungen, Schlussfolgern, Programmierung und agentenorientierte Arbeit.
Das Sprachgrundmodell hat eine dichte Schicht und 45 Expertenschichten, mit acht gerouteten Experten aus 256 sowie einem gemeinsamen Experten. Seine Attention verbindet 13 Sparse-Attention-Schichten und 33 Sliding-Window-Schichten. Der Hersteller nennt getrennte Bild- und Audioencoder und eine gemeinsame Vorhersageschicht. Diese Komponenten unterstützen multimodales Verständnis; die Modellausgabe bleibt Text statt erzeugter Bilder, Sprache oder Videos.
Stellen Sie für visuelle Analysen das Bild, die Seite oder das Diagramm bereit und fragen Sie nach dem Merkmal, das die Entscheidung beeinflusst. Eine hilfreiche Dokumentaufgabe kann eine sichtbare Tabelle mit einer schriftlichen Anforderung vergleichen und die relevante Zeile, die Interpretation und fehlende Informationen zurückgeben. Benennen Sie bei Video das zu untersuchende Ereignis oder die Sequenz; das Eingabebeispiel des Herstellers enthält die Audiospur, wenn der Clip eine hat.
Geben Sie bei Audio an, ob die Aufgabe ein Transkript oder eine Erklärung des Materials benötigt, und stellen Sie die zur Interpretation nötigen Namen oder Fachbegriffe bereit. Ein kombinierter Auftrag kann die Aufnahme gemeinsam mit schriftlichem Hintergrund verwenden und Befunde nach der jeweils beantworteten Frage geordnet anfordern. Das Ergebnis ist Text, den die Anwendung darstellen oder verarbeiten kann.
Die Dialogvorlage des Herstellers unterscheidet einen Denkprozess von einer direkten Antwort. Aktiviertes Denken ergänzt eine Schlussfolgerungsphase; deaktiviertes Denken liefert die Antwort direkt. Das dokumentierte Beispiel verwendet temperature 1,0 und top-p 0,95. Wählen Sie Aufgabe und gewünschtes Ergebnis ausdrücklich und lassen Sie genug Erzeugungsraum für die Antwort, statt eine beispielhafte Tokenzuteilung als feste Ausgabegrenze des Modells zu behandeln.
Stellen Sie für eine Programmieraufgabe die relevante Quelle, das erwartete Verhalten und einen beobachteten Fehler oder die gewünschte Änderung bereit. Fordern Sie das vorgeschlagene Arbeitsergebnis und die Prüfungen an, mit denen es bewertet werden könnte. In einem angeschlossenen Agentenablauf schlägt das Modell Werkzeuginteraktionen vor, und die Anwendung führt sie aus und gibt Ergebnisse zurück. Der Hersteller veröffentlicht einen eigenen Parser für Werkzeugaufrufe; die umgebende Anwendung stellt die tatsächlichen Werkzeuge und ihren Zugriff bereit.
Interaktive Arbeit kann Erkundung, Anpassung und Aktualisierungen des Arbeitsgedächtnisses der Aufgabe verlangen. Halten Sie Ziel, bestätigte Befunde und offene Bedingung kompakt fest. Lassen Sie den nächsten Dialogbeitrag benennen, was sich durch neue Belege ändert und was in dieser Aufzeichnung bleiben soll. Das dauerhafte Speichern der Aufzeichnung und das Ausführen von Aktionen gehören zur Anwendung um das Modell herum.
Der Hersteller veröffentlicht getrennte BF16- und FP8-Artefakte sowie Rezepte für lokalen Modellbetrieb mit unterschiedlichen konfigurierten Kontextlängen. Eine konfigurierte Kontextlänge im Betrieb ist von der 512K-Modellspezifikation zu unterscheiden. Bewahren Sie bei der Modellidentifikation die Preview-Edition und Präzisionsunterschiede und fordern Sie ein Endergebnis an, das den Befund, die vorgeschlagene Änderung und die im Ablauf tatsächlich gesammelten Belege nennt.
", "aboutText": "dots3-note Preview ist das leichtgewichtige Mitglied von Dots Studios multimodaler dots3-Familie. Der Hersteller nennt ein Mixture-of-Experts-Modell mit insgesamt 280B Parametern, 16B aktiven Parametern und Unterstützung für bis zu 512K Tokens Kontext. Es nimmt Text, Bilder, Video und Audio entgegen und erzeugt Text. Zu den genannten Aufgaben zählen Allgemeinwissen, Anweisungen, Schlussfolgern, Programmierung und agentenorientierte Arbeit.\n\nDas Sprachgrundmodell hat eine dichte Schicht und 45 Expertenschichten, mit acht gerouteten Experten aus 256 sowie einem gemeinsamen Experten. Seine Attention verbindet 13 Sparse-Attention-Schichten und 33 Sliding-Window-Schichten. Der Hersteller nennt getrennte Bild- und Audioencoder und eine gemeinsame Vorhersageschicht. Diese Komponenten unterstützen multimodales Verständnis; die Modellausgabe bleibt Text statt erzeugter Bilder, Sprache oder Videos.\n\nStellen Sie für visuelle Analysen das Bild, die Seite oder das Diagramm bereit und fragen Sie nach dem Merkmal, das die Entscheidung beeinflusst. Eine hilfreiche Dokumentaufgabe kann eine sichtbare Tabelle mit einer schriftlichen Anforderung vergleichen und die relevante Zeile, die Interpretation und fehlende Informationen zurückgeben. Benennen Sie bei Video das zu untersuchende Ereignis oder die Sequenz; das Eingabebeispiel des Herstellers enthält die Audiospur, wenn der Clip eine hat.\n\nGeben Sie bei Audio an, ob die Aufgabe ein Transkript oder eine Erklärung des Materials benötigt, und stellen Sie die zur Interpretation nötigen Namen oder Fachbegriffe bereit. Ein kombinierter Auftrag kann die Aufnahme gemeinsam mit schriftlichem Hintergrund verwenden und Befunde nach der jeweils beantworteten Frage geordnet anfordern. Das Ergebnis ist Text, den die Anwendung darstellen oder verarbeiten kann.\n\nDie Dialogvorlage des Herstellers unterscheidet einen Denkprozess von einer direkten Antwort. Aktiviertes Denken ergänzt eine Schlussfolgerungsphase; deaktiviertes Denken liefert die Antwort direkt. Das dokumentierte Beispiel verwendet temperature 1,0 und top-p 0,95. Wählen Sie Aufgabe und gewünschtes Ergebnis ausdrücklich und lassen Sie genug Erzeugungsraum für die Antwort, statt eine beispielhafte Tokenzuteilung als feste Ausgabegrenze des Modells zu behandeln.\n\nStellen Sie für eine Programmieraufgabe die relevante Quelle, das erwartete Verhalten und einen beobachteten Fehler oder die gewünschte Änderung bereit. Fordern Sie das vorgeschlagene Arbeitsergebnis und die Prüfungen an, mit denen es bewertet werden könnte. In einem angeschlossenen Agentenablauf schlägt das Modell Werkzeuginteraktionen vor, und die Anwendung führt sie aus und gibt Ergebnisse zurück. Der Hersteller veröffentlicht einen eigenen Parser für Werkzeugaufrufe; die umgebende Anwendung stellt die tatsächlichen Werkzeuge und ihren Zugriff bereit.\n\nInteraktive Arbeit kann Erkundung, Anpassung und Aktualisierungen des Arbeitsgedächtnisses der Aufgabe verlangen. Halten Sie Ziel, bestätigte Befunde und offene Bedingung kompakt fest. Lassen Sie den nächsten Dialogbeitrag benennen, was sich durch neue Belege ändert und was in dieser Aufzeichnung bleiben soll. Das dauerhafte Speichern der Aufzeichnung und das Ausführen von Aktionen gehören zur Anwendung um das Modell herum.\n\nDer Hersteller veröffentlicht getrennte BF16- und FP8-Artefakte sowie Rezepte für lokalen Modellbetrieb mit unterschiedlichen konfigurierten Kontextlängen. Eine konfigurierte Kontextlänge im Betrieb ist von der 512K-Modellspezifikation zu unterscheiden. Bewahren Sie bei der Modellidentifikation die Preview-Edition und Präzisionsunterschiede und fordern Sie ein Endergebnis an, das den Befund, die vorgeschlagene Änderung und die im Ablauf tatsächlich gesammelten Belege nennt.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "112a823cc673845227c8c3ac59e7c385565c1bb37808aee50d424ef1566f53d3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "dots-studio/dots-3-note-preview:freedots3-note Preview von Dots Studio ist ein multimodales MoE-Modell für Schlussfolgern, Programmierung und Agentenabläufe. Der Hersteller nennt insgesamt 280B und 16B aktive Parameter, einen 512K-Kontext, Text-, Bild-, Video- und Audioeingabe sowie Textausgabe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
dots3-note Preview ist das leichtgewichtige Mitglied von Dots Studios multimodaler dots3-Familie. Der Hersteller nennt ein Mixture-of-Experts-Modell mit insgesamt 280B Parametern, 16B aktiven Parametern und Unterstützung für bis zu 512K Tokens Kontext. Es nimmt Text, Bilder, Video und Audio entgegen und erzeugt Text. Zu den genannten Aufgaben zählen Allgemeinwissen, Anweisungen, Schlussfolgern, Programmierung und agentenorientierte Arbeit.
Das Sprachgrundmodell hat eine dichte Schicht und 45 Expertenschichten, mit acht gerouteten Experten aus 256 sowie einem gemeinsamen Experten. Seine Attention verbindet 13 Sparse-Attention-Schichten und 33 Sliding-Window-Schichten. Der Hersteller nennt getrennte Bild- und Audioencoder und eine gemeinsame Vorhersageschicht. Diese Komponenten unterstützen multimodales Verständnis; die Modellausgabe bleibt Text statt erzeugter Bilder, Sprache oder Videos.
Stellen Sie für visuelle Analysen das Bild, die Seite oder das Diagramm bereit und fragen Sie nach dem Merkmal, das die Entscheidung beeinflusst. Eine hilfreiche Dokumentaufgabe kann eine sichtbare Tabelle mit einer schriftlichen Anforderung vergleichen und die relevante Zeile, die Interpretation und fehlende Informationen zurückgeben. Benennen Sie bei Video das zu untersuchende Ereignis oder die Sequenz; das Eingabebeispiel des Herstellers enthält die Audiospur, wenn der Clip eine hat.
Geben Sie bei Audio an, ob die Aufgabe ein Transkript oder eine Erklärung des Materials benötigt, und stellen Sie die zur Interpretation nötigen Namen oder Fachbegriffe bereit. Ein kombinierter Auftrag kann die Aufnahme gemeinsam mit schriftlichem Hintergrund verwenden und Befunde nach der jeweils beantworteten Frage geordnet anfordern. Das Ergebnis ist Text, den die Anwendung darstellen oder verarbeiten kann.
Die Dialogvorlage des Herstellers unterscheidet einen Denkprozess von einer direkten Antwort. Aktiviertes Denken ergänzt eine Schlussfolgerungsphase; deaktiviertes Denken liefert die Antwort direkt. Das dokumentierte Beispiel verwendet temperature 1,0 und top-p 0,95. Wählen Sie Aufgabe und gewünschtes Ergebnis ausdrücklich und lassen Sie genug Erzeugungsraum für die Antwort, statt eine beispielhafte Tokenzuteilung als feste Ausgabegrenze des Modells zu behandeln.
Stellen Sie für eine Programmieraufgabe die relevante Quelle, das erwartete Verhalten und einen beobachteten Fehler oder die gewünschte Änderung bereit. Fordern Sie das vorgeschlagene Arbeitsergebnis und die Prüfungen an, mit denen es bewertet werden könnte. In einem angeschlossenen Agentenablauf schlägt das Modell Werkzeuginteraktionen vor, und die Anwendung führt sie aus und gibt Ergebnisse zurück. Der Hersteller veröffentlicht einen eigenen Parser für Werkzeugaufrufe; die umgebende Anwendung stellt die tatsächlichen Werkzeuge und ihren Zugriff bereit.
Interaktive Arbeit kann Erkundung, Anpassung und Aktualisierungen des Arbeitsgedächtnisses der Aufgabe verlangen. Halten Sie Ziel, bestätigte Befunde und offene Bedingung kompakt fest. Lassen Sie den nächsten Dialogbeitrag benennen, was sich durch neue Belege ändert und was in dieser Aufzeichnung bleiben soll. Das dauerhafte Speichern der Aufzeichnung und das Ausführen von Aktionen gehören zur Anwendung um das Modell herum.
Der Hersteller veröffentlicht getrennte BF16- und FP8-Artefakte sowie Rezepte für lokalen Modellbetrieb mit unterschiedlichen konfigurierten Kontextlängen. Eine konfigurierte Kontextlänge im Betrieb ist von der 512K-Modellspezifikation zu unterscheiden. Bewahren Sie bei der Modellidentifikation die Preview-Edition und Präzisionsunterschiede und fordern Sie ein Endergebnis an, das den Befund, die vorgeschlagene Änderung und die im Ablauf tatsächlich gesammelten Belege nennt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits dots-studio/dots-3-note-preview:free | Standard— |
Feldmessages | Typarray | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits false | Standardfalse |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Maximum: 460 800 | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Maximum: 460 800 | Standard— |
Feldn | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Maximum: 128 | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldseed | Typinteger | AnforderungOptional | Werte und Limits | Standard— |
Feldstop | Typ | AnforderungOptional | Werte und Limits | Standard— |
Feldfrequency_penalty | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldpresence_penalty | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Felduser | Typstring | AnforderungOptional | Werte und Limits | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parameteroptional | Vertragstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametermaterial_types | Vertragtext |
Parameterconditions | VertragUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 512000 bytes. |
Lebenszyklus: synchronous_json
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Tokens Ausgabe · Ausgabetoken $0 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "dots-studio/dots-3-note-preview:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra dots-studio/dots-3-note-preview:free
Verwenden Sie die oben angezeigten Methodenpfade.
dots-studio/dots-3-note-preview:freedots3-note Preview von Dots Studio ist ein multimodales MoE-Modell für Schlussfolgern, Programmierung und Agentenabläufe. Der Hersteller nennt insgesamt 280B und 16B aktive Parameter, einen 512K-Kontext, Text-, Bild-, Video- und Audioeingabe sowie Textausgabe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
dots3-note Preview ist das leichtgewichtige Mitglied von Dots Studios multimodaler dots3-Familie. Der Hersteller nennt ein Mixture-of-Experts-Modell mit insgesamt 280B Parametern, 16B aktiven Parametern und Unterstützung für bis zu 512K Tokens Kontext. Es nimmt Text, Bilder, Video und Audio entgegen und erzeugt Text. Zu den genannten Aufgaben zählen Allgemeinwissen, Anweisungen, Schlussfolgern, Programmierung und agentenorientierte Arbeit.
Das Sprachgrundmodell hat eine dichte Schicht und 45 Expertenschichten, mit acht gerouteten Experten aus 256 sowie einem gemeinsamen Experten. Seine Attention verbindet 13 Sparse-Attention-Schichten und 33 Sliding-Window-Schichten. Der Hersteller nennt getrennte Bild- und Audioencoder und eine gemeinsame Vorhersageschicht. Diese Komponenten unterstützen multimodales Verständnis; die Modellausgabe bleibt Text statt erzeugter Bilder, Sprache oder Videos.
Stellen Sie für visuelle Analysen das Bild, die Seite oder das Diagramm bereit und fragen Sie nach dem Merkmal, das die Entscheidung beeinflusst. Eine hilfreiche Dokumentaufgabe kann eine sichtbare Tabelle mit einer schriftlichen Anforderung vergleichen und die relevante Zeile, die Interpretation und fehlende Informationen zurückgeben. Benennen Sie bei Video das zu untersuchende Ereignis oder die Sequenz; das Eingabebeispiel des Herstellers enthält die Audiospur, wenn der Clip eine hat.
Geben Sie bei Audio an, ob die Aufgabe ein Transkript oder eine Erklärung des Materials benötigt, und stellen Sie die zur Interpretation nötigen Namen oder Fachbegriffe bereit. Ein kombinierter Auftrag kann die Aufnahme gemeinsam mit schriftlichem Hintergrund verwenden und Befunde nach der jeweils beantworteten Frage geordnet anfordern. Das Ergebnis ist Text, den die Anwendung darstellen oder verarbeiten kann.
Die Dialogvorlage des Herstellers unterscheidet einen Denkprozess von einer direkten Antwort. Aktiviertes Denken ergänzt eine Schlussfolgerungsphase; deaktiviertes Denken liefert die Antwort direkt. Das dokumentierte Beispiel verwendet temperature 1,0 und top-p 0,95. Wählen Sie Aufgabe und gewünschtes Ergebnis ausdrücklich und lassen Sie genug Erzeugungsraum für die Antwort, statt eine beispielhafte Tokenzuteilung als feste Ausgabegrenze des Modells zu behandeln.
Stellen Sie für eine Programmieraufgabe die relevante Quelle, das erwartete Verhalten und einen beobachteten Fehler oder die gewünschte Änderung bereit. Fordern Sie das vorgeschlagene Arbeitsergebnis und die Prüfungen an, mit denen es bewertet werden könnte. In einem angeschlossenen Agentenablauf schlägt das Modell Werkzeuginteraktionen vor, und die Anwendung führt sie aus und gibt Ergebnisse zurück. Der Hersteller veröffentlicht einen eigenen Parser für Werkzeugaufrufe; die umgebende Anwendung stellt die tatsächlichen Werkzeuge und ihren Zugriff bereit.
Interaktive Arbeit kann Erkundung, Anpassung und Aktualisierungen des Arbeitsgedächtnisses der Aufgabe verlangen. Halten Sie Ziel, bestätigte Befunde und offene Bedingung kompakt fest. Lassen Sie den nächsten Dialogbeitrag benennen, was sich durch neue Belege ändert und was in dieser Aufzeichnung bleiben soll. Das dauerhafte Speichern der Aufzeichnung und das Ausführen von Aktionen gehören zur Anwendung um das Modell herum.
Der Hersteller veröffentlicht getrennte BF16- und FP8-Artefakte sowie Rezepte für lokalen Modellbetrieb mit unterschiedlichen konfigurierten Kontextlängen. Eine konfigurierte Kontextlänge im Betrieb ist von der 512K-Modellspezifikation zu unterscheiden. Bewahren Sie bei der Modellidentifikation die Preview-Edition und Präzisionsunterschiede und fordern Sie ein Endergebnis an, das den Befund, die vorgeschlagene Änderung und die im Ablauf tatsächlich gesammelten Belege nennt.
POST /v1/messagestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits dots-studio/dots-3-note-preview:free | Standard— |
Feldmessages | Typarray | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits false | Standardfalse |
Feldsystem | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Maximum: 460 800 | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldtop_k | Typinteger | AnforderungOptional | Werte und Limits | Standard— |
Feldstop_sequences | Typarray | AnforderungOptional | Werte und Limits | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional | Vertragstream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametermaterial_types | Vertragtext |
Parameterconditions | VertragUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 512000 bytes. |
Lebenszyklus: synchronous_json
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Tokens Ausgabe · Ausgabetoken $0 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "dots-studio/dots-3-note-preview:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\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/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra dots-studio/dots-3-note-preview:free
Verwenden Sie die oben angezeigten Methodenpfade.