Baichuan3-Turbo ist ein allgemeines Textdialogmodell aus Baichuans dritter Generation. Der Hersteller nennt für genau diesen Namen einen Kontext von 32K. Baichuan3-Turbo-128k ist ein eigener Eintrag mit grösserem Kontext; die Modelle der vierten Generation sind separat benannte Versionen. Halten Sie das ausgewählte Modell und sein Kontextprofil bei der Vorbereitung eines Dialogs oder beim Vergleich von Ergebnissen ausdrücklich fest.
Die Referenz des Herstellers für allgemeine Dialoge enthält einen Modellnamen und eine Nachrichtenliste. Frühere Dialogbeiträge stehen vor späteren. Eine gegebenenfalls verwendete Systemnachricht steht zuerst und definiert Rolle oder Antwortanforderungen; Nutzernachrichten enthalten die Aufgabe, Assistentennachrichten bewahren frühere Antworten. Textinhalte können als Zeichenkette oder typisierte Textinhaltsstruktur vorliegen.
Benennen Sie bei einer Dokumentaufgabe die Textstelle und das gewünschte Ergebnis. Ein Beispiel lautet: «Extrahiere die genannte Frist, die verantwortliche Person und das abzuliefernde Ergebnis aus dieser Projektnotiz und liefere eine Feldliste mit den belegenden Formulierungen.» Stellen Sie für eine Überarbeitung den Originaltext, die Zielgruppe und den Ton bereit. Behalten Sie den relevanten früheren Dialogbeitrag bei, wenn die nächste Anfrage von einer vorherigen Interpretation abhängt.
Die dokumentierte Dialogoperation akzeptiert ein maximales Antwortbudget von 1 bis 2'048 Tokens, standardmässig 2'048. Diese Antworteinstellung unterscheidet sich vom 32K-Kontext des Modells. Lassen Sie bei der Eingabeauswahl Platz für die Antwort und prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis als vollständig behandeln.
Die Sampling-Regler des Herstellers sind temperature von 0 bis 1, Standardwert 0.3; top_p von 0 bis ausschliesslich 1, Standardwert 0.85; und top_k von 0 bis 20, Standardwert 5. Ein top_k-Wert von 0 deaktiviert diese Auswahlstrategie. Dies sind Einstellungen der Herstellerschnittstelle. Halten Sie bei einem Vergleich Aufgabe und Quelle unverändert und ändern Sie die für das zu untersuchende Ergebnis relevante Einstellung.
Baichuan3-Turbo ist ausdrücklich unter den Modellen mit Unterstützung für JSON-Objekt-Ausgaben aufgeführt. Der JSON-Modus des Herstellers erfordert zusätzlich eine Anweisung in der System- oder Nutzernachricht, JSON zu erzeugen. Legen Sie Felder und ihre Bedeutung fest und erläutern Sie die Darstellung unbekannter Werte. Prüfen Sie das zurückgegebene Objekt anhand dieser Anforderungen, bevor Sie es an einen weiteren Schritt übergeben.
Fordern Sie für das Beispiel mit der Projektnotiz Felder für Frist, verantwortliche Person und abzulieferndes Ergebnis mit Belegtext an. Eine wegen des Längenbudgets gestoppte Antwort kann unvollständiges JSON enthalten. Bewahren Sie Quelle und Abschlussgrund auf und passen Sie anschliessend Aufgabe oder Antwortbudget an, bevor Sie ein Teilobjekt als gültigen Datensatz behandeln.
Der Ablauf für allgemeine Dialoge bietet Wissensdatenbank-Abfragen, Websuche und eigene Funktionen. Wissensdatenbank-Abfragen können auf das bereitgestellte Wissen beschränkt werden; für diesen Modus legt der Hersteller fest, dass ohne Abfrageergebnis keine Antwort erfolgt. Werden Wissensabfrage und Websuche gemeinsam konfiguriert, hat die Wissensabfrage Vorrang. Die Referenz rät ausserdem davon ab, Funktionsaufrufe in derselben Aufgabe mit diesen Abfrage- oder Suchwerkzeugen zu kombinieren.
Stellen Sie für eine Wissensfrage die relevante Sammlung bereit und fragen Sie gezielt. Bewahren Sie bei einer Frage zu aktuellen Informationen die tatsächlichen Suchbelege zusammen mit der Antwort auf. Trennen Sie von einem Werkzeug gelieferte Belege von einer daraus erzeugten Schlussfolgerung.
Baichuan3-Turbo ist ausdrücklich in der Liste der Modelle mit Funktionsunterstützung enthalten. Eine Funktionsdefinition enthält Name, Beschreibung und Argumentschema. Das Modell kann eine Operation auswählen und Argumente erzeugen; die verbundene Anwendung führt sie aus und gibt das Ergebnis als dem Aufruf zugeordnete Werkzeugnachricht zurück. Bewahren Sie diese Zuordnung im nächsten Dialogbeitrag. Die Auswahlmöglichkeiten des Herstellers für Funktionen sind automatische Auswahl oder keine Werkzeugaufrufe.
Die dokumentierte Schnittstelle unterstützt eine vollständige Antwort oder einen Strom schrittweiser Textausgaben; der Modus ohne Streaming ist voreingestellt. Setzen Sie gestreamte Teile zur endgültigen Antwort zusammen. Das Ergebnis zeigt an, ob die Generierung regulär endete, ein Längenlimit erreichte, ein Werkzeug auswählte oder auf Inhaltsfilterung traf.
Verwenden Sie das fertige Ergebnis für seine vorgesehene Aufgabe: eine knappe Antwort, überarbeitete Formulierungen, einen extrahierten Datensatz oder eine auf zurückgegebenen Belegen beruhende Erklärung. Prüfen Sie die quellenabhängigen Werte gemeinsam mit der ausgewählten Version. Ein verwandtes Modell mit grösserem Kontext, eine andere Baichuan-Generation und ein von einer Anwendung erzeugtes Funktionsergebnis bleiben eigenständige Bestandteile des Ablaufs.
", "aboutText": "### Das namentlich geführte 32K-Dialogmodell\n\nBaichuan3-Turbo ist ein allgemeines Textdialogmodell aus Baichuans dritter Generation. Der Hersteller nennt für genau diesen Namen einen Kontext von 32K. Baichuan3-Turbo-128k ist ein eigener Eintrag mit grösserem Kontext; die Modelle der vierten Generation sind separat benannte Versionen. Halten Sie das ausgewählte Modell und sein Kontextprofil bei der Vorbereitung eines Dialogs oder beim Vergleich von Ergebnissen ausdrücklich fest.\n\n### Nachrichten in Dialogreihenfolge vorbereiten\n\nDie Referenz des Herstellers für allgemeine Dialoge enthält einen Modellnamen und eine Nachrichtenliste. Frühere Dialogbeiträge stehen vor späteren. Eine gegebenenfalls verwendete Systemnachricht steht zuerst und definiert Rolle oder Antwortanforderungen; Nutzernachrichten enthalten die Aufgabe, Assistentennachrichten bewahren frühere Antworten. Textinhalte können als Zeichenkette oder typisierte Textinhaltsstruktur vorliegen.\n\nBenennen Sie bei einer Dokumentaufgabe die Textstelle und das gewünschte Ergebnis. Ein Beispiel lautet: «Extrahiere die genannte Frist, die verantwortliche Person und das abzuliefernde Ergebnis aus dieser Projektnotiz und liefere eine Feldliste mit den belegenden Formulierungen.» Stellen Sie für eine Überarbeitung den Originaltext, die Zielgruppe und den Ton bereit. Behalten Sie den relevanten früheren Dialogbeitrag bei, wenn die nächste Anfrage von einer vorherigen Interpretation abhängt.\n\n### Antwort und Länge steuern\n\nDie dokumentierte Dialogoperation akzeptiert ein maximales Antwortbudget von 1 bis 2'048 Tokens, standardmässig 2'048. Diese Antworteinstellung unterscheidet sich vom 32K-Kontext des Modells. Lassen Sie bei der Eingabeauswahl Platz für die Antwort und prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis als vollständig behandeln.\n\nDie Sampling-Regler des Herstellers sind temperature von 0 bis 1, Standardwert 0.3; top_p von 0 bis ausschliesslich 1, Standardwert 0.85; und top_k von 0 bis 20, Standardwert 5. Ein top_k-Wert von 0 deaktiviert diese Auswahlstrategie. Dies sind Einstellungen der Herstellerschnittstelle. Halten Sie bei einem Vergleich Aufgabe und Quelle unverändert und ändern Sie die für das zu untersuchende Ergebnis relevante Einstellung.\n\n### JSON gezielt erzeugen\n\nBaichuan3-Turbo ist ausdrücklich unter den Modellen mit Unterstützung für JSON-Objekt-Ausgaben aufgeführt. Der JSON-Modus des Herstellers erfordert zusätzlich eine Anweisung in der System- oder Nutzernachricht, JSON zu erzeugen. Legen Sie Felder und ihre Bedeutung fest und erläutern Sie die Darstellung unbekannter Werte. Prüfen Sie das zurückgegebene Objekt anhand dieser Anforderungen, bevor Sie es an einen weiteren Schritt übergeben.\n\nFordern Sie für das Beispiel mit der Projektnotiz Felder für Frist, verantwortliche Person und abzulieferndes Ergebnis mit Belegtext an. Eine wegen des Längenbudgets gestoppte Antwort kann unvollständiges JSON enthalten. Bewahren Sie Quelle und Abschlussgrund auf und passen Sie anschliessend Aufgabe oder Antwortbudget an, bevor Sie ein Teilobjekt als gültigen Datensatz behandeln.\n\n### Belege abrufen oder eine Funktion anfordern\n\nDer Ablauf für allgemeine Dialoge bietet Wissensdatenbank-Abfragen, Websuche und eigene Funktionen. Wissensdatenbank-Abfragen können auf das bereitgestellte Wissen beschränkt werden; für diesen Modus legt der Hersteller fest, dass ohne Abfrageergebnis keine Antwort erfolgt. Werden Wissensabfrage und Websuche gemeinsam konfiguriert, hat die Wissensabfrage Vorrang. Die Referenz rät ausserdem davon ab, Funktionsaufrufe in derselben Aufgabe mit diesen Abfrage- oder Suchwerkzeugen zu kombinieren.\n\nStellen Sie für eine Wissensfrage die relevante Sammlung bereit und fragen Sie gezielt. Bewahren Sie bei einer Frage zu aktuellen Informationen die tatsächlichen Suchbelege zusammen mit der Antwort auf. Trennen Sie von einem Werkzeug gelieferte Belege von einer daraus erzeugten Schlussfolgerung.\n\nBaichuan3-Turbo ist ausdrücklich in der Liste der Modelle mit Funktionsunterstützung enthalten. Eine Funktionsdefinition enthält Name, Beschreibung und Argumentschema. Das Modell kann eine Operation auswählen und Argumente erzeugen; die verbundene Anwendung führt sie aus und gibt das Ergebnis als dem Aufruf zugeordnete Werkzeugnachricht zurück. Bewahren Sie diese Zuordnung im nächsten Dialogbeitrag. Die Auswahlmöglichkeiten des Herstellers für Funktionen sind automatische Auswahl oder keine Werkzeugaufrufe.\n\n### Den vollständigen Text oder das Objekt aufbewahren\n\nDie dokumentierte Schnittstelle unterstützt eine vollständige Antwort oder einen Strom schrittweiser Textausgaben; der Modus ohne Streaming ist voreingestellt. Setzen Sie gestreamte Teile zur endgültigen Antwort zusammen. Das Ergebnis zeigt an, ob die Generierung regulär endete, ein Längenlimit erreichte, ein Werkzeug auswählte oder auf Inhaltsfilterung traf.\n\nVerwenden Sie das fertige Ergebnis für seine vorgesehene Aufgabe: eine knappe Antwort, überarbeitete Formulierungen, einen extrahierten Datensatz oder eine auf zurückgegebenen Belegen beruhende Erklärung. Prüfen Sie die quellenabhängigen Werte gemeinsam mit der ausgewählten Version. Ein verwandtes Modell mit grösserem Kontext, eine andere Baichuan-Generation und ein von einer Anwendung erzeugtes Funktionsergebnis bleiben eigenständige Bestandteile des Ablaufs.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo ist ein Textdialogmodell mit einem dokumentierten Kontext von 32K. Die Herstellerschnittstelle unterstützt vollständige oder gestreamte Antworten, JSON-Ausgaben und eigene Funktionsaufrufe sowie separate Optionen für Wissensabfragen und Websuche zur Erstellung belegter Antworten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Baichuan3-Turbo ist ein allgemeines Textdialogmodell aus Baichuans dritter Generation. Der Hersteller nennt für genau diesen Namen einen Kontext von 32K. Baichuan3-Turbo-128k ist ein eigener Eintrag mit grösserem Kontext; die Modelle der vierten Generation sind separat benannte Versionen. Halten Sie das ausgewählte Modell und sein Kontextprofil bei der Vorbereitung eines Dialogs oder beim Vergleich von Ergebnissen ausdrücklich fest.
Die Referenz des Herstellers für allgemeine Dialoge enthält einen Modellnamen und eine Nachrichtenliste. Frühere Dialogbeiträge stehen vor späteren. Eine gegebenenfalls verwendete Systemnachricht steht zuerst und definiert Rolle oder Antwortanforderungen; Nutzernachrichten enthalten die Aufgabe, Assistentennachrichten bewahren frühere Antworten. Textinhalte können als Zeichenkette oder typisierte Textinhaltsstruktur vorliegen.
Benennen Sie bei einer Dokumentaufgabe die Textstelle und das gewünschte Ergebnis. Ein Beispiel lautet: «Extrahiere die genannte Frist, die verantwortliche Person und das abzuliefernde Ergebnis aus dieser Projektnotiz und liefere eine Feldliste mit den belegenden Formulierungen.» Stellen Sie für eine Überarbeitung den Originaltext, die Zielgruppe und den Ton bereit. Behalten Sie den relevanten früheren Dialogbeitrag bei, wenn die nächste Anfrage von einer vorherigen Interpretation abhängt.
Die dokumentierte Dialogoperation akzeptiert ein maximales Antwortbudget von 1 bis 2'048 Tokens, standardmässig 2'048. Diese Antworteinstellung unterscheidet sich vom 32K-Kontext des Modells. Lassen Sie bei der Eingabeauswahl Platz für die Antwort und prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis als vollständig behandeln.
Die Sampling-Regler des Herstellers sind temperature von 0 bis 1, Standardwert 0.3; top_p von 0 bis ausschliesslich 1, Standardwert 0.85; und top_k von 0 bis 20, Standardwert 5. Ein top_k-Wert von 0 deaktiviert diese Auswahlstrategie. Dies sind Einstellungen der Herstellerschnittstelle. Halten Sie bei einem Vergleich Aufgabe und Quelle unverändert und ändern Sie die für das zu untersuchende Ergebnis relevante Einstellung.
Baichuan3-Turbo ist ausdrücklich unter den Modellen mit Unterstützung für JSON-Objekt-Ausgaben aufgeführt. Der JSON-Modus des Herstellers erfordert zusätzlich eine Anweisung in der System- oder Nutzernachricht, JSON zu erzeugen. Legen Sie Felder und ihre Bedeutung fest und erläutern Sie die Darstellung unbekannter Werte. Prüfen Sie das zurückgegebene Objekt anhand dieser Anforderungen, bevor Sie es an einen weiteren Schritt übergeben.
Fordern Sie für das Beispiel mit der Projektnotiz Felder für Frist, verantwortliche Person und abzulieferndes Ergebnis mit Belegtext an. Eine wegen des Längenbudgets gestoppte Antwort kann unvollständiges JSON enthalten. Bewahren Sie Quelle und Abschlussgrund auf und passen Sie anschliessend Aufgabe oder Antwortbudget an, bevor Sie ein Teilobjekt als gültigen Datensatz behandeln.
Der Ablauf für allgemeine Dialoge bietet Wissensdatenbank-Abfragen, Websuche und eigene Funktionen. Wissensdatenbank-Abfragen können auf das bereitgestellte Wissen beschränkt werden; für diesen Modus legt der Hersteller fest, dass ohne Abfrageergebnis keine Antwort erfolgt. Werden Wissensabfrage und Websuche gemeinsam konfiguriert, hat die Wissensabfrage Vorrang. Die Referenz rät ausserdem davon ab, Funktionsaufrufe in derselben Aufgabe mit diesen Abfrage- oder Suchwerkzeugen zu kombinieren.
Stellen Sie für eine Wissensfrage die relevante Sammlung bereit und fragen Sie gezielt. Bewahren Sie bei einer Frage zu aktuellen Informationen die tatsächlichen Suchbelege zusammen mit der Antwort auf. Trennen Sie von einem Werkzeug gelieferte Belege von einer daraus erzeugten Schlussfolgerung.
Baichuan3-Turbo ist ausdrücklich in der Liste der Modelle mit Funktionsunterstützung enthalten. Eine Funktionsdefinition enthält Name, Beschreibung und Argumentschema. Das Modell kann eine Operation auswählen und Argumente erzeugen; die verbundene Anwendung führt sie aus und gibt das Ergebnis als dem Aufruf zugeordnete Werkzeugnachricht zurück. Bewahren Sie diese Zuordnung im nächsten Dialogbeitrag. Die Auswahlmöglichkeiten des Herstellers für Funktionen sind automatische Auswahl oder keine Werkzeugaufrufe.
Die dokumentierte Schnittstelle unterstützt eine vollständige Antwort oder einen Strom schrittweiser Textausgaben; der Modus ohne Streaming ist voreingestellt. Setzen Sie gestreamte Teile zur endgültigen Antwort zusammen. Das Ergebnis zeigt an, ob die Generierung regulär endete, ein Längenlimit erreichte, ein Werkzeug auswählte oder auf Inhaltsfilterung traf.
Verwenden Sie das fertige Ergebnis für seine vorgesehene Aufgabe: eine knappe Antwort, überarbeitete Formulierungen, einen extrahierten Datensatz oder eine auf zurückgegebenen Belegen beruhende Erklärung. Prüfen Sie die quellenabhängigen Werte gemeinsam mit der ausgewählten Version. Ein verwandtes Modell mit grösserem Kontext, eine andere Baichuan-Generation und ein von einer Anwendung erzeugtes Funktionsergebnis bleiben eigenständige Bestandteile des Ablaufs.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Baichuan3-Turbo | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00374 / 1K Tokens Ausgabe · Ausgabetoken $0.00374 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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 Baichuan3-Turbo
Verwenden Sie die oben angezeigten Methodenpfade.
Baichuan3-TurboBaichuan3-Turbo ist ein Textdialogmodell mit einem dokumentierten Kontext von 32K. Die Herstellerschnittstelle unterstützt vollständige oder gestreamte Antworten, JSON-Ausgaben und eigene Funktionsaufrufe sowie separate Optionen für Wissensabfragen und Websuche zur Erstellung belegter Antworten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Baichuan3-Turbo ist ein allgemeines Textdialogmodell aus Baichuans dritter Generation. Der Hersteller nennt für genau diesen Namen einen Kontext von 32K. Baichuan3-Turbo-128k ist ein eigener Eintrag mit grösserem Kontext; die Modelle der vierten Generation sind separat benannte Versionen. Halten Sie das ausgewählte Modell und sein Kontextprofil bei der Vorbereitung eines Dialogs oder beim Vergleich von Ergebnissen ausdrücklich fest.
Die Referenz des Herstellers für allgemeine Dialoge enthält einen Modellnamen und eine Nachrichtenliste. Frühere Dialogbeiträge stehen vor späteren. Eine gegebenenfalls verwendete Systemnachricht steht zuerst und definiert Rolle oder Antwortanforderungen; Nutzernachrichten enthalten die Aufgabe, Assistentennachrichten bewahren frühere Antworten. Textinhalte können als Zeichenkette oder typisierte Textinhaltsstruktur vorliegen.
Benennen Sie bei einer Dokumentaufgabe die Textstelle und das gewünschte Ergebnis. Ein Beispiel lautet: «Extrahiere die genannte Frist, die verantwortliche Person und das abzuliefernde Ergebnis aus dieser Projektnotiz und liefere eine Feldliste mit den belegenden Formulierungen.» Stellen Sie für eine Überarbeitung den Originaltext, die Zielgruppe und den Ton bereit. Behalten Sie den relevanten früheren Dialogbeitrag bei, wenn die nächste Anfrage von einer vorherigen Interpretation abhängt.
Die dokumentierte Dialogoperation akzeptiert ein maximales Antwortbudget von 1 bis 2'048 Tokens, standardmässig 2'048. Diese Antworteinstellung unterscheidet sich vom 32K-Kontext des Modells. Lassen Sie bei der Eingabeauswahl Platz für die Antwort und prüfen Sie den Abschlussgrund, bevor Sie das Ergebnis als vollständig behandeln.
Die Sampling-Regler des Herstellers sind temperature von 0 bis 1, Standardwert 0.3; top_p von 0 bis ausschliesslich 1, Standardwert 0.85; und top_k von 0 bis 20, Standardwert 5. Ein top_k-Wert von 0 deaktiviert diese Auswahlstrategie. Dies sind Einstellungen der Herstellerschnittstelle. Halten Sie bei einem Vergleich Aufgabe und Quelle unverändert und ändern Sie die für das zu untersuchende Ergebnis relevante Einstellung.
Baichuan3-Turbo ist ausdrücklich unter den Modellen mit Unterstützung für JSON-Objekt-Ausgaben aufgeführt. Der JSON-Modus des Herstellers erfordert zusätzlich eine Anweisung in der System- oder Nutzernachricht, JSON zu erzeugen. Legen Sie Felder und ihre Bedeutung fest und erläutern Sie die Darstellung unbekannter Werte. Prüfen Sie das zurückgegebene Objekt anhand dieser Anforderungen, bevor Sie es an einen weiteren Schritt übergeben.
Fordern Sie für das Beispiel mit der Projektnotiz Felder für Frist, verantwortliche Person und abzulieferndes Ergebnis mit Belegtext an. Eine wegen des Längenbudgets gestoppte Antwort kann unvollständiges JSON enthalten. Bewahren Sie Quelle und Abschlussgrund auf und passen Sie anschliessend Aufgabe oder Antwortbudget an, bevor Sie ein Teilobjekt als gültigen Datensatz behandeln.
Der Ablauf für allgemeine Dialoge bietet Wissensdatenbank-Abfragen, Websuche und eigene Funktionen. Wissensdatenbank-Abfragen können auf das bereitgestellte Wissen beschränkt werden; für diesen Modus legt der Hersteller fest, dass ohne Abfrageergebnis keine Antwort erfolgt. Werden Wissensabfrage und Websuche gemeinsam konfiguriert, hat die Wissensabfrage Vorrang. Die Referenz rät ausserdem davon ab, Funktionsaufrufe in derselben Aufgabe mit diesen Abfrage- oder Suchwerkzeugen zu kombinieren.
Stellen Sie für eine Wissensfrage die relevante Sammlung bereit und fragen Sie gezielt. Bewahren Sie bei einer Frage zu aktuellen Informationen die tatsächlichen Suchbelege zusammen mit der Antwort auf. Trennen Sie von einem Werkzeug gelieferte Belege von einer daraus erzeugten Schlussfolgerung.
Baichuan3-Turbo ist ausdrücklich in der Liste der Modelle mit Funktionsunterstützung enthalten. Eine Funktionsdefinition enthält Name, Beschreibung und Argumentschema. Das Modell kann eine Operation auswählen und Argumente erzeugen; die verbundene Anwendung führt sie aus und gibt das Ergebnis als dem Aufruf zugeordnete Werkzeugnachricht zurück. Bewahren Sie diese Zuordnung im nächsten Dialogbeitrag. Die Auswahlmöglichkeiten des Herstellers für Funktionen sind automatische Auswahl oder keine Werkzeugaufrufe.
Die dokumentierte Schnittstelle unterstützt eine vollständige Antwort oder einen Strom schrittweiser Textausgaben; der Modus ohne Streaming ist voreingestellt. Setzen Sie gestreamte Teile zur endgültigen Antwort zusammen. Das Ergebnis zeigt an, ob die Generierung regulär endete, ein Längenlimit erreichte, ein Werkzeug auswählte oder auf Inhaltsfilterung traf.
Verwenden Sie das fertige Ergebnis für seine vorgesehene Aufgabe: eine knappe Antwort, überarbeitete Formulierungen, einen extrahierten Datensatz oder eine auf zurückgegebenen Belegen beruhende Erklärung. Prüfen Sie die quellenabhängigen Werte gemeinsam mit der ausgewählten Version. Ein verwandtes Modell mit grösserem Kontext, eine andere Baichuan-Generation und ein von einer Anwendung erzeugtes Funktionsergebnis bleiben eigenständige Bestandteile des Ablaufs.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Baichuan3-Turbo | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00374 / 1K Tokens Ausgabe · Ausgabetoken $0.00374 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 Baichuan3-Turbo
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.