Hy-MT2-1.8B ist das kompakte Übersetzungsmodell von Tencent Hy für schriftliches Material und mehrsprachige Anweisungen. Es ist die dichte 1.8B-Ausgabe einer Familie, die auch 7B- und 30B-A3B-Modelle umfasst. Der Anbieter entwickelt Hy-MT2 für praktische Übersetzungsaufgaben mit ausdrücklichen Vorgaben zu Terminologie, Stil, Personalisierung und der Struktur des übersetzten Texts. Die Sprachtabelle des Herstellers umfasst Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.
Die veröffentlichte Konfiguration besitzt 32 Schichten, 16 Query-Attention-Köpfe und vier Key/Value-Köpfe bei maximal 262.144 Positionen. Dies ist die Kontextangabe der Modellkonfiguration. Die Beispielanfrage des Anbieters für Inferenz sieht 4096 generierte Token vor; das ist ein Beispielbudget und kein separater intrinsischer Ausgabegrenzwert.
Für eine einfache Übersetzung nennen Sie die Zielsprache vollständig und geben Sie an, ob das Ergebnis ausschließlich den übersetzten Text enthalten soll. Der Anbieter empfiehlt vollständige Sprachnamen in der Sprache des Prompts. Stellen Sie den Ausgangstext getrennt von der Anweisung bereit, damit zu übersetzendes Material nicht zu einer Anweisung über die Rolle des Modells wird.
Terminologie und Stil können direkt vorgegeben werden. Stellen Sie die Begriffe und ihre bevorzugten Übersetzungen bereit und benennen Sie anschließend Zielgruppe und Ton. Für eine personalisierte Übersetzung führen Sie die Bedingungen vor dem Ausgangsmaterial auf. Verändert Hintergrundwissen die Interpretation eines Begriffs oder Satzes, geben Sie es als Kontext an und erklären Sie, dass es die Übersetzung leiten soll.
Strukturierter Text benötigt präzise Regeln für den Erhalt seiner Struktur. Die Beispiele des Herstellers behalten Verschachtelung, Hierarchie und Einrückung bei und übersetzen ausschließlich sichtbare, an die Nutzenden gerichtete Werte. Schlüssel, Code-Tags, Eigenschaften und Variablenplatzhalter bleiben unverändert. Bei Material mit Trennzeichen geben Sie an, dass Anzahl und Position der Separatoren erhalten bleiben müssen, statt sie zu maskieren oder zu übersetzen.
Der Anbieter empfiehlt für die 1.8B- und 7B-Ausgaben temperature 0.7, top-p 0.6, top-k 20 und repetition penalty 1.05 und sieht keinen standardmäßigen System-Prompt vor. Die kompakte Ausgabe besitzt außerdem separat veröffentlichte komprimierte Artefakte für den lokalen Einsatz. Eine 1.25-Bit-Variante des Anbieters benötigt 440 MB Speicherplatz; diese Angabe gehört zum benannten komprimierten Artefakt und nicht zur bloßen Modellauswahl 1.8B.
Bereiten Sie die Ausgabe als den von der Aufgabe verlangten übersetzten Textabschnitt oder als strukturierte Daten vor und prüfen Sie anschließend Terminologie, Bedeutung und erhaltene Symbole anhand der Quelle. Bei einer kleinen Softwarelokalisierung lassen sich ursprüngliche und übersetzte Schlüssel und Platzhalter gemeinsam mit dem sichtbaren Text vergleichen. So werden sowohl die Übersetzung als auch ihre strukturellen Bedingungen überprüfbar.
", "aboutText": "Hy-MT2-1.8B ist das kompakte Übersetzungsmodell von Tencent Hy für schriftliches Material und mehrsprachige Anweisungen. Es ist die dichte 1.8B-Ausgabe einer Familie, die auch 7B- und 30B-A3B-Modelle umfasst. Der Anbieter entwickelt Hy-MT2 für praktische Übersetzungsaufgaben mit ausdrücklichen Vorgaben zu Terminologie, Stil, Personalisierung und der Struktur des übersetzten Texts. Die Sprachtabelle des Herstellers umfasst Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.\n\nDie veröffentlichte Konfiguration besitzt 32 Schichten, 16 Query-Attention-Köpfe und vier Key/Value-Köpfe bei maximal 262.144 Positionen. Dies ist die Kontextangabe der Modellkonfiguration. Die Beispielanfrage des Anbieters für Inferenz sieht 4096 generierte Token vor; das ist ein Beispielbudget und kein separater intrinsischer Ausgabegrenzwert.\n\nFür eine einfache Übersetzung nennen Sie die Zielsprache vollständig und geben Sie an, ob das Ergebnis ausschließlich den übersetzten Text enthalten soll. Der Anbieter empfiehlt vollständige Sprachnamen in der Sprache des Prompts. Stellen Sie den Ausgangstext getrennt von der Anweisung bereit, damit zu übersetzendes Material nicht zu einer Anweisung über die Rolle des Modells wird.\n\nTerminologie und Stil können direkt vorgegeben werden. Stellen Sie die Begriffe und ihre bevorzugten Übersetzungen bereit und benennen Sie anschließend Zielgruppe und Ton. Für eine personalisierte Übersetzung führen Sie die Bedingungen vor dem Ausgangsmaterial auf. Verändert Hintergrundwissen die Interpretation eines Begriffs oder Satzes, geben Sie es als Kontext an und erklären Sie, dass es die Übersetzung leiten soll.\n\nStrukturierter Text benötigt präzise Regeln für den Erhalt seiner Struktur. Die Beispiele des Herstellers behalten Verschachtelung, Hierarchie und Einrückung bei und übersetzen ausschließlich sichtbare, an die Nutzenden gerichtete Werte. Schlüssel, Code-Tags, Eigenschaften und Variablenplatzhalter bleiben unverändert. Bei Material mit Trennzeichen geben Sie an, dass Anzahl und Position der Separatoren erhalten bleiben müssen, statt sie zu maskieren oder zu übersetzen.\n\nDer Anbieter empfiehlt für die 1.8B- und 7B-Ausgaben temperature 0.7, top-p 0.6, top-k 20 und repetition penalty 1.05 und sieht keinen standardmäßigen System-Prompt vor. Die kompakte Ausgabe besitzt außerdem separat veröffentlichte komprimierte Artefakte für den lokalen Einsatz. Eine 1.25-Bit-Variante des Anbieters benötigt 440 MB Speicherplatz; diese Angabe gehört zum benannten komprimierten Artefakt und nicht zur bloßen Modellauswahl 1.8B.\n\nBereiten Sie die Ausgabe als den von der Aufgabe verlangten übersetzten Textabschnitt oder als strukturierte Daten vor und prüfen Sie anschließend Terminologie, Bedeutung und erhaltene Symbole anhand der Quelle. Bei einer kleinen Softwarelokalisierung lassen sich ursprüngliche und übersetzte Schlüssel und Platzhalter gemeinsam mit dem sichtbaren Text vergleichen. So werden sowohl die Übersetzung als auch ihre strukturellen Bedingungen überprüfbar.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Translate structured interface strings\n\nTranslate the visible values into Spanish for a neutral product interface. Keep keys, nesting and the placeholder {count} unchanged. Use 'espacio de trabajo' for 'workspace'. Source: {"workspace":{"title":"Open workspace","notice":"You have {count} unsaved changes"}}. Return only the translated structure, preserving every key and placeholder exactly.The same nested structure with Spanish user-facing values, unchanged keys and the exact {count} placeholder.Compare original and translated key paths and placeholder counts before reviewing the terminology.tencent/hy-mt2-1.8bHy-MT2-1.8B von Tencent ist die kompakte dichte Ausgabe seiner schnell denkenden Übersetzungsfamilie. Sie befolgt Übersetzungsanweisungen für Terminologie, Stil und strukturierten Text, mit einer veröffentlichten Konfiguration von 262.144 Positionen und separaten komprimierten Varianten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Hy-MT2-1.8B ist das kompakte Übersetzungsmodell von Tencent Hy für schriftliches Material und mehrsprachige Anweisungen. Es ist die dichte 1.8B-Ausgabe einer Familie, die auch 7B- und 30B-A3B-Modelle umfasst. Der Anbieter entwickelt Hy-MT2 für praktische Übersetzungsaufgaben mit ausdrücklichen Vorgaben zu Terminologie, Stil, Personalisierung und der Struktur des übersetzten Texts. Die Sprachtabelle des Herstellers umfasst Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.
Die veröffentlichte Konfiguration besitzt 32 Schichten, 16 Query-Attention-Köpfe und vier Key/Value-Köpfe bei maximal 262.144 Positionen. Dies ist die Kontextangabe der Modellkonfiguration. Die Beispielanfrage des Anbieters für Inferenz sieht 4096 generierte Token vor; das ist ein Beispielbudget und kein separater intrinsischer Ausgabegrenzwert.
Für eine einfache Übersetzung nennen Sie die Zielsprache vollständig und geben Sie an, ob das Ergebnis ausschließlich den übersetzten Text enthalten soll. Der Anbieter empfiehlt vollständige Sprachnamen in der Sprache des Prompts. Stellen Sie den Ausgangstext getrennt von der Anweisung bereit, damit zu übersetzendes Material nicht zu einer Anweisung über die Rolle des Modells wird.
Terminologie und Stil können direkt vorgegeben werden. Stellen Sie die Begriffe und ihre bevorzugten Übersetzungen bereit und benennen Sie anschließend Zielgruppe und Ton. Für eine personalisierte Übersetzung führen Sie die Bedingungen vor dem Ausgangsmaterial auf. Verändert Hintergrundwissen die Interpretation eines Begriffs oder Satzes, geben Sie es als Kontext an und erklären Sie, dass es die Übersetzung leiten soll.
Strukturierter Text benötigt präzise Regeln für den Erhalt seiner Struktur. Die Beispiele des Herstellers behalten Verschachtelung, Hierarchie und Einrückung bei und übersetzen ausschließlich sichtbare, an die Nutzenden gerichtete Werte. Schlüssel, Code-Tags, Eigenschaften und Variablenplatzhalter bleiben unverändert. Bei Material mit Trennzeichen geben Sie an, dass Anzahl und Position der Separatoren erhalten bleiben müssen, statt sie zu maskieren oder zu übersetzen.
Der Anbieter empfiehlt für die 1.8B- und 7B-Ausgaben temperature 0.7, top-p 0.6, top-k 20 und repetition penalty 1.05 und sieht keinen standardmäßigen System-Prompt vor. Die kompakte Ausgabe besitzt außerdem separat veröffentlichte komprimierte Artefakte für den lokalen Einsatz. Eine 1.25-Bit-Variante des Anbieters benötigt 440 MB Speicherplatz; diese Angabe gehört zum benannten komprimierten Artefakt und nicht zur bloßen Modellauswahl 1.8B.
Bereiten Sie die Ausgabe als den von der Aufgabe verlangten übersetzten Textabschnitt oder als strukturierte Daten vor und prüfen Sie anschließend Terminologie, Bedeutung und erhaltene Symbole anhand der Quelle. Bei einer kleinen Softwarelokalisierung lassen sich ursprüngliche und übersetzte Schlüssel und Platzhalter gemeinsam mit dem sichtbaren Text vergleichen. So werden sowohl die Übersetzung als auch ihre strukturellen Bedingungen überprüfbar.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits tencent/hy-mt2-1.8b | 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 $0.000088 / 1K Tokens Ausgabe · Ausgabetoken $0.000354 / 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 $0.000088 / 1K Tokens Ausgabe · Ausgabetoken $0.000354 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy-mt2-1.8b", "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='tencent/hy-mt2-1.8b',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='tencent/hy-mt2-1.8b',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 tencent/hy-mt2-1.8b
Verwenden Sie die oben angezeigten Methodenpfade.
tencent/hy-mt2-1.8bHy-MT2-1.8B von Tencent ist die kompakte dichte Ausgabe seiner schnell denkenden Übersetzungsfamilie. Sie befolgt Übersetzungsanweisungen für Terminologie, Stil und strukturierten Text, mit einer veröffentlichten Konfiguration von 262.144 Positionen und separaten komprimierten Varianten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Hy-MT2-1.8B ist das kompakte Übersetzungsmodell von Tencent Hy für schriftliches Material und mehrsprachige Anweisungen. Es ist die dichte 1.8B-Ausgabe einer Familie, die auch 7B- und 30B-A3B-Modelle umfasst. Der Anbieter entwickelt Hy-MT2 für praktische Übersetzungsaufgaben mit ausdrücklichen Vorgaben zu Terminologie, Stil, Personalisierung und der Struktur des übersetzten Texts. Die Sprachtabelle des Herstellers umfasst Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.
Die veröffentlichte Konfiguration besitzt 32 Schichten, 16 Query-Attention-Köpfe und vier Key/Value-Köpfe bei maximal 262.144 Positionen. Dies ist die Kontextangabe der Modellkonfiguration. Die Beispielanfrage des Anbieters für Inferenz sieht 4096 generierte Token vor; das ist ein Beispielbudget und kein separater intrinsischer Ausgabegrenzwert.
Für eine einfache Übersetzung nennen Sie die Zielsprache vollständig und geben Sie an, ob das Ergebnis ausschließlich den übersetzten Text enthalten soll. Der Anbieter empfiehlt vollständige Sprachnamen in der Sprache des Prompts. Stellen Sie den Ausgangstext getrennt von der Anweisung bereit, damit zu übersetzendes Material nicht zu einer Anweisung über die Rolle des Modells wird.
Terminologie und Stil können direkt vorgegeben werden. Stellen Sie die Begriffe und ihre bevorzugten Übersetzungen bereit und benennen Sie anschließend Zielgruppe und Ton. Für eine personalisierte Übersetzung führen Sie die Bedingungen vor dem Ausgangsmaterial auf. Verändert Hintergrundwissen die Interpretation eines Begriffs oder Satzes, geben Sie es als Kontext an und erklären Sie, dass es die Übersetzung leiten soll.
Strukturierter Text benötigt präzise Regeln für den Erhalt seiner Struktur. Die Beispiele des Herstellers behalten Verschachtelung, Hierarchie und Einrückung bei und übersetzen ausschließlich sichtbare, an die Nutzenden gerichtete Werte. Schlüssel, Code-Tags, Eigenschaften und Variablenplatzhalter bleiben unverändert. Bei Material mit Trennzeichen geben Sie an, dass Anzahl und Position der Separatoren erhalten bleiben müssen, statt sie zu maskieren oder zu übersetzen.
Der Anbieter empfiehlt für die 1.8B- und 7B-Ausgaben temperature 0.7, top-p 0.6, top-k 20 und repetition penalty 1.05 und sieht keinen standardmäßigen System-Prompt vor. Die kompakte Ausgabe besitzt außerdem separat veröffentlichte komprimierte Artefakte für den lokalen Einsatz. Eine 1.25-Bit-Variante des Anbieters benötigt 440 MB Speicherplatz; diese Angabe gehört zum benannten komprimierten Artefakt und nicht zur bloßen Modellauswahl 1.8B.
Bereiten Sie die Ausgabe als den von der Aufgabe verlangten übersetzten Textabschnitt oder als strukturierte Daten vor und prüfen Sie anschließend Terminologie, Bedeutung und erhaltene Symbole anhand der Quelle. Bei einer kleinen Softwarelokalisierung lassen sich ursprüngliche und übersetzte Schlüssel und Platzhalter gemeinsam mit dem sichtbaren Text vergleichen. So werden sowohl die Übersetzung als auch ihre strukturellen Bedingungen überprüfbar.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits tencent/hy-mt2-1.8b | 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 $0.000088 / 1K Tokens Ausgabe · Ausgabetoken $0.000354 / 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 $0.000088 / 1K Tokens Ausgabe · Ausgabetoken $0.000354 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "tencent/hy-mt2-1.8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'tencent/hy-mt2-1.8b', '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': 'tencent/hy-mt2-1.8b', '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 tencent/hy-mt2-1.8b
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Translate structured interface strings\n\nTranslate the visible values into Spanish for a neutral product interface. Keep keys, nesting and the placeholder {count} unchanged. Use 'espacio de trabajo' for 'workspace'. Source: {"workspace":{"title":"Open workspace","notice":"You have {count} unsaved changes"}}. Return only the translated structure, preserving every key and placeholder exactly.The same nested structure with Spanish user-facing values, unchanged keys and the exact {count} placeholder.Compare original and translated key paths and placeholder counts before reviewing the terminology.