Weaver Alpha ist Mancers experimentelles System für Rollenspiele und erzählerisches Schreiben. Der Hersteller beschreibt eine Kombination kleinerer Modelle für ausladende Prosa, katalogisiert als LLaMA-2-basiertes 13B-System. Es nimmt schriftliche Szenenanweisungen und Kontext entgegen und generiert Text. Seine bestimmende Rolle ist die kreative, ausführliche Fortsetzung, statt eines Versprechens für kohärentes Langzeitgedächtnis oder die breiten Fähigkeiten eines anderen Modells.
Geben Sie den aktuellen Schauplatz, die Perspektive, die Figurenmotive und das als Nächstes gewünschte Ereignis an. Benennen Sie, welche Fakten feststehen und welche Details das Modell erfinden darf. Legen Sie für Rollenspiele fest, wer jede Figur steuert und ob die Antwort Erzählung, Dialog oder beides enthalten soll. Ein nützliches Briefing lautet: „Setzen Sie diese Szene aus der Perspektive der Erzählstimme fort, bewahren Sie das genannte Ziel der Figur und enden Sie, sobald die neue Komplikation enthüllt ist.“
Beschreiben Sie bei einer atmosphärischen Passage die gewünschte Stimmung und die sie tragenden Details: Umgebung, Tempo, Stimme und die Handlung im Zentrum der Szene. Verlangen Sie die benötigte Länge und den Endpunkt. Ein ausführlicher Stil kann Tiefe liefern, aber eine Szene profitiert weiterhin von einem klaren dramatischen Zweck statt einer Anweisung zur ziellosen Ausschmückung.
Der Hersteller verlangt für seinen dokumentierten Vervollständigungsablauf Alpaca-Promptformatierung. Sein veröffentlichtes vereinfachtes Format unterscheidet Systemanweisung, Benutzeranweisung und Assistentenantwort. Halten Sie diese Rollen getrennt und bewahren Sie bei der Vorbereitung einer Fortsetzung das eigene Modellformat. Ein umgebender Chatablauf kann diese Formatierung übernehmen, aber allein der angezeigte Modellname bestimmt nicht den Promptaufbau einer Anwendung.
Die empfohlenen Anfangseinstellungen des Herstellers sind temperature 0.9, repetition penalty 1.1, top-p 0.58 und top-k 50. Dies sind Herstellerempfehlungen für das experimentelle Profil und keine für jede Anwendung abgeleiteten Einstellungen. Sie liefern einen Ausgangspunkt für den Prosastil; das tatsächliche Ergebnis muss weiterhin auf Wiederholungen, Stimme und Szenentreue geprüft werden.
Der Hersteller von Weaver warnt ausdrücklich vor Problemen mit Kohärenz und Gedächtnis. Halten Sie den jüngsten Szenenstand und wesentliche Figurenfakten in der Eingabe, wenn die Geschichte fortgesetzt wird. Eine knappe Kontinuitätsnotiz kann benennen, was geschehen ist, was die Figuren wissen und was sich nicht ändern darf. Widerspricht eine generierte Passage dieser Notiz, nennen Sie die konkrete Abweichung und verlangen Sie eine an die etablierten Ereignisse gebundene Überarbeitung.
Das Herstellerprofil nennt einen Kontext von 8.000 Tokens und eine maximale Ausgabe von 6.000 Tokens. Ausgangsmaterial, Anweisungen, Gespräch und Vervollständigung müssen in das geltende Budget passen; das Ausgabelimit ist kein zusätzlicher Platz jenseits des Kontexts. Der Hersteller erklärt außerdem, dass dieses Profil keine Multi-Swipe-Generierung unterstützt. Behandeln Sie eine generierte Fortsetzung als einzelnes zu prüfendes Ergebnis, statt gleichzeitige Alternativen aus einer Anfrage vorauszusetzen.
Das Ergebnis kann eine Szenenfortsetzung, eine beschreibende Passage oder ein Figurenaustausch sein. Prüfen Sie, ob es Perspektive, Handlungsspielraum der Figuren, Chronologie und den gewünschten Schluss bewahrt. Benennen Sie bei einer Bearbeitung die genaue zu ändernde Passage und die zu bewahrende Bedeutung. Übernehmen Sie gelungene Fakten der Geschichte in den nächsten Prompt, statt zu erwarten, dass ein langer unsichtbarer Verlauf verfügbar bleibt. Der praktische Wert von Weaver Alpha liegt in seinem kreativen Prosaprofil, wobei seine experimentelle Identität und die dokumentierten Kontinuitätsgrenzen in der Aufgabenvorbereitung sichtbar bleiben.
", "aboutText": "Weaver Alpha ist Mancers experimentelles System für Rollenspiele und erzählerisches Schreiben. Der Hersteller beschreibt eine Kombination kleinerer Modelle für ausladende Prosa, katalogisiert als LLaMA-2-basiertes 13B-System. Es nimmt schriftliche Szenenanweisungen und Kontext entgegen und generiert Text. Seine bestimmende Rolle ist die kreative, ausführliche Fortsetzung, statt eines Versprechens für kohärentes Langzeitgedächtnis oder die breiten Fähigkeiten eines anderen Modells.\n\n### Eine Erzählszene vorbereiten\n\nGeben Sie den aktuellen Schauplatz, die Perspektive, die Figurenmotive und das als Nächstes gewünschte Ereignis an. Benennen Sie, welche Fakten feststehen und welche Details das Modell erfinden darf. Legen Sie für Rollenspiele fest, wer jede Figur steuert und ob die Antwort Erzählung, Dialog oder beides enthalten soll. Ein nützliches Briefing lautet: „Setzen Sie diese Szene aus der Perspektive der Erzählstimme fort, bewahren Sie das genannte Ziel der Figur und enden Sie, sobald die neue Komplikation enthüllt ist.“\n\nBeschreiben Sie bei einer atmosphärischen Passage die gewünschte Stimmung und die sie tragenden Details: Umgebung, Tempo, Stimme und die Handlung im Zentrum der Szene. Verlangen Sie die benötigte Länge und den Endpunkt. Ein ausführlicher Stil kann Tiefe liefern, aber eine Szene profitiert weiterhin von einem klaren dramatischen Zweck statt einer Anweisung zur ziellosen Ausschmückung.\n\n### Prompt und Herstellerregler\n\nDer Hersteller verlangt für seinen dokumentierten Vervollständigungsablauf Alpaca-Promptformatierung. Sein veröffentlichtes vereinfachtes Format unterscheidet Systemanweisung, Benutzeranweisung und Assistentenantwort. Halten Sie diese Rollen getrennt und bewahren Sie bei der Vorbereitung einer Fortsetzung das eigene Modellformat. Ein umgebender Chatablauf kann diese Formatierung übernehmen, aber allein der angezeigte Modellname bestimmt nicht den Promptaufbau einer Anwendung.\n\nDie empfohlenen Anfangseinstellungen des Herstellers sind temperature 0.9, repetition penalty 1.1, top-p 0.58 und top-k 50. Dies sind Herstellerempfehlungen für das experimentelle Profil und keine für jede Anwendung abgeleiteten Einstellungen. Sie liefern einen Ausgangspunkt für den Prosastil; das tatsächliche Ergebnis muss weiterhin auf Wiederholungen, Stimme und Szenentreue geprüft werden.\n\n### Kontinuität und Grenzen\n\nDer Hersteller von Weaver warnt ausdrücklich vor Problemen mit Kohärenz und Gedächtnis. Halten Sie den jüngsten Szenenstand und wesentliche Figurenfakten in der Eingabe, wenn die Geschichte fortgesetzt wird. Eine knappe Kontinuitätsnotiz kann benennen, was geschehen ist, was die Figuren wissen und was sich nicht ändern darf. Widerspricht eine generierte Passage dieser Notiz, nennen Sie die konkrete Abweichung und verlangen Sie eine an die etablierten Ereignisse gebundene Überarbeitung.\n\nDas Herstellerprofil nennt einen Kontext von 8.000 Tokens und eine maximale Ausgabe von 6.000 Tokens. Ausgangsmaterial, Anweisungen, Gespräch und Vervollständigung müssen in das geltende Budget passen; das Ausgabelimit ist kein zusätzlicher Platz jenseits des Kontexts. Der Hersteller erklärt außerdem, dass dieses Profil keine Multi-Swipe-Generierung unterstützt. Behandeln Sie eine generierte Fortsetzung als einzelnes zu prüfendes Ergebnis, statt gleichzeitige Alternativen aus einer Anfrage vorauszusetzen.\n\n### Ein nützliches Schreibergebnis\n\nDas Ergebnis kann eine Szenenfortsetzung, eine beschreibende Passage oder ein Figurenaustausch sein. Prüfen Sie, ob es Perspektive, Handlungsspielraum der Figuren, Chronologie und den gewünschten Schluss bewahrt. Benennen Sie bei einer Bearbeitung die genaue zu ändernde Passage und die zu bewahrende Bedeutung. Übernehmen Sie gelungene Fakten der Geschichte in den nächsten Prompt, statt zu erwarten, dass ein langer unsichtbarer Verlauf verfügbar bleibt. Der praktische Wert von Weaver Alpha liegt in seinem kreativen Prosaprofil, wobei seine experimentelle Identität und die dokumentierten Kontinuitätsgrenzen in der Aufgabenvorbereitung sichtbar bleiben.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Reveal a scene complication\n\nContinue in close third person through cartographer Nera. She has reached an abandoned observatory to recover her stolen atlas; her companion believes it burned. Write 200 words of atmospheric prose with one brief exchange. Preserve those facts, then stop when Nera finds a freshly drawn map of their route inside the supposedly empty dome.An atmospheric scene continuation around 200 words, ending on the discovery rather than resolving it.Check viewpoint, the companion's belief and the requested stopping event remain consistent.mancer/weaverWeaver Alpha ist Mancers experimentelles Textgenerierungssystem für Rollenspiele und erzählende Prosa. Sein ausführlicher kreativer Stil funktioniert am besten mit einer ausdrücklichen Szene, einem Figurenbriefing und jüngsten Kontinuitätsnotizen; das Herstellerprofil nennt 8.000 Tokens Kontext und ein Ausgabelimit von 6.000 Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Weaver Alpha ist Mancers experimentelles System für Rollenspiele und erzählerisches Schreiben. Der Hersteller beschreibt eine Kombination kleinerer Modelle für ausladende Prosa, katalogisiert als LLaMA-2-basiertes 13B-System. Es nimmt schriftliche Szenenanweisungen und Kontext entgegen und generiert Text. Seine bestimmende Rolle ist die kreative, ausführliche Fortsetzung, statt eines Versprechens für kohärentes Langzeitgedächtnis oder die breiten Fähigkeiten eines anderen Modells.
Geben Sie den aktuellen Schauplatz, die Perspektive, die Figurenmotive und das als Nächstes gewünschte Ereignis an. Benennen Sie, welche Fakten feststehen und welche Details das Modell erfinden darf. Legen Sie für Rollenspiele fest, wer jede Figur steuert und ob die Antwort Erzählung, Dialog oder beides enthalten soll. Ein nützliches Briefing lautet: „Setzen Sie diese Szene aus der Perspektive der Erzählstimme fort, bewahren Sie das genannte Ziel der Figur und enden Sie, sobald die neue Komplikation enthüllt ist.“
Beschreiben Sie bei einer atmosphärischen Passage die gewünschte Stimmung und die sie tragenden Details: Umgebung, Tempo, Stimme und die Handlung im Zentrum der Szene. Verlangen Sie die benötigte Länge und den Endpunkt. Ein ausführlicher Stil kann Tiefe liefern, aber eine Szene profitiert weiterhin von einem klaren dramatischen Zweck statt einer Anweisung zur ziellosen Ausschmückung.
Der Hersteller verlangt für seinen dokumentierten Vervollständigungsablauf Alpaca-Promptformatierung. Sein veröffentlichtes vereinfachtes Format unterscheidet Systemanweisung, Benutzeranweisung und Assistentenantwort. Halten Sie diese Rollen getrennt und bewahren Sie bei der Vorbereitung einer Fortsetzung das eigene Modellformat. Ein umgebender Chatablauf kann diese Formatierung übernehmen, aber allein der angezeigte Modellname bestimmt nicht den Promptaufbau einer Anwendung.
Die empfohlenen Anfangseinstellungen des Herstellers sind temperature 0.9, repetition penalty 1.1, top-p 0.58 und top-k 50. Dies sind Herstellerempfehlungen für das experimentelle Profil und keine für jede Anwendung abgeleiteten Einstellungen. Sie liefern einen Ausgangspunkt für den Prosastil; das tatsächliche Ergebnis muss weiterhin auf Wiederholungen, Stimme und Szenentreue geprüft werden.
Der Hersteller von Weaver warnt ausdrücklich vor Problemen mit Kohärenz und Gedächtnis. Halten Sie den jüngsten Szenenstand und wesentliche Figurenfakten in der Eingabe, wenn die Geschichte fortgesetzt wird. Eine knappe Kontinuitätsnotiz kann benennen, was geschehen ist, was die Figuren wissen und was sich nicht ändern darf. Widerspricht eine generierte Passage dieser Notiz, nennen Sie die konkrete Abweichung und verlangen Sie eine an die etablierten Ereignisse gebundene Überarbeitung.
Das Herstellerprofil nennt einen Kontext von 8.000 Tokens und eine maximale Ausgabe von 6.000 Tokens. Ausgangsmaterial, Anweisungen, Gespräch und Vervollständigung müssen in das geltende Budget passen; das Ausgabelimit ist kein zusätzlicher Platz jenseits des Kontexts. Der Hersteller erklärt außerdem, dass dieses Profil keine Multi-Swipe-Generierung unterstützt. Behandeln Sie eine generierte Fortsetzung als einzelnes zu prüfendes Ergebnis, statt gleichzeitige Alternativen aus einer Anfrage vorauszusetzen.
Das Ergebnis kann eine Szenenfortsetzung, eine beschreibende Passage oder ein Figurenaustausch sein. Prüfen Sie, ob es Perspektive, Handlungsspielraum der Figuren, Chronologie und den gewünschten Schluss bewahrt. Benennen Sie bei einer Bearbeitung die genaue zu ändernde Passage und die zu bewahrende Bedeutung. Übernehmen Sie gelungene Fakten der Geschichte in den nächsten Prompt, statt zu erwarten, dass ein langer unsichtbarer Verlauf verfügbar bleibt. Der praktische Wert von Weaver Alpha liegt in seinem kreativen Prosaprofil, wobei seine experimentelle Identität und die dokumentierten Kontinuitätsgrenzen in der Aufgabenvorbereitung sichtbar bleiben.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mancer/weaver | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0008 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0008 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mancer/weaver", "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='mancer/weaver',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='mancer/weaver',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 mancer/weaver
Verwenden Sie die oben angezeigten Methodenpfade.
mancer/weaverWeaver Alpha ist Mancers experimentelles Textgenerierungssystem für Rollenspiele und erzählende Prosa. Sein ausführlicher kreativer Stil funktioniert am besten mit einer ausdrücklichen Szene, einem Figurenbriefing und jüngsten Kontinuitätsnotizen; das Herstellerprofil nennt 8.000 Tokens Kontext und ein Ausgabelimit von 6.000 Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Weaver Alpha ist Mancers experimentelles System für Rollenspiele und erzählerisches Schreiben. Der Hersteller beschreibt eine Kombination kleinerer Modelle für ausladende Prosa, katalogisiert als LLaMA-2-basiertes 13B-System. Es nimmt schriftliche Szenenanweisungen und Kontext entgegen und generiert Text. Seine bestimmende Rolle ist die kreative, ausführliche Fortsetzung, statt eines Versprechens für kohärentes Langzeitgedächtnis oder die breiten Fähigkeiten eines anderen Modells.
Geben Sie den aktuellen Schauplatz, die Perspektive, die Figurenmotive und das als Nächstes gewünschte Ereignis an. Benennen Sie, welche Fakten feststehen und welche Details das Modell erfinden darf. Legen Sie für Rollenspiele fest, wer jede Figur steuert und ob die Antwort Erzählung, Dialog oder beides enthalten soll. Ein nützliches Briefing lautet: „Setzen Sie diese Szene aus der Perspektive der Erzählstimme fort, bewahren Sie das genannte Ziel der Figur und enden Sie, sobald die neue Komplikation enthüllt ist.“
Beschreiben Sie bei einer atmosphärischen Passage die gewünschte Stimmung und die sie tragenden Details: Umgebung, Tempo, Stimme und die Handlung im Zentrum der Szene. Verlangen Sie die benötigte Länge und den Endpunkt. Ein ausführlicher Stil kann Tiefe liefern, aber eine Szene profitiert weiterhin von einem klaren dramatischen Zweck statt einer Anweisung zur ziellosen Ausschmückung.
Der Hersteller verlangt für seinen dokumentierten Vervollständigungsablauf Alpaca-Promptformatierung. Sein veröffentlichtes vereinfachtes Format unterscheidet Systemanweisung, Benutzeranweisung und Assistentenantwort. Halten Sie diese Rollen getrennt und bewahren Sie bei der Vorbereitung einer Fortsetzung das eigene Modellformat. Ein umgebender Chatablauf kann diese Formatierung übernehmen, aber allein der angezeigte Modellname bestimmt nicht den Promptaufbau einer Anwendung.
Die empfohlenen Anfangseinstellungen des Herstellers sind temperature 0.9, repetition penalty 1.1, top-p 0.58 und top-k 50. Dies sind Herstellerempfehlungen für das experimentelle Profil und keine für jede Anwendung abgeleiteten Einstellungen. Sie liefern einen Ausgangspunkt für den Prosastil; das tatsächliche Ergebnis muss weiterhin auf Wiederholungen, Stimme und Szenentreue geprüft werden.
Der Hersteller von Weaver warnt ausdrücklich vor Problemen mit Kohärenz und Gedächtnis. Halten Sie den jüngsten Szenenstand und wesentliche Figurenfakten in der Eingabe, wenn die Geschichte fortgesetzt wird. Eine knappe Kontinuitätsnotiz kann benennen, was geschehen ist, was die Figuren wissen und was sich nicht ändern darf. Widerspricht eine generierte Passage dieser Notiz, nennen Sie die konkrete Abweichung und verlangen Sie eine an die etablierten Ereignisse gebundene Überarbeitung.
Das Herstellerprofil nennt einen Kontext von 8.000 Tokens und eine maximale Ausgabe von 6.000 Tokens. Ausgangsmaterial, Anweisungen, Gespräch und Vervollständigung müssen in das geltende Budget passen; das Ausgabelimit ist kein zusätzlicher Platz jenseits des Kontexts. Der Hersteller erklärt außerdem, dass dieses Profil keine Multi-Swipe-Generierung unterstützt. Behandeln Sie eine generierte Fortsetzung als einzelnes zu prüfendes Ergebnis, statt gleichzeitige Alternativen aus einer Anfrage vorauszusetzen.
Das Ergebnis kann eine Szenenfortsetzung, eine beschreibende Passage oder ein Figurenaustausch sein. Prüfen Sie, ob es Perspektive, Handlungsspielraum der Figuren, Chronologie und den gewünschten Schluss bewahrt. Benennen Sie bei einer Bearbeitung die genaue zu ändernde Passage und die zu bewahrende Bedeutung. Übernehmen Sie gelungene Fakten der Geschichte in den nächsten Prompt, statt zu erwarten, dass ein langer unsichtbarer Verlauf verfügbar bleibt. Der praktische Wert von Weaver Alpha liegt in seinem kreativen Prosaprofil, wobei seine experimentelle Identität und die dokumentierten Kontinuitätsgrenzen in der Aufgabenvorbereitung sichtbar bleiben.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mancer/weaver | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0008 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0008 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "mancer/weaver",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mancer/weaver', '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': 'mancer/weaver', '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 mancer/weaver
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Reveal a scene complication\n\nContinue in close third person through cartographer Nera. She has reached an abandoned observatory to recover her stolen atlas; her companion believes it burned. Write 200 words of atmospheric prose with one brief exchange. Preserve those facts, then stop when Nera finds a freshly drawn map of their route inside the supposedly empty dome.An atmospheric scene continuation around 200 words, ending on the discovery rather than resolving it.Check viewpoint, the companion's belief and the requested stopping event remain consistent.