ERNIE 5.0 Thinking ist Baidus auf Schlussfolgern ausgerichtete Modellfamilie für komplexe Fragen, Schreiben, das Befolgen von Anweisungen und mit Anwendungen verbundene Aufgaben. Das vom Hersteller benannte Profil Thinking Preview verbindet tiefgehendes Schlussfolgern mit visuellem Verständnis sowie Unterstützung für Planung und Werkzeugnutzung. Der Textantwort-Arbeitsablauf des Herstellers unterscheidet sich davon, die multimodalen Generierungsfähigkeiten der gesamten ERNIE-5.0-Forschungsfamilie als einen einzigen austauschbaren Anfragevertrag zu behandeln.
Geben Sie die Frage, das verwendbare Material und die Bedingungen an, die die Antwort erfüllen muss. Ein Recherchevergleich kann die Kriterien festlegen und die Belege für jede Schlussfolgerung anfordern. Eine Schreibaufgabe kann Zielgruppe, Faktenbriefing und gewünschte Struktur vorgeben. Eine Programmierfrage kann das zu ändernde Verhalten und den relevanten Quelltextausschnitt benennen. Formulieren Sie das abschließende Arbeitsergebnis so konkret, dass es geprüft werden kann.
Stellen Sie für visuelles Verständnis Material bereit, in dem das relevante Merkmal klar erkennbar ist, und nennen Sie die dazugehörige Frage. Ein Diagramm oder das Bild eines Dokuments benötigt lesbare Beschriftungen und den umgebenden Kontext, der die Bedeutung seiner Werte klärt. Prüfen Sie wichtige Text- und Zahlendetails anhand des Originalmaterials. Die Ausrichtung des Modells auf visuelles Verständnis macht es weiterhin notwendig, die Quelle zusammen mit der zurückgegebenen Interpretation aufzubewahren.
Baidus AI-Studio-Tabelle führt das Profil Thinking Preview mit einem Kontext von 128K und einer maximalen Eingabe von 119K an. Die chinesische Tabelle nennt Einstellungen für die abschließende Ausgabe bis zu 65.536 Tokens und einen Standardwert von 2K sowie separat eine Denklänge von 60K. Belassen Sie diese Budgets bei ihren jeweiligen Aufgaben: der Aufgabenkontext, die erzeugten Denkschritte und die gewünschte abschließende Antwort sind unterschiedliche Teile eines nützlichen Ergebnisses.
Ein großes Eingabebudget kann zusammengehörige Dokumente aufnehmen, während die angeforderte Antwort weiterhin zur benötigten Entscheidung oder zum Arbeitsergebnis passen sollte. Verlangen Sie bei einem Vergleich eine kompakte Tabelle mit Belegen und die maßgebliche Schlussfolgerung, statt jede bereitgestellte Passage zu wiederholen. Bewahren Sie bei einer technischen Antwort den Eingabefall und das erwartete Verhalten auf, die das Ergebnis überprüfbar machen. Die Spezifikation des benannten Preview-Profils sollte nicht in eine Garantie über die zugrunde liegende Revision einer später laufend aktualisierten Auswahlkennung umgedeutet werden.
Das Funktionsverzeichnis des Herstellers führt das Profil Thinking Preview für Funktionsaufrufe, Sucherweiterung und strukturierte Ausgaben an. Definieren Sie eine Anwendungsfunktion und die benötigten Argumente, führen Sie eine zurückgegebene Anfrage in der Anwendung aus und stellen Sie das tatsächliche Ergebnis zur Fortsetzung bereit. Ein Agentenplan ist für sich genommen kein Beleg dafür, dass die geplanten Vorgänge abgeschlossen wurden.
Eine quellenbasierte Antwort sollte abgerufene Belege aufbewahren und sie vom bereitgestellten Hintergrund oder einer Schlussfolgerung unterscheiden. Ein strukturierter Datensatz sollte die erforderlichen Felder und die Darstellung fehlender Informationen festlegen; die zurückgegebenen Werte sind anhand der Quelle zu prüfen. Native Antwortformate und Werkzeugdetails gehören zur gewählten Herstellerschnittstelle. Die grundlegende praktische Anforderung ist ein nachvollziehbares Textergebnis und kein plausibel wirkendes, aber unbelegt ausgefülltes Feld.
Das nützliche Arbeitsergebnis kann ein begründeter Vergleich, ein Entwurf, eine codebezogene Erklärung oder eine werkzeuggestützte Antwort sein. Prüfen Sie wichtige Kennungen, Berechnungen und Interpretationen anhand des Materials, das sie belegt. Lassen Sie eine unvollständige Recherche oder eine widersprüchliche Quelle in der Schlussfolgerung sichtbar, statt eine Lücke durch flüssige Formulierungen zu verdecken.
Die Thinking-Familie, das benannte Preview-Profil und spätere ERNIE-Generationen haben unterschiedliche Auswahlkennungen und dokumentierte Bedingungen. Bewahren Sie Aufgabe, Quellenmaterial, Belege aus abgeschlossenen Werkzeugvorgängen und abschließende Antwort gemeinsam auf. So wird der nächste Gesprächsschritt zu einer konkreten Korrektur oder Erweiterung derselben Untersuchung, statt zu einer unbegründeten Rekonstruktion der früheren Arbeit.
", "aboutText": "ERNIE 5.0 Thinking ist Baidus auf Schlussfolgern ausgerichtete Modellfamilie für komplexe Fragen, Schreiben, das Befolgen von Anweisungen und mit Anwendungen verbundene Aufgaben. Das vom Hersteller benannte Profil Thinking Preview verbindet tiefgehendes Schlussfolgern mit visuellem Verständnis sowie Unterstützung für Planung und Werkzeugnutzung. Der Textantwort-Arbeitsablauf des Herstellers unterscheidet sich davon, die multimodalen Generierungsfähigkeiten der gesamten ERNIE-5.0-Forschungsfamilie als einen einzigen austauschbaren Anfragevertrag zu behandeln.\n\n### Belege für das gewünschte Ergebnis vorbereiten\n\nGeben Sie die Frage, das verwendbare Material und die Bedingungen an, die die Antwort erfüllen muss. Ein Recherchevergleich kann die Kriterien festlegen und die Belege für jede Schlussfolgerung anfordern. Eine Schreibaufgabe kann Zielgruppe, Faktenbriefing und gewünschte Struktur vorgeben. Eine Programmierfrage kann das zu ändernde Verhalten und den relevanten Quelltextausschnitt benennen. Formulieren Sie das abschließende Arbeitsergebnis so konkret, dass es geprüft werden kann.\n\nStellen Sie für visuelles Verständnis Material bereit, in dem das relevante Merkmal klar erkennbar ist, und nennen Sie die dazugehörige Frage. Ein Diagramm oder das Bild eines Dokuments benötigt lesbare Beschriftungen und den umgebenden Kontext, der die Bedeutung seiner Werte klärt. Prüfen Sie wichtige Text- und Zahlendetails anhand des Originalmaterials. Die Ausrichtung des Modells auf visuelles Verständnis macht es weiterhin notwendig, die Quelle zusammen mit der zurückgegebenen Interpretation aufzubewahren.\n\n### Die dokumentierten Preview-Budgets\n\nBaidus AI-Studio-Tabelle führt das Profil Thinking Preview mit einem Kontext von 128K und einer maximalen Eingabe von 119K an. Die chinesische Tabelle nennt Einstellungen für die abschließende Ausgabe bis zu 65.536 Tokens und einen Standardwert von 2K sowie separat eine Denklänge von 60K. Belassen Sie diese Budgets bei ihren jeweiligen Aufgaben: der Aufgabenkontext, die erzeugten Denkschritte und die gewünschte abschließende Antwort sind unterschiedliche Teile eines nützlichen Ergebnisses.\n\nEin großes Eingabebudget kann zusammengehörige Dokumente aufnehmen, während die angeforderte Antwort weiterhin zur benötigten Entscheidung oder zum Arbeitsergebnis passen sollte. Verlangen Sie bei einem Vergleich eine kompakte Tabelle mit Belegen und die maßgebliche Schlussfolgerung, statt jede bereitgestellte Passage zu wiederholen. Bewahren Sie bei einer technischen Antwort den Eingabefall und das erwartete Verhalten auf, die das Ergebnis überprüfbar machen. Die Spezifikation des benannten Preview-Profils sollte nicht in eine Garantie über die zugrunde liegende Revision einer später laufend aktualisierten Auswahlkennung umgedeutet werden.\n\n### Werkzeuge, Suche und strukturierter Text\n\nDas Funktionsverzeichnis des Herstellers führt das Profil Thinking Preview für Funktionsaufrufe, Sucherweiterung und strukturierte Ausgaben an. Definieren Sie eine Anwendungsfunktion und die benötigten Argumente, führen Sie eine zurückgegebene Anfrage in der Anwendung aus und stellen Sie das tatsächliche Ergebnis zur Fortsetzung bereit. Ein Agentenplan ist für sich genommen kein Beleg dafür, dass die geplanten Vorgänge abgeschlossen wurden.\n\nEine quellenbasierte Antwort sollte abgerufene Belege aufbewahren und sie vom bereitgestellten Hintergrund oder einer Schlussfolgerung unterscheiden. Ein strukturierter Datensatz sollte die erforderlichen Felder und die Darstellung fehlender Informationen festlegen; die zurückgegebenen Werte sind anhand der Quelle zu prüfen. Native Antwortformate und Werkzeugdetails gehören zur gewählten Herstellerschnittstelle. Die grundlegende praktische Anforderung ist ein nachvollziehbares Textergebnis und kein plausibel wirkendes, aber unbelegt ausgefülltes Feld.\n\n### Die Aufgabe prüfen und fortsetzen\n\nDas nützliche Arbeitsergebnis kann ein begründeter Vergleich, ein Entwurf, eine codebezogene Erklärung oder eine werkzeuggestützte Antwort sein. Prüfen Sie wichtige Kennungen, Berechnungen und Interpretationen anhand des Materials, das sie belegt. Lassen Sie eine unvollständige Recherche oder eine widersprüchliche Quelle in der Schlussfolgerung sichtbar, statt eine Lücke durch flüssige Formulierungen zu verdecken.\n\nDie Thinking-Familie, das benannte Preview-Profil und spätere ERNIE-Generationen haben unterschiedliche Auswahlkennungen und dokumentierte Bedingungen. Bewahren Sie Aufgabe, Quellenmaterial, Belege aus abgeschlossenen Werkzeugvorgängen und abschließende Antwort gemeinsam auf. So wird der nächste Gesprächsschritt zu einer konkreten Korrektur oder Erweiterung derselben Untersuchung, statt zu einer unbegründeten Rekonstruktion der früheren Arbeit.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "caae4d8222896cb3f3cb9de37fb829b303f7c566e21f65f03c45ebe84d093eeb", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "ernie-5.0-thinking-previewERNIE 5.0 Thinking verbindet tiefgehendes Schlussfolgern, Schreiben, visuelles Verständnis und werkzeuggestützte Aufgaben. Das dokumentierte Preview-Profil hat einen Kontext von 128K, eine maximale Eingabe von 119K und Einstellungen für die endgültige Ausgabe von bis zu 65.536 Token bei einem separaten Thinking-Budget.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
ERNIE 5.0 Thinking ist Baidus auf Schlussfolgern ausgerichtete Modellfamilie für komplexe Fragen, Schreiben, das Befolgen von Anweisungen und mit Anwendungen verbundene Aufgaben. Das vom Hersteller benannte Profil Thinking Preview verbindet tiefgehendes Schlussfolgern mit visuellem Verständnis sowie Unterstützung für Planung und Werkzeugnutzung. Der Textantwort-Arbeitsablauf des Herstellers unterscheidet sich davon, die multimodalen Generierungsfähigkeiten der gesamten ERNIE-5.0-Forschungsfamilie als einen einzigen austauschbaren Anfragevertrag zu behandeln.
Geben Sie die Frage, das verwendbare Material und die Bedingungen an, die die Antwort erfüllen muss. Ein Recherchevergleich kann die Kriterien festlegen und die Belege für jede Schlussfolgerung anfordern. Eine Schreibaufgabe kann Zielgruppe, Faktenbriefing und gewünschte Struktur vorgeben. Eine Programmierfrage kann das zu ändernde Verhalten und den relevanten Quelltextausschnitt benennen. Formulieren Sie das abschließende Arbeitsergebnis so konkret, dass es geprüft werden kann.
Stellen Sie für visuelles Verständnis Material bereit, in dem das relevante Merkmal klar erkennbar ist, und nennen Sie die dazugehörige Frage. Ein Diagramm oder das Bild eines Dokuments benötigt lesbare Beschriftungen und den umgebenden Kontext, der die Bedeutung seiner Werte klärt. Prüfen Sie wichtige Text- und Zahlendetails anhand des Originalmaterials. Die Ausrichtung des Modells auf visuelles Verständnis macht es weiterhin notwendig, die Quelle zusammen mit der zurückgegebenen Interpretation aufzubewahren.
Baidus AI-Studio-Tabelle führt das Profil Thinking Preview mit einem Kontext von 128K und einer maximalen Eingabe von 119K an. Die chinesische Tabelle nennt Einstellungen für die abschließende Ausgabe bis zu 65.536 Tokens und einen Standardwert von 2K sowie separat eine Denklänge von 60K. Belassen Sie diese Budgets bei ihren jeweiligen Aufgaben: der Aufgabenkontext, die erzeugten Denkschritte und die gewünschte abschließende Antwort sind unterschiedliche Teile eines nützlichen Ergebnisses.
Ein großes Eingabebudget kann zusammengehörige Dokumente aufnehmen, während die angeforderte Antwort weiterhin zur benötigten Entscheidung oder zum Arbeitsergebnis passen sollte. Verlangen Sie bei einem Vergleich eine kompakte Tabelle mit Belegen und die maßgebliche Schlussfolgerung, statt jede bereitgestellte Passage zu wiederholen. Bewahren Sie bei einer technischen Antwort den Eingabefall und das erwartete Verhalten auf, die das Ergebnis überprüfbar machen. Die Spezifikation des benannten Preview-Profils sollte nicht in eine Garantie über die zugrunde liegende Revision einer später laufend aktualisierten Auswahlkennung umgedeutet werden.
Das Funktionsverzeichnis des Herstellers führt das Profil Thinking Preview für Funktionsaufrufe, Sucherweiterung und strukturierte Ausgaben an. Definieren Sie eine Anwendungsfunktion und die benötigten Argumente, führen Sie eine zurückgegebene Anfrage in der Anwendung aus und stellen Sie das tatsächliche Ergebnis zur Fortsetzung bereit. Ein Agentenplan ist für sich genommen kein Beleg dafür, dass die geplanten Vorgänge abgeschlossen wurden.
Eine quellenbasierte Antwort sollte abgerufene Belege aufbewahren und sie vom bereitgestellten Hintergrund oder einer Schlussfolgerung unterscheiden. Ein strukturierter Datensatz sollte die erforderlichen Felder und die Darstellung fehlender Informationen festlegen; die zurückgegebenen Werte sind anhand der Quelle zu prüfen. Native Antwortformate und Werkzeugdetails gehören zur gewählten Herstellerschnittstelle. Die grundlegende praktische Anforderung ist ein nachvollziehbares Textergebnis und kein plausibel wirkendes, aber unbelegt ausgefülltes Feld.
Das nützliche Arbeitsergebnis kann ein begründeter Vergleich, ein Entwurf, eine codebezogene Erklärung oder eine werkzeuggestützte Antwort sein. Prüfen Sie wichtige Kennungen, Berechnungen und Interpretationen anhand des Materials, das sie belegt. Lassen Sie eine unvollständige Recherche oder eine widersprüchliche Quelle in der Schlussfolgerung sichtbar, statt eine Lücke durch flüssige Formulierungen zu verdecken.
Die Thinking-Familie, das benannte Preview-Profil und spätere ERNIE-Generationen haben unterschiedliche Auswahlkennungen und dokumentierte Bedingungen. Bewahren Sie Aufgabe, Quellenmaterial, Belege aus abgeschlossenen Werkzeugvorgängen und abschließende Antwort gemeinsam auf. So wird der nächste Gesprächsschritt zu einer konkreten Korrektur oder Erweiterung derselben Untersuchung, statt zu einer unbegründeten Rekonstruktion der früheren Arbeit.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ernie-5.0-thinking-preview | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
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 |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
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 $0.001892 / 1K Tokens Ausgabe · Ausgabetoken $0.003146 / 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":"ernie-5.0-thinking-preview","messages":[{"role":"user","content":"hello"}],"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\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="ernie-5.0-thinking-preview", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 ernie-5.0-thinking-preview
/chat/completions
ernie-5.0-thinking-previewERNIE 5.0 Thinking verbindet tiefgehendes Schlussfolgern, Schreiben, visuelles Verständnis und werkzeuggestützte Aufgaben. Das dokumentierte Preview-Profil hat einen Kontext von 128K, eine maximale Eingabe von 119K und Einstellungen für die endgültige Ausgabe von bis zu 65.536 Token bei einem separaten Thinking-Budget.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
ERNIE 5.0 Thinking ist Baidus auf Schlussfolgern ausgerichtete Modellfamilie für komplexe Fragen, Schreiben, das Befolgen von Anweisungen und mit Anwendungen verbundene Aufgaben. Das vom Hersteller benannte Profil Thinking Preview verbindet tiefgehendes Schlussfolgern mit visuellem Verständnis sowie Unterstützung für Planung und Werkzeugnutzung. Der Textantwort-Arbeitsablauf des Herstellers unterscheidet sich davon, die multimodalen Generierungsfähigkeiten der gesamten ERNIE-5.0-Forschungsfamilie als einen einzigen austauschbaren Anfragevertrag zu behandeln.
Geben Sie die Frage, das verwendbare Material und die Bedingungen an, die die Antwort erfüllen muss. Ein Recherchevergleich kann die Kriterien festlegen und die Belege für jede Schlussfolgerung anfordern. Eine Schreibaufgabe kann Zielgruppe, Faktenbriefing und gewünschte Struktur vorgeben. Eine Programmierfrage kann das zu ändernde Verhalten und den relevanten Quelltextausschnitt benennen. Formulieren Sie das abschließende Arbeitsergebnis so konkret, dass es geprüft werden kann.
Stellen Sie für visuelles Verständnis Material bereit, in dem das relevante Merkmal klar erkennbar ist, und nennen Sie die dazugehörige Frage. Ein Diagramm oder das Bild eines Dokuments benötigt lesbare Beschriftungen und den umgebenden Kontext, der die Bedeutung seiner Werte klärt. Prüfen Sie wichtige Text- und Zahlendetails anhand des Originalmaterials. Die Ausrichtung des Modells auf visuelles Verständnis macht es weiterhin notwendig, die Quelle zusammen mit der zurückgegebenen Interpretation aufzubewahren.
Baidus AI-Studio-Tabelle führt das Profil Thinking Preview mit einem Kontext von 128K und einer maximalen Eingabe von 119K an. Die chinesische Tabelle nennt Einstellungen für die abschließende Ausgabe bis zu 65.536 Tokens und einen Standardwert von 2K sowie separat eine Denklänge von 60K. Belassen Sie diese Budgets bei ihren jeweiligen Aufgaben: der Aufgabenkontext, die erzeugten Denkschritte und die gewünschte abschließende Antwort sind unterschiedliche Teile eines nützlichen Ergebnisses.
Ein großes Eingabebudget kann zusammengehörige Dokumente aufnehmen, während die angeforderte Antwort weiterhin zur benötigten Entscheidung oder zum Arbeitsergebnis passen sollte. Verlangen Sie bei einem Vergleich eine kompakte Tabelle mit Belegen und die maßgebliche Schlussfolgerung, statt jede bereitgestellte Passage zu wiederholen. Bewahren Sie bei einer technischen Antwort den Eingabefall und das erwartete Verhalten auf, die das Ergebnis überprüfbar machen. Die Spezifikation des benannten Preview-Profils sollte nicht in eine Garantie über die zugrunde liegende Revision einer später laufend aktualisierten Auswahlkennung umgedeutet werden.
Das Funktionsverzeichnis des Herstellers führt das Profil Thinking Preview für Funktionsaufrufe, Sucherweiterung und strukturierte Ausgaben an. Definieren Sie eine Anwendungsfunktion und die benötigten Argumente, führen Sie eine zurückgegebene Anfrage in der Anwendung aus und stellen Sie das tatsächliche Ergebnis zur Fortsetzung bereit. Ein Agentenplan ist für sich genommen kein Beleg dafür, dass die geplanten Vorgänge abgeschlossen wurden.
Eine quellenbasierte Antwort sollte abgerufene Belege aufbewahren und sie vom bereitgestellten Hintergrund oder einer Schlussfolgerung unterscheiden. Ein strukturierter Datensatz sollte die erforderlichen Felder und die Darstellung fehlender Informationen festlegen; die zurückgegebenen Werte sind anhand der Quelle zu prüfen. Native Antwortformate und Werkzeugdetails gehören zur gewählten Herstellerschnittstelle. Die grundlegende praktische Anforderung ist ein nachvollziehbares Textergebnis und kein plausibel wirkendes, aber unbelegt ausgefülltes Feld.
Das nützliche Arbeitsergebnis kann ein begründeter Vergleich, ein Entwurf, eine codebezogene Erklärung oder eine werkzeuggestützte Antwort sein. Prüfen Sie wichtige Kennungen, Berechnungen und Interpretationen anhand des Materials, das sie belegt. Lassen Sie eine unvollständige Recherche oder eine widersprüchliche Quelle in der Schlussfolgerung sichtbar, statt eine Lücke durch flüssige Formulierungen zu verdecken.
Die Thinking-Familie, das benannte Preview-Profil und spätere ERNIE-Generationen haben unterschiedliche Auswahlkennungen und dokumentierte Bedingungen. Bewahren Sie Aufgabe, Quellenmaterial, Belege aus abgeschlossenen Werkzeugvorgängen und abschließende Antwort gemeinsam auf. So wird der nächste Gesprächsschritt zu einer konkreten Korrektur oder Erweiterung derselben Untersuchung, statt zu einer unbegründeten Rekonstruktion der früheren Arbeit.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ernie-5.0-thinking-preview | 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 $0.001892 / 1K Tokens Ausgabe · Ausgabetoken $0.003146 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "ernie-5.0-thinking-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ernie-5.0-thinking-preview', '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': 'ernie-5.0-thinking-preview', '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 ernie-5.0-thinking-preview
/chat/completions