Spark Max ist die Textmodellfamilie von iFlytek Spark, die in der Herstellerdokumentation als generalv3.5 bezeichnet wird. iFlytek hebt in der Beschreibung von Max strukturierte Extraktion und logisches Schlussfolgern hervor. Das Modell kommt infrage, wenn eine Aufgabe mit Text beginnt und ein klar definiertes Ergebnis benötigt: die Erklärung eines Ablaufs, aus einer Nachricht extrahierte Felder, eine durch den Gesprächsverlauf geprägte Antwort oder ein Entwurf nach einer bestimmten Rolle und Stilvorgabe.
Die Eingabe besteht aus einer Folge von Nachrichten. Die dokumentierten Rollen unterscheiden die Anfrage der nutzenden Person, frühere Antworten des Assistenten, eine Systemanweisung und von Werkzeugen zurückgelieferte Ergebnisse. Eine Systemanweisung kann den Zweck des Assistenten und die Regeln für seine Antwort festlegen. Fügen Sie für ein fortgesetztes Gespräch die relevanten früheren Nachrichten in ihrer Reihenfolge hinzu: Die zur Beantwortung der aktuellen Anfrage nötigen Informationen müssen im übermittelten Kontext vorhanden sein. Platzieren Sie die unmittelbare Frage neben dem zugehörigen Ausgangsmaterial und geben Sie an, welche Fakten beim Bearbeiten erhalten bleiben müssen.
Der Hersteller bietet gewöhnliche Textausgabe und einen JSON-Objektmodus. Im JSON-Modus müssen die Anweisungen weiterhin ausdrücklich JSON verlangen. Das ist für Extraktionsaufgaben mit einem vereinbarten Ergebnisformat nützlich. Eine beispielhafte Anfrage lautet: „Lesen Sie diese Serviceanfrage. Geben Sie ein JSON-Objekt mit der gewünschten Handlung, den bereits bereitgestellten Informationen und den noch unbeantworteten Fragen zurück.“ Listen Sie die erwarteten Felder und die Regeln für fehlende Werte auf, statt die Einstellung des Ausgabeformats als Ersatz für eine präzise Aufgabenstellung zu betrachten.
Zu den Generierungsreglern gehören Sampling-Einstellungen, Wiederholungsstrafen, eine Einstellung der Ausgabelänge sowie die Auslieferung als Stream oder vollständige Antwort. Für den dokumentierten Max-Eintrag nennt iFlytek eine 8K-Eingabekonfiguration und eine maximale Ausgabe von 8K; die Einstellung max_tokens von Max reicht von 1 bis 8.192, mit einem dokumentierten Standardwert von 4.096. Der separate Name Max-32K kennzeichnet eine andere Konfiguration. Halten Sie das Gespräch, den Referenztext und die aktuelle Frage innerhalb des geltenden Eingabebudgets und wählen Sie die Antwortlänge anhand der Aufgabe statt anhand der Menge des bereitgestellten Materials.
Die Werkzeugbeschreibungen des Herstellers umfassen Websuche sowie integrierte Hilfsfunktionen für Wetter, Datumsangaben, Gedichte, Wortinformationen und Börseninformationen. Die Suche verfügt über einen normalen und einen tiefgehenden Modus: Der normale Modus verwendet abgerufene Zusammenfassungen, der tiefgehende Modus ausführlicheres abgerufenes Material. Die Steuerung der Quellenkennzeichnung kann Informationen über abgerufene Quellen anfordern. Dies sind dokumentierte Funktionen der Werkzeugschnittstelle von iFlytek; formulieren Sie eine Frage, die benennt, welche Informationen fehlen und welche Belege sie beantworten würden.
Funktionsaufrufe sind für die HTTP-Schnittstelle des Herstellers beschrieben. Die Anwendung liefert einen Funktionsnamen, dessen Zweck und ein gültiges JSON Schema für die Parameter. Die Optionen zur Werkzeugauswahl umfassen automatische Auswahl, das Deaktivieren von Aufrufen, das Erzwingen eines Aufrufs oder die Auswahl einer bestimmten Funktion. Die Dokumentation unterscheidet außerdem alternative Darstellungen zurückgegebener Aufrufe. Das tatsächliche Ergebnis der Funktion wird mit einer Nachricht in der Werkzeugrolle zurückgegeben; die umgebende Anwendung bleibt somit dafür verantwortlich, den Vorgang auszuführen und Daten zurückzuliefern, die das Modell verwenden kann.
Definieren Sie für einen praktischen Assistenten eine nützliche Aufgabe und die zu ihrer Erledigung erforderlichen Felder. Ein Beispielablauf könnte eine angefragte Produkteigenschaft extrahieren, einen offenen Wert über ein Anwendungswerkzeug ermitteln und anschließend eine Antwort verfassen, die gelieferte Fakten von offenen Fragen trennt. Geben Sie bei Bearbeitungsaufgaben Leserschaft, Tonfall und zu bewahrende Fakten an; nennen Sie bei einer logischen Frage die Bedingungen und verlangen Sie eine Schlussfolgerung, die daran überprüft werden kann. Der Name generalv3.5 gehört zur Max-Familie und bezeichnet kein eigenständig benanntes Deep-Thinking-Modell. Halten Sie seine Konfiguration von anderen Spark-Ausgaben getrennt und klären Sie die Grenzen und verfügbaren Werkzeuge der gewählten Verbindung, ohne Funktionen aus einer anderen Veröffentlichung zu übernehmen.
", "aboutText": "Spark Max ist die Textmodellfamilie von iFlytek Spark, die in der Herstellerdokumentation als generalv3.5 bezeichnet wird. iFlytek hebt in der Beschreibung von Max strukturierte Extraktion und logisches Schlussfolgern hervor. Das Modell kommt infrage, wenn eine Aufgabe mit Text beginnt und ein klar definiertes Ergebnis benötigt: die Erklärung eines Ablaufs, aus einer Nachricht extrahierte Felder, eine durch den Gesprächsverlauf geprägte Antwort oder ein Entwurf nach einer bestimmten Rolle und Stilvorgabe.\n\nDie Eingabe besteht aus einer Folge von Nachrichten. Die dokumentierten Rollen unterscheiden die Anfrage der nutzenden Person, frühere Antworten des Assistenten, eine Systemanweisung und von Werkzeugen zurückgelieferte Ergebnisse. Eine Systemanweisung kann den Zweck des Assistenten und die Regeln für seine Antwort festlegen. Fügen Sie für ein fortgesetztes Gespräch die relevanten früheren Nachrichten in ihrer Reihenfolge hinzu: Die zur Beantwortung der aktuellen Anfrage nötigen Informationen müssen im übermittelten Kontext vorhanden sein. Platzieren Sie die unmittelbare Frage neben dem zugehörigen Ausgangsmaterial und geben Sie an, welche Fakten beim Bearbeiten erhalten bleiben müssen.\n\nDer Hersteller bietet gewöhnliche Textausgabe und einen JSON-Objektmodus. Im JSON-Modus müssen die Anweisungen weiterhin ausdrücklich JSON verlangen. Das ist für Extraktionsaufgaben mit einem vereinbarten Ergebnisformat nützlich. Eine beispielhafte Anfrage lautet: „Lesen Sie diese Serviceanfrage. Geben Sie ein JSON-Objekt mit der gewünschten Handlung, den bereits bereitgestellten Informationen und den noch unbeantworteten Fragen zurück.“ Listen Sie die erwarteten Felder und die Regeln für fehlende Werte auf, statt die Einstellung des Ausgabeformats als Ersatz für eine präzise Aufgabenstellung zu betrachten.\n\nZu den Generierungsreglern gehören Sampling-Einstellungen, Wiederholungsstrafen, eine Einstellung der Ausgabelänge sowie die Auslieferung als Stream oder vollständige Antwort. Für den dokumentierten Max-Eintrag nennt iFlytek eine 8K-Eingabekonfiguration und eine maximale Ausgabe von 8K; die Einstellung max_tokens von Max reicht von 1 bis 8.192, mit einem dokumentierten Standardwert von 4.096. Der separate Name Max-32K kennzeichnet eine andere Konfiguration. Halten Sie das Gespräch, den Referenztext und die aktuelle Frage innerhalb des geltenden Eingabebudgets und wählen Sie die Antwortlänge anhand der Aufgabe statt anhand der Menge des bereitgestellten Materials.\n\nDie Werkzeugbeschreibungen des Herstellers umfassen Websuche sowie integrierte Hilfsfunktionen für Wetter, Datumsangaben, Gedichte, Wortinformationen und Börseninformationen. Die Suche verfügt über einen normalen und einen tiefgehenden Modus: Der normale Modus verwendet abgerufene Zusammenfassungen, der tiefgehende Modus ausführlicheres abgerufenes Material. Die Steuerung der Quellenkennzeichnung kann Informationen über abgerufene Quellen anfordern. Dies sind dokumentierte Funktionen der Werkzeugschnittstelle von iFlytek; formulieren Sie eine Frage, die benennt, welche Informationen fehlen und welche Belege sie beantworten würden.\n\nFunktionsaufrufe sind für die HTTP-Schnittstelle des Herstellers beschrieben. Die Anwendung liefert einen Funktionsnamen, dessen Zweck und ein gültiges JSON Schema für die Parameter. Die Optionen zur Werkzeugauswahl umfassen automatische Auswahl, das Deaktivieren von Aufrufen, das Erzwingen eines Aufrufs oder die Auswahl einer bestimmten Funktion. Die Dokumentation unterscheidet außerdem alternative Darstellungen zurückgegebener Aufrufe. Das tatsächliche Ergebnis der Funktion wird mit einer Nachricht in der Werkzeugrolle zurückgegeben; die umgebende Anwendung bleibt somit dafür verantwortlich, den Vorgang auszuführen und Daten zurückzuliefern, die das Modell verwenden kann.\n\nDefinieren Sie für einen praktischen Assistenten eine nützliche Aufgabe und die zu ihrer Erledigung erforderlichen Felder. Ein Beispielablauf könnte eine angefragte Produkteigenschaft extrahieren, einen offenen Wert über ein Anwendungswerkzeug ermitteln und anschließend eine Antwort verfassen, die gelieferte Fakten von offenen Fragen trennt. Geben Sie bei Bearbeitungsaufgaben Leserschaft, Tonfall und zu bewahrende Fakten an; nennen Sie bei einer logischen Frage die Bedingungen und verlangen Sie eine Schlussfolgerung, die daran überprüft werden kann. Der Name generalv3.5 gehört zur Max-Familie und bezeichnet kein eigenständig benanntes Deep-Thinking-Modell. Halten Sie seine Konfiguration von anderen Spark-Ausgaben getrennt und klären Sie die Grenzen und verfügbaren Werkzeuge der gewählten Verbindung, ohne Funktionen aus einer anderen Veröffentlichung zu übernehmen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.generalv3.5Spark Max ist das textorientierte Modell von iFlytek für strukturierte Extraktion, logische Aufgaben und Gespräche. Seine dokumentierte Schnittstelle kombiniert rollenbasierte Nachrichten, JSON-Objektausgabe, Steuerung der Websuche und von der Anwendung definierte Funktionsaufrufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Spark Max ist die Textmodellfamilie von iFlytek Spark, die in der Herstellerdokumentation als generalv3.5 bezeichnet wird. iFlytek hebt in der Beschreibung von Max strukturierte Extraktion und logisches Schlussfolgern hervor. Das Modell kommt infrage, wenn eine Aufgabe mit Text beginnt und ein klar definiertes Ergebnis benötigt: die Erklärung eines Ablaufs, aus einer Nachricht extrahierte Felder, eine durch den Gesprächsverlauf geprägte Antwort oder ein Entwurf nach einer bestimmten Rolle und Stilvorgabe.
Die Eingabe besteht aus einer Folge von Nachrichten. Die dokumentierten Rollen unterscheiden die Anfrage der nutzenden Person, frühere Antworten des Assistenten, eine Systemanweisung und von Werkzeugen zurückgelieferte Ergebnisse. Eine Systemanweisung kann den Zweck des Assistenten und die Regeln für seine Antwort festlegen. Fügen Sie für ein fortgesetztes Gespräch die relevanten früheren Nachrichten in ihrer Reihenfolge hinzu: Die zur Beantwortung der aktuellen Anfrage nötigen Informationen müssen im übermittelten Kontext vorhanden sein. Platzieren Sie die unmittelbare Frage neben dem zugehörigen Ausgangsmaterial und geben Sie an, welche Fakten beim Bearbeiten erhalten bleiben müssen.
Der Hersteller bietet gewöhnliche Textausgabe und einen JSON-Objektmodus. Im JSON-Modus müssen die Anweisungen weiterhin ausdrücklich JSON verlangen. Das ist für Extraktionsaufgaben mit einem vereinbarten Ergebnisformat nützlich. Eine beispielhafte Anfrage lautet: „Lesen Sie diese Serviceanfrage. Geben Sie ein JSON-Objekt mit der gewünschten Handlung, den bereits bereitgestellten Informationen und den noch unbeantworteten Fragen zurück.“ Listen Sie die erwarteten Felder und die Regeln für fehlende Werte auf, statt die Einstellung des Ausgabeformats als Ersatz für eine präzise Aufgabenstellung zu betrachten.
Zu den Generierungsreglern gehören Sampling-Einstellungen, Wiederholungsstrafen, eine Einstellung der Ausgabelänge sowie die Auslieferung als Stream oder vollständige Antwort. Für den dokumentierten Max-Eintrag nennt iFlytek eine 8K-Eingabekonfiguration und eine maximale Ausgabe von 8K; die Einstellung max_tokens von Max reicht von 1 bis 8.192, mit einem dokumentierten Standardwert von 4.096. Der separate Name Max-32K kennzeichnet eine andere Konfiguration. Halten Sie das Gespräch, den Referenztext und die aktuelle Frage innerhalb des geltenden Eingabebudgets und wählen Sie die Antwortlänge anhand der Aufgabe statt anhand der Menge des bereitgestellten Materials.
Die Werkzeugbeschreibungen des Herstellers umfassen Websuche sowie integrierte Hilfsfunktionen für Wetter, Datumsangaben, Gedichte, Wortinformationen und Börseninformationen. Die Suche verfügt über einen normalen und einen tiefgehenden Modus: Der normale Modus verwendet abgerufene Zusammenfassungen, der tiefgehende Modus ausführlicheres abgerufenes Material. Die Steuerung der Quellenkennzeichnung kann Informationen über abgerufene Quellen anfordern. Dies sind dokumentierte Funktionen der Werkzeugschnittstelle von iFlytek; formulieren Sie eine Frage, die benennt, welche Informationen fehlen und welche Belege sie beantworten würden.
Funktionsaufrufe sind für die HTTP-Schnittstelle des Herstellers beschrieben. Die Anwendung liefert einen Funktionsnamen, dessen Zweck und ein gültiges JSON Schema für die Parameter. Die Optionen zur Werkzeugauswahl umfassen automatische Auswahl, das Deaktivieren von Aufrufen, das Erzwingen eines Aufrufs oder die Auswahl einer bestimmten Funktion. Die Dokumentation unterscheidet außerdem alternative Darstellungen zurückgegebener Aufrufe. Das tatsächliche Ergebnis der Funktion wird mit einer Nachricht in der Werkzeugrolle zurückgegeben; die umgebende Anwendung bleibt somit dafür verantwortlich, den Vorgang auszuführen und Daten zurückzuliefern, die das Modell verwenden kann.
Definieren Sie für einen praktischen Assistenten eine nützliche Aufgabe und die zu ihrer Erledigung erforderlichen Felder. Ein Beispielablauf könnte eine angefragte Produkteigenschaft extrahieren, einen offenen Wert über ein Anwendungswerkzeug ermitteln und anschließend eine Antwort verfassen, die gelieferte Fakten von offenen Fragen trennt. Geben Sie bei Bearbeitungsaufgaben Leserschaft, Tonfall und zu bewahrende Fakten an; nennen Sie bei einer logischen Frage die Bedingungen und verlangen Sie eine Schlussfolgerung, die daran überprüft werden kann. Der Name generalv3.5 gehört zur Max-Familie und bezeichnet kein eigenständig benanntes Deep-Thinking-Modell. Halten Sie seine Konfiguration von anderen Spark-Ausgaben getrennt und klären Sie die Grenzen und verfügbaren Werkzeuge der gewählten Verbindung, ohne Funktionen aus einer anderen Veröffentlichung zu übernehmen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits generalv3.5 | 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 $0.00946 / 1K Tokens Ausgabe · Ausgabetoken $0.00946 / 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": "generalv3.5", "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='generalv3.5',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='generalv3.5',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 generalv3.5
Verwenden Sie die oben angezeigten Methodenpfade.
generalv3.5Spark Max ist das textorientierte Modell von iFlytek für strukturierte Extraktion, logische Aufgaben und Gespräche. Seine dokumentierte Schnittstelle kombiniert rollenbasierte Nachrichten, JSON-Objektausgabe, Steuerung der Websuche und von der Anwendung definierte Funktionsaufrufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Spark Max ist die Textmodellfamilie von iFlytek Spark, die in der Herstellerdokumentation als generalv3.5 bezeichnet wird. iFlytek hebt in der Beschreibung von Max strukturierte Extraktion und logisches Schlussfolgern hervor. Das Modell kommt infrage, wenn eine Aufgabe mit Text beginnt und ein klar definiertes Ergebnis benötigt: die Erklärung eines Ablaufs, aus einer Nachricht extrahierte Felder, eine durch den Gesprächsverlauf geprägte Antwort oder ein Entwurf nach einer bestimmten Rolle und Stilvorgabe.
Die Eingabe besteht aus einer Folge von Nachrichten. Die dokumentierten Rollen unterscheiden die Anfrage der nutzenden Person, frühere Antworten des Assistenten, eine Systemanweisung und von Werkzeugen zurückgelieferte Ergebnisse. Eine Systemanweisung kann den Zweck des Assistenten und die Regeln für seine Antwort festlegen. Fügen Sie für ein fortgesetztes Gespräch die relevanten früheren Nachrichten in ihrer Reihenfolge hinzu: Die zur Beantwortung der aktuellen Anfrage nötigen Informationen müssen im übermittelten Kontext vorhanden sein. Platzieren Sie die unmittelbare Frage neben dem zugehörigen Ausgangsmaterial und geben Sie an, welche Fakten beim Bearbeiten erhalten bleiben müssen.
Der Hersteller bietet gewöhnliche Textausgabe und einen JSON-Objektmodus. Im JSON-Modus müssen die Anweisungen weiterhin ausdrücklich JSON verlangen. Das ist für Extraktionsaufgaben mit einem vereinbarten Ergebnisformat nützlich. Eine beispielhafte Anfrage lautet: „Lesen Sie diese Serviceanfrage. Geben Sie ein JSON-Objekt mit der gewünschten Handlung, den bereits bereitgestellten Informationen und den noch unbeantworteten Fragen zurück.“ Listen Sie die erwarteten Felder und die Regeln für fehlende Werte auf, statt die Einstellung des Ausgabeformats als Ersatz für eine präzise Aufgabenstellung zu betrachten.
Zu den Generierungsreglern gehören Sampling-Einstellungen, Wiederholungsstrafen, eine Einstellung der Ausgabelänge sowie die Auslieferung als Stream oder vollständige Antwort. Für den dokumentierten Max-Eintrag nennt iFlytek eine 8K-Eingabekonfiguration und eine maximale Ausgabe von 8K; die Einstellung max_tokens von Max reicht von 1 bis 8.192, mit einem dokumentierten Standardwert von 4.096. Der separate Name Max-32K kennzeichnet eine andere Konfiguration. Halten Sie das Gespräch, den Referenztext und die aktuelle Frage innerhalb des geltenden Eingabebudgets und wählen Sie die Antwortlänge anhand der Aufgabe statt anhand der Menge des bereitgestellten Materials.
Die Werkzeugbeschreibungen des Herstellers umfassen Websuche sowie integrierte Hilfsfunktionen für Wetter, Datumsangaben, Gedichte, Wortinformationen und Börseninformationen. Die Suche verfügt über einen normalen und einen tiefgehenden Modus: Der normale Modus verwendet abgerufene Zusammenfassungen, der tiefgehende Modus ausführlicheres abgerufenes Material. Die Steuerung der Quellenkennzeichnung kann Informationen über abgerufene Quellen anfordern. Dies sind dokumentierte Funktionen der Werkzeugschnittstelle von iFlytek; formulieren Sie eine Frage, die benennt, welche Informationen fehlen und welche Belege sie beantworten würden.
Funktionsaufrufe sind für die HTTP-Schnittstelle des Herstellers beschrieben. Die Anwendung liefert einen Funktionsnamen, dessen Zweck und ein gültiges JSON Schema für die Parameter. Die Optionen zur Werkzeugauswahl umfassen automatische Auswahl, das Deaktivieren von Aufrufen, das Erzwingen eines Aufrufs oder die Auswahl einer bestimmten Funktion. Die Dokumentation unterscheidet außerdem alternative Darstellungen zurückgegebener Aufrufe. Das tatsächliche Ergebnis der Funktion wird mit einer Nachricht in der Werkzeugrolle zurückgegeben; die umgebende Anwendung bleibt somit dafür verantwortlich, den Vorgang auszuführen und Daten zurückzuliefern, die das Modell verwenden kann.
Definieren Sie für einen praktischen Assistenten eine nützliche Aufgabe und die zu ihrer Erledigung erforderlichen Felder. Ein Beispielablauf könnte eine angefragte Produkteigenschaft extrahieren, einen offenen Wert über ein Anwendungswerkzeug ermitteln und anschließend eine Antwort verfassen, die gelieferte Fakten von offenen Fragen trennt. Geben Sie bei Bearbeitungsaufgaben Leserschaft, Tonfall und zu bewahrende Fakten an; nennen Sie bei einer logischen Frage die Bedingungen und verlangen Sie eine Schlussfolgerung, die daran überprüft werden kann. Der Name generalv3.5 gehört zur Max-Familie und bezeichnet kein eigenständig benanntes Deep-Thinking-Modell. Halten Sie seine Konfiguration von anderen Spark-Ausgaben getrennt und klären Sie die Grenzen und verfügbaren Werkzeuge der gewählten Verbindung, ohne Funktionen aus einer anderen Veröffentlichung zu übernehmen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits generalv3.5 | 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 $0.00946 / 1K Tokens Ausgabe · Ausgabetoken $0.00946 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "generalv3.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'generalv3.5', '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': 'generalv3.5', '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 generalv3.5
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.