GPT-3.5 Turbo Instruct ist OpenAIs Textmodell für Aufgaben zur Anweisungsbefolgung und Vervollständigung. Der Hersteller beschreibt ähnliche Fähigkeiten wie bei Modellen der GPT-3-Ära und Kompatibilität mit der älteren Schnittstelle Completions statt der Schnittstelle für Chatnachrichten. Es erhält einen Prompt und erzeugt Text, der ihm folgt oder ihn fortsetzt.
Fügen Sie für eine Umformulierung die ursprüngliche Passage hinzu und nennen Sie die gewünschte Änderung: Tonalität, Länge, Informationsreihenfolge oder vorgesehene Leserschaft. Eine Beispielaufgabe verwandelt eine grobe Verfahrensbeschreibung in eine kurze Anleitung und erhält dabei die erforderlichen Schritte und Definitionen. Stellen Sie für neuen Text die Fakten bereit und nennen Sie das genau benötigte Ergebnis. Eine Codeanfrage kann den relevanten Ausschnitt und das zu erklärende oder zu implementierende Verhalten enthalten.
Der Hersteller nennt ein Kontextfenster von 4.096 Token und eine maximale Ausgabe von 4.096 Token mit einem Wissensstand bis zum 1. September 2021. Prompt und erzeugter Text teilen sich den verfügbaren Kontext. Das nominelle Ausgabemaximum verspricht daher nicht für jede Anfrage so viel Platz. Beschränken Sie das Ausgangsmaterial auf Relevantes und verlangen Sie ein Ergebnis, das in das Budget der Aufgabe passt.
Bereiten Sie den Prompt mit klaren Abschnitten für Anweisung, gegebenenfalls ein Beispiel und das zu verarbeitende Material vor. Der direkte Vervollständigungsablauf arbeitet mit diesem bereitgestellten Prompt. Fügen Sie relevante frühere Fakten erneut hinzu, wenn die nächste Anfrage davon abhängt. Definieren Sie die Darstellung einer fehlenden Tatsache, statt die Erfindung eines unbelegten Details zu verlangen.
Ein nützliches Ergebnis ist eine vollständige Passage, eine knappe Erklärung oder ein Codevorschlag, der mit den ursprünglichen Bedingungen verglichen werden kann. Stellen Sie für eine Folgeanfrage die aktuelle Fassung und die konkret benötigte Änderung bereit. Die Identität als Modell für Anweisungen und Vervollständigung bleibt von den Chatvarianten von GPT-3.5 Turbo getrennt.
", "aboutText": "GPT-3.5 Turbo Instruct ist OpenAIs Textmodell für Aufgaben zur Anweisungsbefolgung und Vervollständigung. Der Hersteller beschreibt ähnliche Fähigkeiten wie bei Modellen der GPT-3-Ära und Kompatibilität mit der älteren Schnittstelle Completions statt der Schnittstelle für Chatnachrichten. Es erhält einen Prompt und erzeugt Text, der ihm folgt oder ihn fortsetzt.\n\nFügen Sie für eine Umformulierung die ursprüngliche Passage hinzu und nennen Sie die gewünschte Änderung: Tonalität, Länge, Informationsreihenfolge oder vorgesehene Leserschaft. Eine Beispielaufgabe verwandelt eine grobe Verfahrensbeschreibung in eine kurze Anleitung und erhält dabei die erforderlichen Schritte und Definitionen. Stellen Sie für neuen Text die Fakten bereit und nennen Sie das genau benötigte Ergebnis. Eine Codeanfrage kann den relevanten Ausschnitt und das zu erklärende oder zu implementierende Verhalten enthalten.\n\nDer Hersteller nennt ein Kontextfenster von 4.096 Token und eine maximale Ausgabe von 4.096 Token mit einem Wissensstand bis zum 1. September 2021. Prompt und erzeugter Text teilen sich den verfügbaren Kontext. Das nominelle Ausgabemaximum verspricht daher nicht für jede Anfrage so viel Platz. Beschränken Sie das Ausgangsmaterial auf Relevantes und verlangen Sie ein Ergebnis, das in das Budget der Aufgabe passt.\n\nBereiten Sie den Prompt mit klaren Abschnitten für Anweisung, gegebenenfalls ein Beispiel und das zu verarbeitende Material vor. Der direkte Vervollständigungsablauf arbeitet mit diesem bereitgestellten Prompt. Fügen Sie relevante frühere Fakten erneut hinzu, wenn die nächste Anfrage davon abhängt. Definieren Sie die Darstellung einer fehlenden Tatsache, statt die Erfindung eines unbelegten Details zu verlangen.\n\nEin nützliches Ergebnis ist eine vollständige Passage, eine knappe Erklärung oder ein Codevorschlag, der mit den ursprünglichen Bedingungen verglichen werden kann. Stellen Sie für eine Folgeanfrage die aktuelle Fassung und die konkret benötigte Änderung bereit. Die Identität als Modell für Anweisungen und Vervollständigung bleibt von den Chatvarianten von GPT-3.5 Turbo getrennt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Rewrite a rough procedure\n\nTurn this rough note into three numbered instructions for a warehouse clerk: “scan item first, then check location matches label, mismatch means stop and ask supervisor, matching means shelf it.” Preserve the stop condition and order of operations. Use plain imperative language and add no steps or equipment absent from the note.Three numbered imperative instructions with a clear mismatch branch before shelving.Check that shelving occurs only after a matching location check and that the supervisor is contacted on mismatch.gpt-3.5-turbo-instructEin Textmodell von OpenAI zur Befolgung von Anweisungen und Textvervollständigung. Stellen Sie einen Prompt mit Aufgabe und Ausgangsmaterial bereit, um über die ältere Herstellerschnittstelle Completions eine Fortsetzung, Umformulierung, Erklärung oder einen Codeabschnitt zu erarbeiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-3.5 Turbo Instruct ist OpenAIs Textmodell für Aufgaben zur Anweisungsbefolgung und Vervollständigung. Der Hersteller beschreibt ähnliche Fähigkeiten wie bei Modellen der GPT-3-Ära und Kompatibilität mit der älteren Schnittstelle Completions statt der Schnittstelle für Chatnachrichten. Es erhält einen Prompt und erzeugt Text, der ihm folgt oder ihn fortsetzt.
Fügen Sie für eine Umformulierung die ursprüngliche Passage hinzu und nennen Sie die gewünschte Änderung: Tonalität, Länge, Informationsreihenfolge oder vorgesehene Leserschaft. Eine Beispielaufgabe verwandelt eine grobe Verfahrensbeschreibung in eine kurze Anleitung und erhält dabei die erforderlichen Schritte und Definitionen. Stellen Sie für neuen Text die Fakten bereit und nennen Sie das genau benötigte Ergebnis. Eine Codeanfrage kann den relevanten Ausschnitt und das zu erklärende oder zu implementierende Verhalten enthalten.
Der Hersteller nennt ein Kontextfenster von 4.096 Token und eine maximale Ausgabe von 4.096 Token mit einem Wissensstand bis zum 1. September 2021. Prompt und erzeugter Text teilen sich den verfügbaren Kontext. Das nominelle Ausgabemaximum verspricht daher nicht für jede Anfrage so viel Platz. Beschränken Sie das Ausgangsmaterial auf Relevantes und verlangen Sie ein Ergebnis, das in das Budget der Aufgabe passt.
Bereiten Sie den Prompt mit klaren Abschnitten für Anweisung, gegebenenfalls ein Beispiel und das zu verarbeitende Material vor. Der direkte Vervollständigungsablauf arbeitet mit diesem bereitgestellten Prompt. Fügen Sie relevante frühere Fakten erneut hinzu, wenn die nächste Anfrage davon abhängt. Definieren Sie die Darstellung einer fehlenden Tatsache, statt die Erfindung eines unbelegten Details zu verlangen.
Ein nützliches Ergebnis ist eine vollständige Passage, eine knappe Erklärung oder ein Codevorschlag, der mit den ursprünglichen Bedingungen verglichen werden kann. Stellen Sie für eine Folgeanfrage die aktuelle Fassung und die konkret benötigte Änderung bereit. Die Identität als Modell für Anweisungen und Vervollständigung bleibt von den Chatvarianten von GPT-3.5 Turbo getrennt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-3.5-turbo-instruct | 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.
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 $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 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 $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-3.5-turbo-instruct","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="gpt-3.5-turbo-instruct", 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 gpt-3.5-turbo-instruct, openai/gpt-3.5-turbo-instruct
/chat/completions
gpt-3.5-turbo-instructEin Textmodell von OpenAI zur Befolgung von Anweisungen und Textvervollständigung. Stellen Sie einen Prompt mit Aufgabe und Ausgangsmaterial bereit, um über die ältere Herstellerschnittstelle Completions eine Fortsetzung, Umformulierung, Erklärung oder einen Codeabschnitt zu erarbeiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-3.5 Turbo Instruct ist OpenAIs Textmodell für Aufgaben zur Anweisungsbefolgung und Vervollständigung. Der Hersteller beschreibt ähnliche Fähigkeiten wie bei Modellen der GPT-3-Ära und Kompatibilität mit der älteren Schnittstelle Completions statt der Schnittstelle für Chatnachrichten. Es erhält einen Prompt und erzeugt Text, der ihm folgt oder ihn fortsetzt.
Fügen Sie für eine Umformulierung die ursprüngliche Passage hinzu und nennen Sie die gewünschte Änderung: Tonalität, Länge, Informationsreihenfolge oder vorgesehene Leserschaft. Eine Beispielaufgabe verwandelt eine grobe Verfahrensbeschreibung in eine kurze Anleitung und erhält dabei die erforderlichen Schritte und Definitionen. Stellen Sie für neuen Text die Fakten bereit und nennen Sie das genau benötigte Ergebnis. Eine Codeanfrage kann den relevanten Ausschnitt und das zu erklärende oder zu implementierende Verhalten enthalten.
Der Hersteller nennt ein Kontextfenster von 4.096 Token und eine maximale Ausgabe von 4.096 Token mit einem Wissensstand bis zum 1. September 2021. Prompt und erzeugter Text teilen sich den verfügbaren Kontext. Das nominelle Ausgabemaximum verspricht daher nicht für jede Anfrage so viel Platz. Beschränken Sie das Ausgangsmaterial auf Relevantes und verlangen Sie ein Ergebnis, das in das Budget der Aufgabe passt.
Bereiten Sie den Prompt mit klaren Abschnitten für Anweisung, gegebenenfalls ein Beispiel und das zu verarbeitende Material vor. Der direkte Vervollständigungsablauf arbeitet mit diesem bereitgestellten Prompt. Fügen Sie relevante frühere Fakten erneut hinzu, wenn die nächste Anfrage davon abhängt. Definieren Sie die Darstellung einer fehlenden Tatsache, statt die Erfindung eines unbelegten Details zu verlangen.
Ein nützliches Ergebnis ist eine vollständige Passage, eine knappe Erklärung oder ein Codevorschlag, der mit den ursprünglichen Bedingungen verglichen werden kann. Stellen Sie für eine Folgeanfrage die aktuelle Fassung und die konkret benötigte Änderung bereit. Die Identität als Modell für Anweisungen und Vervollständigung bleibt von den Chatvarianten von GPT-3.5 Turbo getrennt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-3.5-turbo-instruct | 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 $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 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 $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-3.5-turbo-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'gpt-3.5-turbo-instruct', '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': 'gpt-3.5-turbo-instruct', '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 gpt-3.5-turbo-instruct, openai/gpt-3.5-turbo-instruct
/chat/completions
openai/gpt-3.5-turbo-instructEin Textmodell von OpenAI zur Befolgung von Anweisungen und Textvervollständigung. Stellen Sie einen Prompt mit Aufgabe und Ausgangsmaterial bereit, um über die ältere Herstellerschnittstelle Completions eine Fortsetzung, Umformulierung, Erklärung oder einen Codeabschnitt zu erarbeiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-3.5 Turbo Instruct ist OpenAIs Textmodell für Aufgaben zur Anweisungsbefolgung und Vervollständigung. Der Hersteller beschreibt ähnliche Fähigkeiten wie bei Modellen der GPT-3-Ära und Kompatibilität mit der älteren Schnittstelle Completions statt der Schnittstelle für Chatnachrichten. Es erhält einen Prompt und erzeugt Text, der ihm folgt oder ihn fortsetzt.
Fügen Sie für eine Umformulierung die ursprüngliche Passage hinzu und nennen Sie die gewünschte Änderung: Tonalität, Länge, Informationsreihenfolge oder vorgesehene Leserschaft. Eine Beispielaufgabe verwandelt eine grobe Verfahrensbeschreibung in eine kurze Anleitung und erhält dabei die erforderlichen Schritte und Definitionen. Stellen Sie für neuen Text die Fakten bereit und nennen Sie das genau benötigte Ergebnis. Eine Codeanfrage kann den relevanten Ausschnitt und das zu erklärende oder zu implementierende Verhalten enthalten.
Der Hersteller nennt ein Kontextfenster von 4.096 Token und eine maximale Ausgabe von 4.096 Token mit einem Wissensstand bis zum 1. September 2021. Prompt und erzeugter Text teilen sich den verfügbaren Kontext. Das nominelle Ausgabemaximum verspricht daher nicht für jede Anfrage so viel Platz. Beschränken Sie das Ausgangsmaterial auf Relevantes und verlangen Sie ein Ergebnis, das in das Budget der Aufgabe passt.
Bereiten Sie den Prompt mit klaren Abschnitten für Anweisung, gegebenenfalls ein Beispiel und das zu verarbeitende Material vor. Der direkte Vervollständigungsablauf arbeitet mit diesem bereitgestellten Prompt. Fügen Sie relevante frühere Fakten erneut hinzu, wenn die nächste Anfrage davon abhängt. Definieren Sie die Darstellung einer fehlenden Tatsache, statt die Erfindung eines unbelegten Details zu verlangen.
Ein nützliches Ergebnis ist eine vollständige Passage, eine knappe Erklärung oder ein Codevorschlag, der mit den ursprünglichen Bedingungen verglichen werden kann. Stellen Sie für eine Folgeanfrage die aktuelle Fassung und die konkret benötigte Änderung bereit. Die Identität als Modell für Anweisungen und Vervollständigung bleibt von den Chatvarianten von GPT-3.5 Turbo getrennt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-3.5-turbo-instruct | 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 $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 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 $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-3.5-turbo-instruct", "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='openai/gpt-3.5-turbo-instruct',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='openai/gpt-3.5-turbo-instruct',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 gpt-3.5-turbo-instruct, openai/gpt-3.5-turbo-instruct
/chat/completions
openai/gpt-3.5-turbo-instructEin Textmodell von OpenAI zur Befolgung von Anweisungen und Textvervollständigung. Stellen Sie einen Prompt mit Aufgabe und Ausgangsmaterial bereit, um über die ältere Herstellerschnittstelle Completions eine Fortsetzung, Umformulierung, Erklärung oder einen Codeabschnitt zu erarbeiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-3.5 Turbo Instruct ist OpenAIs Textmodell für Aufgaben zur Anweisungsbefolgung und Vervollständigung. Der Hersteller beschreibt ähnliche Fähigkeiten wie bei Modellen der GPT-3-Ära und Kompatibilität mit der älteren Schnittstelle Completions statt der Schnittstelle für Chatnachrichten. Es erhält einen Prompt und erzeugt Text, der ihm folgt oder ihn fortsetzt.
Fügen Sie für eine Umformulierung die ursprüngliche Passage hinzu und nennen Sie die gewünschte Änderung: Tonalität, Länge, Informationsreihenfolge oder vorgesehene Leserschaft. Eine Beispielaufgabe verwandelt eine grobe Verfahrensbeschreibung in eine kurze Anleitung und erhält dabei die erforderlichen Schritte und Definitionen. Stellen Sie für neuen Text die Fakten bereit und nennen Sie das genau benötigte Ergebnis. Eine Codeanfrage kann den relevanten Ausschnitt und das zu erklärende oder zu implementierende Verhalten enthalten.
Der Hersteller nennt ein Kontextfenster von 4.096 Token und eine maximale Ausgabe von 4.096 Token mit einem Wissensstand bis zum 1. September 2021. Prompt und erzeugter Text teilen sich den verfügbaren Kontext. Das nominelle Ausgabemaximum verspricht daher nicht für jede Anfrage so viel Platz. Beschränken Sie das Ausgangsmaterial auf Relevantes und verlangen Sie ein Ergebnis, das in das Budget der Aufgabe passt.
Bereiten Sie den Prompt mit klaren Abschnitten für Anweisung, gegebenenfalls ein Beispiel und das zu verarbeitende Material vor. Der direkte Vervollständigungsablauf arbeitet mit diesem bereitgestellten Prompt. Fügen Sie relevante frühere Fakten erneut hinzu, wenn die nächste Anfrage davon abhängt. Definieren Sie die Darstellung einer fehlenden Tatsache, statt die Erfindung eines unbelegten Details zu verlangen.
Ein nützliches Ergebnis ist eine vollständige Passage, eine knappe Erklärung oder ein Codevorschlag, der mit den ursprünglichen Bedingungen verglichen werden kann. Stellen Sie für eine Folgeanfrage die aktuelle Fassung und die konkret benötigte Änderung bereit. Die Identität als Modell für Anweisungen und Vervollständigung bleibt von den Chatvarianten von GPT-3.5 Turbo getrennt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-3.5-turbo-instruct | 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 $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 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 $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-3.5-turbo-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'openai/gpt-3.5-turbo-instruct', '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': 'openai/gpt-3.5-turbo-instruct', '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 gpt-3.5-turbo-instruct, openai/gpt-3.5-turbo-instruct
/chat/completions
Technisches Beispiel auf Englisch
Rewrite a rough procedure\n\nTurn this rough note into three numbered instructions for a warehouse clerk: “scan item first, then check location matches label, mismatch means stop and ask supervisor, matching means shelf it.” Preserve the stop condition and order of operations. Use plain imperative language and add no steps or equipment absent from the note.Three numbered imperative instructions with a clear mismatch branch before shelving.Check that shelving occurs only after a matching location check and that the supervisor is contacted on mismatch.