Baichuan4 ist das unter diesem Namen geführte allgemeine Dialogmodell der vierten Generation im Baichuan-Angebot. Der Hersteller dokumentiert für genau diese Version einen Kontext von 32K. Baichuan4-Turbo und Baichuan4-Air sind eigenständige Versionen mit eigenen Modellprofilen.
Das Modell verarbeitet einen Textdialog und erzeugt im dokumentierten Ablauf des Herstellers eine Assistentenantwort oder die Anforderung eines Funktionsaufrufs. Geeignete Aufgaben sind Antworten auf Grundlage bereitgestellter Informationen, das Ordnen von Dokumentinhalten, Textüberarbeitungen und strukturierte Datensätze für eine Anwendung.
Ordnen Sie die Nachrichten chronologisch an; eine bei Bedarf verwendete Systemanweisung steht zuerst. Trennen Sie die Aufgabe des Nutzers von früheren Assistentenantworten und externen Werkzeugergebnissen. Die Herstellerreferenz akzeptiert gewöhnliche Textzeichenketten oder typisierte Textinhaltsstrukturen und verwendet für Ergebnisse von Funktionsaufrufen eine eigene Werkzeugnachrichtenrolle.
Stellen Sie für einen Vergleich beide Textstellen bereit, kennzeichnen Sie sie eindeutig und verlangen Sie Übereinstimmungen, Widersprüche und belegende Formulierungen. Geben Sie für eine überarbeitete Erklärung die Zielgruppe und die Details an, die bei der Überarbeitung erhalten bleiben müssen. Eine hilfreiche Anweisung lautet: «Vergleiche diese beiden Projektbeschreibungen, liste die geänderten Anforderungen auf und benenne jeweils die Textstelle, die die Änderung belegt.»
Baichuan4 ist ausdrücklich im JSON-Objekt-Modus des Herstellers enthalten. Zur Aktivierung dieses Modus gehört auch eine System- oder Nutzeranweisung, JSON zu erzeugen. Definieren Sie die erforderlichen Felder und die Darstellung fehlender Informationen. Parsen und prüfen Sie das Ergebnis, bevor Sie es als Anwendungsdatensatz verwenden.
Die Dialogoperation des Herstellers akzeptiert max_tokens von 1 bis 2'048, mit 2'048 als Standardwert. Die Sampling-Einstellungen 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. Mit top_k auf 0 wird diese Strategie deaktiviert. Das Antwortbudget unterscheidet sich vom 32K-Kontext: Planen Sie das Quellmaterial und den Platz für die Antwort gemeinsam ein.
Lautet der Abschlussgrund length, kann eine Textantwort oder ein JSON-Objekt unvollständig sein. Bewahren Sie das Teilergebnis und den Abbruchgrund auf und entscheiden Sie anschliessend, ob das gewünschte Ergebnis kürzer ausfallen, die Eingabe reduziert oder das betreffende Antwortbudget angepasst werden soll.
Die Werkzeuge des Herstellers unterscheiden zwischen Wissensdatenbank-Abfrage und Websuche. Eine Wissensdatenbank-Anfrage benennt die relevanten Sammlungen. Der Antwortmodus ausschliesslich auf Basis der Wissensdatenbank verhindert eine Antwort, wenn die Abfrage kein Ergebnis liefert. Sind Websuche und Wissensabfrage gemeinsam konfiguriert, hat laut Referenz die Wissensabfrage Vorrang.
Bewahren Sie bei veränderlichen Fakten die tatsächlich abgerufenen oder gefundenen Informationen auf, damit die endgültige Antwort daran überprüft werden kann. Halten Sie Quelle, Datum und relevante Einschränkungen zusammen mit der Beobachtung fest. Stellen Sie bei einer Aufgabe zu einer bereitgestellten Sammlung eine gezielte Frage, statt sie mit sachfremden kreativen Anweisungen zu verbinden.
Die dokumentierten Beispiele für Baichuan4 zeigen die Auswahl zwischen eigenen Funktionen und die Fortsetzung, nachdem die Anwendung ein Funktionsergebnis zurückgegeben hat. Definieren Sie jede Funktion mit Name, Zweck und Argumentschema. Bewahren Sie den Aufruf des Assistenten und das zugehörige Werkzeugergebnis auf und lassen Sie die nächste Antwort diese Beobachtung erläutern oder verwenden.
Ein praktischer Vergleich kann zwei tatsächliche Messwerte anfordern, etwa Werte für zwei verschiedene Daten, und nach ihrer Differenz fragen. Die Anwendung stellt diese Werte bereit; die vom Modell ausgewählte Funktion und die erzeugten Argumente sind die Anforderung dieser Operation. Die Herstellereinstellung für automatische Auswahl oder Verzicht auf Werkzeuge gilt für Funktionen. Die Referenz empfiehlt, Funktionsaufrufe von Konfigurationen für Websuche oder Wissensabfrage zu trennen.
Beim Hersteller ist der Modus ohne Streaming voreingestellt; Streaming liefert schrittweise Antwortteile, die zusammengesetzt werden müssen. Der Abschlussgrund unterscheidet zwischen regulärem Ende, Werkzeuganforderung, Ausgabe- oder Kontextlängenlimit und Inhaltsfilterung. Bewahren Sie die fertige Nachricht oder das Objekt zusammen mit dem Quellmaterial und den Werkzeugbeobachtungen auf, die für die Interpretation nötig sind.
Prüfen Sie das Ergebnis auf die angeforderten Felder, belegte Vergleiche und eine für den Verwendungszweck passende Formulierung. Halten Sie bei Vergleichen mit einer anderen Version die genaue Identität Baichuan4 zusammen mit der Aufgabe fest. Das nutzbare Ergebnis ist ein vollständiger Text oder eine Erklärung einer tatsächlichen Werkzeugbeobachtung, bei der offene Teile der Anfrage erkennbar bleiben.
", "aboutText": "### Baichuan4 als eigenständige Dialogversion\n\nBaichuan4 ist das unter diesem Namen geführte allgemeine Dialogmodell der vierten Generation im Baichuan-Angebot. Der Hersteller dokumentiert für genau diese Version einen Kontext von 32K. Baichuan4-Turbo und Baichuan4-Air sind eigenständige Versionen mit eigenen Modellprofilen.\n\nDas Modell verarbeitet einen Textdialog und erzeugt im dokumentierten Ablauf des Herstellers eine Assistentenantwort oder die Anforderung eines Funktionsaufrufs. Geeignete Aufgaben sind Antworten auf Grundlage bereitgestellter Informationen, das Ordnen von Dokumentinhalten, Textüberarbeitungen und strukturierte Datensätze für eine Anwendung.\n\n### Eine vollständige Dialoganfrage bereitstellen\n\nOrdnen Sie die Nachrichten chronologisch an; eine bei Bedarf verwendete Systemanweisung steht zuerst. Trennen Sie die Aufgabe des Nutzers von früheren Assistentenantworten und externen Werkzeugergebnissen. Die Herstellerreferenz akzeptiert gewöhnliche Textzeichenketten oder typisierte Textinhaltsstrukturen und verwendet für Ergebnisse von Funktionsaufrufen eine eigene Werkzeugnachrichtenrolle.\n\nStellen Sie für einen Vergleich beide Textstellen bereit, kennzeichnen Sie sie eindeutig und verlangen Sie Übereinstimmungen, Widersprüche und belegende Formulierungen. Geben Sie für eine überarbeitete Erklärung die Zielgruppe und die Details an, die bei der Überarbeitung erhalten bleiben müssen. Eine hilfreiche Anweisung lautet: «Vergleiche diese beiden Projektbeschreibungen, liste die geänderten Anforderungen auf und benenne jeweils die Textstelle, die die Änderung belegt.»\n\n### Ausgabeform und Antwortbudget wählen\n\nBaichuan4 ist ausdrücklich im JSON-Objekt-Modus des Herstellers enthalten. Zur Aktivierung dieses Modus gehört auch eine System- oder Nutzeranweisung, JSON zu erzeugen. Definieren Sie die erforderlichen Felder und die Darstellung fehlender Informationen. Parsen und prüfen Sie das Ergebnis, bevor Sie es als Anwendungsdatensatz verwenden.\n\nDie Dialogoperation des Herstellers akzeptiert max_tokens von 1 bis 2'048, mit 2'048 als Standardwert. Die Sampling-Einstellungen 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. Mit top_k auf 0 wird diese Strategie deaktiviert. Das Antwortbudget unterscheidet sich vom 32K-Kontext: Planen Sie das Quellmaterial und den Platz für die Antwort gemeinsam ein.\n\nLautet der Abschlussgrund length, kann eine Textantwort oder ein JSON-Objekt unvollständig sein. Bewahren Sie das Teilergebnis und den Abbruchgrund auf und entscheiden Sie anschliessend, ob das gewünschte Ergebnis kürzer ausfallen, die Eingabe reduziert oder das betreffende Antwortbudget angepasst werden soll.\n\n### Eine Antwort auf abgerufene Informationen stützen\n\nDie Werkzeuge des Herstellers unterscheiden zwischen Wissensdatenbank-Abfrage und Websuche. Eine Wissensdatenbank-Anfrage benennt die relevanten Sammlungen. Der Antwortmodus ausschliesslich auf Basis der Wissensdatenbank verhindert eine Antwort, wenn die Abfrage kein Ergebnis liefert. Sind Websuche und Wissensabfrage gemeinsam konfiguriert, hat laut Referenz die Wissensabfrage Vorrang.\n\nBewahren Sie bei veränderlichen Fakten die tatsächlich abgerufenen oder gefundenen Informationen auf, damit die endgültige Antwort daran überprüft werden kann. Halten Sie Quelle, Datum und relevante Einschränkungen zusammen mit der Beobachtung fest. Stellen Sie bei einer Aufgabe zu einer bereitgestellten Sammlung eine gezielte Frage, statt sie mit sachfremden kreativen Anweisungen zu verbinden.\n\n### Mit einem tatsächlichen Funktionsergebnis fortfahren\n\nDie dokumentierten Beispiele für Baichuan4 zeigen die Auswahl zwischen eigenen Funktionen und die Fortsetzung, nachdem die Anwendung ein Funktionsergebnis zurückgegeben hat. Definieren Sie jede Funktion mit Name, Zweck und Argumentschema. Bewahren Sie den Aufruf des Assistenten und das zugehörige Werkzeugergebnis auf und lassen Sie die nächste Antwort diese Beobachtung erläutern oder verwenden.\n\nEin praktischer Vergleich kann zwei tatsächliche Messwerte anfordern, etwa Werte für zwei verschiedene Daten, und nach ihrer Differenz fragen. Die Anwendung stellt diese Werte bereit; die vom Modell ausgewählte Funktion und die erzeugten Argumente sind die Anforderung dieser Operation. Die Herstellereinstellung für automatische Auswahl oder Verzicht auf Werkzeuge gilt für Funktionen. Die Referenz empfiehlt, Funktionsaufrufe von Konfigurationen für Websuche oder Wissensabfrage zu trennen.\n\n### Das endgültige Ergebnis zusammenführen und prüfen\n\nBeim Hersteller ist der Modus ohne Streaming voreingestellt; Streaming liefert schrittweise Antwortteile, die zusammengesetzt werden müssen. Der Abschlussgrund unterscheidet zwischen regulärem Ende, Werkzeuganforderung, Ausgabe- oder Kontextlängenlimit und Inhaltsfilterung. Bewahren Sie die fertige Nachricht oder das Objekt zusammen mit dem Quellmaterial und den Werkzeugbeobachtungen auf, die für die Interpretation nötig sind.\n\nPrüfen Sie das Ergebnis auf die angeforderten Felder, belegte Vergleiche und eine für den Verwendungszweck passende Formulierung. Halten Sie bei Vergleichen mit einer anderen Version die genaue Identität Baichuan4 zusammen mit der Aufgabe fest. Das nutzbare Ergebnis ist ein vollständiger Text oder eine Erklärung einer tatsächlichen Werkzeugbeobachtung, bei der offene Teile der Anfrage erkennbar bleiben.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.Baichuan4Baichuan4 ist das unter diesem Namen geführte Textdialogmodell der vierten Generation mit einem dokumentierten Kontext von 32K. Der dokumentierte Ablauf des Herstellers unterstützt Antworten als JSON-Objekte, vollständige oder gestreamte Texte, eigene Funktionen sowie Belege aus Wissensdatenbank-Abfragen oder der Websuche.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Baichuan4 ist das unter diesem Namen geführte allgemeine Dialogmodell der vierten Generation im Baichuan-Angebot. Der Hersteller dokumentiert für genau diese Version einen Kontext von 32K. Baichuan4-Turbo und Baichuan4-Air sind eigenständige Versionen mit eigenen Modellprofilen.
Das Modell verarbeitet einen Textdialog und erzeugt im dokumentierten Ablauf des Herstellers eine Assistentenantwort oder die Anforderung eines Funktionsaufrufs. Geeignete Aufgaben sind Antworten auf Grundlage bereitgestellter Informationen, das Ordnen von Dokumentinhalten, Textüberarbeitungen und strukturierte Datensätze für eine Anwendung.
Ordnen Sie die Nachrichten chronologisch an; eine bei Bedarf verwendete Systemanweisung steht zuerst. Trennen Sie die Aufgabe des Nutzers von früheren Assistentenantworten und externen Werkzeugergebnissen. Die Herstellerreferenz akzeptiert gewöhnliche Textzeichenketten oder typisierte Textinhaltsstrukturen und verwendet für Ergebnisse von Funktionsaufrufen eine eigene Werkzeugnachrichtenrolle.
Stellen Sie für einen Vergleich beide Textstellen bereit, kennzeichnen Sie sie eindeutig und verlangen Sie Übereinstimmungen, Widersprüche und belegende Formulierungen. Geben Sie für eine überarbeitete Erklärung die Zielgruppe und die Details an, die bei der Überarbeitung erhalten bleiben müssen. Eine hilfreiche Anweisung lautet: «Vergleiche diese beiden Projektbeschreibungen, liste die geänderten Anforderungen auf und benenne jeweils die Textstelle, die die Änderung belegt.»
Baichuan4 ist ausdrücklich im JSON-Objekt-Modus des Herstellers enthalten. Zur Aktivierung dieses Modus gehört auch eine System- oder Nutzeranweisung, JSON zu erzeugen. Definieren Sie die erforderlichen Felder und die Darstellung fehlender Informationen. Parsen und prüfen Sie das Ergebnis, bevor Sie es als Anwendungsdatensatz verwenden.
Die Dialogoperation des Herstellers akzeptiert max_tokens von 1 bis 2'048, mit 2'048 als Standardwert. Die Sampling-Einstellungen 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. Mit top_k auf 0 wird diese Strategie deaktiviert. Das Antwortbudget unterscheidet sich vom 32K-Kontext: Planen Sie das Quellmaterial und den Platz für die Antwort gemeinsam ein.
Lautet der Abschlussgrund length, kann eine Textantwort oder ein JSON-Objekt unvollständig sein. Bewahren Sie das Teilergebnis und den Abbruchgrund auf und entscheiden Sie anschliessend, ob das gewünschte Ergebnis kürzer ausfallen, die Eingabe reduziert oder das betreffende Antwortbudget angepasst werden soll.
Die Werkzeuge des Herstellers unterscheiden zwischen Wissensdatenbank-Abfrage und Websuche. Eine Wissensdatenbank-Anfrage benennt die relevanten Sammlungen. Der Antwortmodus ausschliesslich auf Basis der Wissensdatenbank verhindert eine Antwort, wenn die Abfrage kein Ergebnis liefert. Sind Websuche und Wissensabfrage gemeinsam konfiguriert, hat laut Referenz die Wissensabfrage Vorrang.
Bewahren Sie bei veränderlichen Fakten die tatsächlich abgerufenen oder gefundenen Informationen auf, damit die endgültige Antwort daran überprüft werden kann. Halten Sie Quelle, Datum und relevante Einschränkungen zusammen mit der Beobachtung fest. Stellen Sie bei einer Aufgabe zu einer bereitgestellten Sammlung eine gezielte Frage, statt sie mit sachfremden kreativen Anweisungen zu verbinden.
Die dokumentierten Beispiele für Baichuan4 zeigen die Auswahl zwischen eigenen Funktionen und die Fortsetzung, nachdem die Anwendung ein Funktionsergebnis zurückgegeben hat. Definieren Sie jede Funktion mit Name, Zweck und Argumentschema. Bewahren Sie den Aufruf des Assistenten und das zugehörige Werkzeugergebnis auf und lassen Sie die nächste Antwort diese Beobachtung erläutern oder verwenden.
Ein praktischer Vergleich kann zwei tatsächliche Messwerte anfordern, etwa Werte für zwei verschiedene Daten, und nach ihrer Differenz fragen. Die Anwendung stellt diese Werte bereit; die vom Modell ausgewählte Funktion und die erzeugten Argumente sind die Anforderung dieser Operation. Die Herstellereinstellung für automatische Auswahl oder Verzicht auf Werkzeuge gilt für Funktionen. Die Referenz empfiehlt, Funktionsaufrufe von Konfigurationen für Websuche oder Wissensabfrage zu trennen.
Beim Hersteller ist der Modus ohne Streaming voreingestellt; Streaming liefert schrittweise Antwortteile, die zusammengesetzt werden müssen. Der Abschlussgrund unterscheidet zwischen regulärem Ende, Werkzeuganforderung, Ausgabe- oder Kontextlängenlimit und Inhaltsfilterung. Bewahren Sie die fertige Nachricht oder das Objekt zusammen mit dem Quellmaterial und den Werkzeugbeobachtungen auf, die für die Interpretation nötig sind.
Prüfen Sie das Ergebnis auf die angeforderten Felder, belegte Vergleiche und eine für den Verwendungszweck passende Formulierung. Halten Sie bei Vergleichen mit einer anderen Version die genaue Identität Baichuan4 zusammen mit der Aufgabe fest. Das nutzbare Ergebnis ist ein vollständiger Text oder eine Erklärung einer tatsächlichen Werkzeugbeobachtung, bei der offene Teile der Anfrage erkennbar bleiben.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Baichuan4 | 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 $0.03146 / 1K Tokens Ausgabe · Ausgabetoken $0.03146 / 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": "Baichuan4", "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='Baichuan4',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='Baichuan4',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 Baichuan4
Verwenden Sie die oben angezeigten Methodenpfade.
Baichuan4Baichuan4 ist das unter diesem Namen geführte Textdialogmodell der vierten Generation mit einem dokumentierten Kontext von 32K. Der dokumentierte Ablauf des Herstellers unterstützt Antworten als JSON-Objekte, vollständige oder gestreamte Texte, eigene Funktionen sowie Belege aus Wissensdatenbank-Abfragen oder der Websuche.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Baichuan4 ist das unter diesem Namen geführte allgemeine Dialogmodell der vierten Generation im Baichuan-Angebot. Der Hersteller dokumentiert für genau diese Version einen Kontext von 32K. Baichuan4-Turbo und Baichuan4-Air sind eigenständige Versionen mit eigenen Modellprofilen.
Das Modell verarbeitet einen Textdialog und erzeugt im dokumentierten Ablauf des Herstellers eine Assistentenantwort oder die Anforderung eines Funktionsaufrufs. Geeignete Aufgaben sind Antworten auf Grundlage bereitgestellter Informationen, das Ordnen von Dokumentinhalten, Textüberarbeitungen und strukturierte Datensätze für eine Anwendung.
Ordnen Sie die Nachrichten chronologisch an; eine bei Bedarf verwendete Systemanweisung steht zuerst. Trennen Sie die Aufgabe des Nutzers von früheren Assistentenantworten und externen Werkzeugergebnissen. Die Herstellerreferenz akzeptiert gewöhnliche Textzeichenketten oder typisierte Textinhaltsstrukturen und verwendet für Ergebnisse von Funktionsaufrufen eine eigene Werkzeugnachrichtenrolle.
Stellen Sie für einen Vergleich beide Textstellen bereit, kennzeichnen Sie sie eindeutig und verlangen Sie Übereinstimmungen, Widersprüche und belegende Formulierungen. Geben Sie für eine überarbeitete Erklärung die Zielgruppe und die Details an, die bei der Überarbeitung erhalten bleiben müssen. Eine hilfreiche Anweisung lautet: «Vergleiche diese beiden Projektbeschreibungen, liste die geänderten Anforderungen auf und benenne jeweils die Textstelle, die die Änderung belegt.»
Baichuan4 ist ausdrücklich im JSON-Objekt-Modus des Herstellers enthalten. Zur Aktivierung dieses Modus gehört auch eine System- oder Nutzeranweisung, JSON zu erzeugen. Definieren Sie die erforderlichen Felder und die Darstellung fehlender Informationen. Parsen und prüfen Sie das Ergebnis, bevor Sie es als Anwendungsdatensatz verwenden.
Die Dialogoperation des Herstellers akzeptiert max_tokens von 1 bis 2'048, mit 2'048 als Standardwert. Die Sampling-Einstellungen 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. Mit top_k auf 0 wird diese Strategie deaktiviert. Das Antwortbudget unterscheidet sich vom 32K-Kontext: Planen Sie das Quellmaterial und den Platz für die Antwort gemeinsam ein.
Lautet der Abschlussgrund length, kann eine Textantwort oder ein JSON-Objekt unvollständig sein. Bewahren Sie das Teilergebnis und den Abbruchgrund auf und entscheiden Sie anschliessend, ob das gewünschte Ergebnis kürzer ausfallen, die Eingabe reduziert oder das betreffende Antwortbudget angepasst werden soll.
Die Werkzeuge des Herstellers unterscheiden zwischen Wissensdatenbank-Abfrage und Websuche. Eine Wissensdatenbank-Anfrage benennt die relevanten Sammlungen. Der Antwortmodus ausschliesslich auf Basis der Wissensdatenbank verhindert eine Antwort, wenn die Abfrage kein Ergebnis liefert. Sind Websuche und Wissensabfrage gemeinsam konfiguriert, hat laut Referenz die Wissensabfrage Vorrang.
Bewahren Sie bei veränderlichen Fakten die tatsächlich abgerufenen oder gefundenen Informationen auf, damit die endgültige Antwort daran überprüft werden kann. Halten Sie Quelle, Datum und relevante Einschränkungen zusammen mit der Beobachtung fest. Stellen Sie bei einer Aufgabe zu einer bereitgestellten Sammlung eine gezielte Frage, statt sie mit sachfremden kreativen Anweisungen zu verbinden.
Die dokumentierten Beispiele für Baichuan4 zeigen die Auswahl zwischen eigenen Funktionen und die Fortsetzung, nachdem die Anwendung ein Funktionsergebnis zurückgegeben hat. Definieren Sie jede Funktion mit Name, Zweck und Argumentschema. Bewahren Sie den Aufruf des Assistenten und das zugehörige Werkzeugergebnis auf und lassen Sie die nächste Antwort diese Beobachtung erläutern oder verwenden.
Ein praktischer Vergleich kann zwei tatsächliche Messwerte anfordern, etwa Werte für zwei verschiedene Daten, und nach ihrer Differenz fragen. Die Anwendung stellt diese Werte bereit; die vom Modell ausgewählte Funktion und die erzeugten Argumente sind die Anforderung dieser Operation. Die Herstellereinstellung für automatische Auswahl oder Verzicht auf Werkzeuge gilt für Funktionen. Die Referenz empfiehlt, Funktionsaufrufe von Konfigurationen für Websuche oder Wissensabfrage zu trennen.
Beim Hersteller ist der Modus ohne Streaming voreingestellt; Streaming liefert schrittweise Antwortteile, die zusammengesetzt werden müssen. Der Abschlussgrund unterscheidet zwischen regulärem Ende, Werkzeuganforderung, Ausgabe- oder Kontextlängenlimit und Inhaltsfilterung. Bewahren Sie die fertige Nachricht oder das Objekt zusammen mit dem Quellmaterial und den Werkzeugbeobachtungen auf, die für die Interpretation nötig sind.
Prüfen Sie das Ergebnis auf die angeforderten Felder, belegte Vergleiche und eine für den Verwendungszweck passende Formulierung. Halten Sie bei Vergleichen mit einer anderen Version die genaue Identität Baichuan4 zusammen mit der Aufgabe fest. Das nutzbare Ergebnis ist ein vollständiger Text oder eine Erklärung einer tatsächlichen Werkzeugbeobachtung, bei der offene Teile der Anfrage erkennbar bleiben.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Baichuan4 | 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 $0.03146 / 1K Tokens Ausgabe · Ausgabetoken $0.03146 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "Baichuan4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan4', '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': 'Baichuan4', '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 Baichuan4
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.