ERNIE X1 Turbo ist das Schlussfolgerungsmodell-Profil von Baidu für Fragen, die ausführliche Analyse, logische Problemlösung und werkzeugangebundene Textarbeit erfordern. Der Hersteller bezeichnet Turbo als verbesserte Version der X1-Reihe. Sein dokumentiertes Herstellerprofil mit 32K bleibt von ERNIE X1.1 Preview und ERNIE 5.0 Thinking getrennt, die andere Eingabe- und Erzeugungsbudgets haben.
Stellen Sie die Frage, gegebene Werte, Vorgaben und die benötigte Ergebnisart bereit. Eine mathematische Aufgabe kann eine Lösung verlangen, deren entscheidende Berechnung überprüfbar ist; eine Planungsaufgabe kann Alternativen anhand vorgegebener Bedingungen vergleichen. Halten Sie Annahmen von bereitgestellten Fakten getrennt und benennen Sie, was unbekannt bleibt. So erhält der Denkprozess ein begrenztes Problem statt der Erlaubnis, fehlende Anforderungen zu erfinden.
Fügen Sie bei einer technischen Frage die relevante Quellpassage oder das Codefragment und das zu untersuchende Verhalten hinzu. Verlangen Sie ein konkretes Gegenbeispiel oder eine Erklärung, wenn sich zwei Implementierungen unterscheiden. Das nützliche Arbeitsergebnis sollte die Schlussfolgerung und ihre massgeblichen Bedingungen deutlich machen. Prüfen Sie wichtige Werte und das vorgeschlagene Verhalten anhand der Quelle, statt eine lange erzeugte Analyse als Korrektheitsbeweis zu behandeln.
Die AI-Studio-Modelltabelle des Herstellers nennt einen Kontext von 32K, eine maximale Eingabe von 24K und eine Einstellung für die abschliessende Ausgabe von 2 bis 16'384 Tokens mit 2K als dokumentiertem Standardwert. Sie führt für X1 Turbo separat eine Denklänge von 16K auf. Diese Felder haben unterschiedliche Rollen; wählen Sie Quellenmaterial und gewünschtes abschliessendes Arbeitsergebnis entsprechend, statt die Kontextzahl als Versprechen einer ebenso langen Antwort zu verstehen.
Halten Sie die abschliessende Antwort von etwaigem im Herstellerablauf zurückgegebenem Begründungsmaterial getrennt. Ein Vergleich kann die Empfehlung zuerst nennen und die sie begründenden Bedingungen beibehalten. Eine codebezogene Antwort kann den genauen Eingabefall und das erwartete Ergebnis benennen. Bewahren Sie ursprüngliche Frage und Belege zusammen mit dem fertigen Arbeitsergebnis auf, damit eine Folgeanfrage einen ungeklärten Schritt untersuchen kann.
Das Funktionsverzeichnis des Herstellers führt X1 Turbo für Funktionsaufrufe und suchgestützte Aufgaben auf. Definieren Sie Zweck und Argumente jeder Anwendungsfunktion und geben Sie anschliessend das tatsächliche Ergebnis zurück, wenn das Modell sie anfordert. Das Modell liefert eine strukturierte Anfrage; die umgebende Anwendung führt den Vorgang aus. Eine vorgeschlagene Recherche ist von einem abgerufenen Datensatz zu unterscheiden und eine angeforderte Handlung von einem abgeschlossenen Ergebnis.
Bewahren Sie bei einer quellenbasierten Frage das abgerufene Material zusammen mit der Antwort auf und prüfen Sie, ob es die Aussage belegt. Eine veränderliche Tatsache sollte aus aktuellen Belegen stammen statt aus einer unbelegten erinnerungsbasierten Antwort. Behandeln Sie Funktions- und Suchintegration als den angebundenen Arbeitsablauf des Herstellers, wobei die tatsächlich zurückgegebenen Belege bestimmen, was die Antwort verantwortbar schlussfolgern kann.
Das Profil X1 Turbo mit 32K ist ein Textarbeitsablauf mit Schlussfolgern und nicht die umfassendere Spezifikation für native multimodale Erzeugung einer anderen ERNIE-Familie. Seine Eingabe-, Ausgabe- und Denkbudgets bleiben die des ausgewählten Herstellerprofils. Eine nützliche Übergabe kann die Lösung, den Vergleich oder die werkzeuggestützte Antwort zusammen mit Quellpassagen und Ergebnissen abgeschlossener Vorgänge enthalten. Das unterstützt eine gezielte Fortsetzung und bewahrt dabei die ursprüngliche Aufgabe und ihre Unsicherheit.
", "aboutText": "ERNIE X1 Turbo ist das Schlussfolgerungsmodell-Profil von Baidu für Fragen, die ausführliche Analyse, logische Problemlösung und werkzeugangebundene Textarbeit erfordern. Der Hersteller bezeichnet Turbo als verbesserte Version der X1-Reihe. Sein dokumentiertes Herstellerprofil mit 32K bleibt von ERNIE X1.1 Preview und ERNIE 5.0 Thinking getrennt, die andere Eingabe- und Erzeugungsbudgets haben.\n\n### Ein vollständiges Schlussfolgerungsproblem vorbereiten\n\nStellen Sie die Frage, gegebene Werte, Vorgaben und die benötigte Ergebnisart bereit. Eine mathematische Aufgabe kann eine Lösung verlangen, deren entscheidende Berechnung überprüfbar ist; eine Planungsaufgabe kann Alternativen anhand vorgegebener Bedingungen vergleichen. Halten Sie Annahmen von bereitgestellten Fakten getrennt und benennen Sie, was unbekannt bleibt. So erhält der Denkprozess ein begrenztes Problem statt der Erlaubnis, fehlende Anforderungen zu erfinden.\n\nFügen Sie bei einer technischen Frage die relevante Quellpassage oder das Codefragment und das zu untersuchende Verhalten hinzu. Verlangen Sie ein konkretes Gegenbeispiel oder eine Erklärung, wenn sich zwei Implementierungen unterscheiden. Das nützliche Arbeitsergebnis sollte die Schlussfolgerung und ihre massgeblichen Bedingungen deutlich machen. Prüfen Sie wichtige Werte und das vorgeschlagene Verhalten anhand der Quelle, statt eine lange erzeugte Analyse als Korrektheitsbeweis zu behandeln.\n\n### Budgets für Kontext, abschliessende Ausgabe und Denken\n\nDie AI-Studio-Modelltabelle des Herstellers nennt einen Kontext von 32K, eine maximale Eingabe von 24K und eine Einstellung für die abschliessende Ausgabe von 2 bis 16'384 Tokens mit 2K als dokumentiertem Standardwert. Sie führt für X1 Turbo separat eine Denklänge von 16K auf. Diese Felder haben unterschiedliche Rollen; wählen Sie Quellenmaterial und gewünschtes abschliessendes Arbeitsergebnis entsprechend, statt die Kontextzahl als Versprechen einer ebenso langen Antwort zu verstehen.\n\nHalten Sie die abschliessende Antwort von etwaigem im Herstellerablauf zurückgegebenem Begründungsmaterial getrennt. Ein Vergleich kann die Empfehlung zuerst nennen und die sie begründenden Bedingungen beibehalten. Eine codebezogene Antwort kann den genauen Eingabefall und das erwartete Ergebnis benennen. Bewahren Sie ursprüngliche Frage und Belege zusammen mit dem fertigen Arbeitsergebnis auf, damit eine Folgeanfrage einen ungeklärten Schritt untersuchen kann.\n\n### Funktionen und aktuelle Informationen\n\nDas Funktionsverzeichnis des Herstellers führt X1 Turbo für Funktionsaufrufe und suchgestützte Aufgaben auf. Definieren Sie Zweck und Argumente jeder Anwendungsfunktion und geben Sie anschliessend das tatsächliche Ergebnis zurück, wenn das Modell sie anfordert. Das Modell liefert eine strukturierte Anfrage; die umgebende Anwendung führt den Vorgang aus. Eine vorgeschlagene Recherche ist von einem abgerufenen Datensatz zu unterscheiden und eine angeforderte Handlung von einem abgeschlossenen Ergebnis.\n\nBewahren Sie bei einer quellenbasierten Frage das abgerufene Material zusammen mit der Antwort auf und prüfen Sie, ob es die Aussage belegt. Eine veränderliche Tatsache sollte aus aktuellen Belegen stammen statt aus einer unbelegten erinnerungsbasierten Antwort. Behandeln Sie Funktions- und Suchintegration als den angebundenen Arbeitsablauf des Herstellers, wobei die tatsächlich zurückgegebenen Belege bestimmen, was die Antwort verantwortbar schlussfolgern kann.\n\n### Die Version X1 Turbo zusammen mit dem Ergebnis bewahren\n\nDas Profil X1 Turbo mit 32K ist ein Textarbeitsablauf mit Schlussfolgern und nicht die umfassendere Spezifikation für native multimodale Erzeugung einer anderen ERNIE-Familie. Seine Eingabe-, Ausgabe- und Denkbudgets bleiben die des ausgewählten Herstellerprofils. Eine nützliche Übergabe kann die Lösung, den Vergleich oder die werkzeuggestützte Antwort zusammen mit Quellpassagen und Ergebnissen abgeschlossener Vorgänge enthalten. Das unterstützt eine gezielte Fortsetzung und bewahrt dabei die ursprüngliche Aufgabe und ihre Unsicherheit.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ff823b3651c3b383b7cce6b26595c8822086d065a9a2470350ee4c7bd84d9202", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "ernie-x1-turbo-32kERNIE X1 Turbo ist das Schlussfolgerungsprofil von Baidu für mathematische, logische und werkzeugangebundene Textaufgaben. Seine AI-Studio-Spezifikation unterscheidet 32K Kontext, 24K maximale Eingabe, Einstellungen für die abschliessende Ausgabe bis zu 16'384 Tokens und eine separate Denklänge von 16K.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
ERNIE X1 Turbo ist das Schlussfolgerungsmodell-Profil von Baidu für Fragen, die ausführliche Analyse, logische Problemlösung und werkzeugangebundene Textarbeit erfordern. Der Hersteller bezeichnet Turbo als verbesserte Version der X1-Reihe. Sein dokumentiertes Herstellerprofil mit 32K bleibt von ERNIE X1.1 Preview und ERNIE 5.0 Thinking getrennt, die andere Eingabe- und Erzeugungsbudgets haben.
Stellen Sie die Frage, gegebene Werte, Vorgaben und die benötigte Ergebnisart bereit. Eine mathematische Aufgabe kann eine Lösung verlangen, deren entscheidende Berechnung überprüfbar ist; eine Planungsaufgabe kann Alternativen anhand vorgegebener Bedingungen vergleichen. Halten Sie Annahmen von bereitgestellten Fakten getrennt und benennen Sie, was unbekannt bleibt. So erhält der Denkprozess ein begrenztes Problem statt der Erlaubnis, fehlende Anforderungen zu erfinden.
Fügen Sie bei einer technischen Frage die relevante Quellpassage oder das Codefragment und das zu untersuchende Verhalten hinzu. Verlangen Sie ein konkretes Gegenbeispiel oder eine Erklärung, wenn sich zwei Implementierungen unterscheiden. Das nützliche Arbeitsergebnis sollte die Schlussfolgerung und ihre massgeblichen Bedingungen deutlich machen. Prüfen Sie wichtige Werte und das vorgeschlagene Verhalten anhand der Quelle, statt eine lange erzeugte Analyse als Korrektheitsbeweis zu behandeln.
Die AI-Studio-Modelltabelle des Herstellers nennt einen Kontext von 32K, eine maximale Eingabe von 24K und eine Einstellung für die abschliessende Ausgabe von 2 bis 16'384 Tokens mit 2K als dokumentiertem Standardwert. Sie führt für X1 Turbo separat eine Denklänge von 16K auf. Diese Felder haben unterschiedliche Rollen; wählen Sie Quellenmaterial und gewünschtes abschliessendes Arbeitsergebnis entsprechend, statt die Kontextzahl als Versprechen einer ebenso langen Antwort zu verstehen.
Halten Sie die abschliessende Antwort von etwaigem im Herstellerablauf zurückgegebenem Begründungsmaterial getrennt. Ein Vergleich kann die Empfehlung zuerst nennen und die sie begründenden Bedingungen beibehalten. Eine codebezogene Antwort kann den genauen Eingabefall und das erwartete Ergebnis benennen. Bewahren Sie ursprüngliche Frage und Belege zusammen mit dem fertigen Arbeitsergebnis auf, damit eine Folgeanfrage einen ungeklärten Schritt untersuchen kann.
Das Funktionsverzeichnis des Herstellers führt X1 Turbo für Funktionsaufrufe und suchgestützte Aufgaben auf. Definieren Sie Zweck und Argumente jeder Anwendungsfunktion und geben Sie anschliessend das tatsächliche Ergebnis zurück, wenn das Modell sie anfordert. Das Modell liefert eine strukturierte Anfrage; die umgebende Anwendung führt den Vorgang aus. Eine vorgeschlagene Recherche ist von einem abgerufenen Datensatz zu unterscheiden und eine angeforderte Handlung von einem abgeschlossenen Ergebnis.
Bewahren Sie bei einer quellenbasierten Frage das abgerufene Material zusammen mit der Antwort auf und prüfen Sie, ob es die Aussage belegt. Eine veränderliche Tatsache sollte aus aktuellen Belegen stammen statt aus einer unbelegten erinnerungsbasierten Antwort. Behandeln Sie Funktions- und Suchintegration als den angebundenen Arbeitsablauf des Herstellers, wobei die tatsächlich zurückgegebenen Belege bestimmen, was die Antwort verantwortbar schlussfolgern kann.
Das Profil X1 Turbo mit 32K ist ein Textarbeitsablauf mit Schlussfolgern und nicht die umfassendere Spezifikation für native multimodale Erzeugung einer anderen ERNIE-Familie. Seine Eingabe-, Ausgabe- und Denkbudgets bleiben die des ausgewählten Herstellerprofils. Eine nützliche Übergabe kann die Lösung, den Vergleich oder die werkzeuggestützte Antwort zusammen mit Quellpassagen und Ergebnissen abgeschlossener Vorgänge enthalten. Das unterstützt eine gezielte Fortsetzung und bewahrt dabei die ursprüngliche Aufgabe und ihre Unsicherheit.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ernie-x1-turbo-32k | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmässig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00033 / 1K Tokens Ausgabe · Ausgabetoken $0.00132 / 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":"ernie-x1-turbo-32k","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="ernie-x1-turbo-32k", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra ernie-x1-turbo-32k
/chat/completions
ernie-x1-turbo-32kERNIE X1 Turbo ist das Schlussfolgerungsprofil von Baidu für mathematische, logische und werkzeugangebundene Textaufgaben. Seine AI-Studio-Spezifikation unterscheidet 32K Kontext, 24K maximale Eingabe, Einstellungen für die abschliessende Ausgabe bis zu 16'384 Tokens und eine separate Denklänge von 16K.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
ERNIE X1 Turbo ist das Schlussfolgerungsmodell-Profil von Baidu für Fragen, die ausführliche Analyse, logische Problemlösung und werkzeugangebundene Textarbeit erfordern. Der Hersteller bezeichnet Turbo als verbesserte Version der X1-Reihe. Sein dokumentiertes Herstellerprofil mit 32K bleibt von ERNIE X1.1 Preview und ERNIE 5.0 Thinking getrennt, die andere Eingabe- und Erzeugungsbudgets haben.
Stellen Sie die Frage, gegebene Werte, Vorgaben und die benötigte Ergebnisart bereit. Eine mathematische Aufgabe kann eine Lösung verlangen, deren entscheidende Berechnung überprüfbar ist; eine Planungsaufgabe kann Alternativen anhand vorgegebener Bedingungen vergleichen. Halten Sie Annahmen von bereitgestellten Fakten getrennt und benennen Sie, was unbekannt bleibt. So erhält der Denkprozess ein begrenztes Problem statt der Erlaubnis, fehlende Anforderungen zu erfinden.
Fügen Sie bei einer technischen Frage die relevante Quellpassage oder das Codefragment und das zu untersuchende Verhalten hinzu. Verlangen Sie ein konkretes Gegenbeispiel oder eine Erklärung, wenn sich zwei Implementierungen unterscheiden. Das nützliche Arbeitsergebnis sollte die Schlussfolgerung und ihre massgeblichen Bedingungen deutlich machen. Prüfen Sie wichtige Werte und das vorgeschlagene Verhalten anhand der Quelle, statt eine lange erzeugte Analyse als Korrektheitsbeweis zu behandeln.
Die AI-Studio-Modelltabelle des Herstellers nennt einen Kontext von 32K, eine maximale Eingabe von 24K und eine Einstellung für die abschliessende Ausgabe von 2 bis 16'384 Tokens mit 2K als dokumentiertem Standardwert. Sie führt für X1 Turbo separat eine Denklänge von 16K auf. Diese Felder haben unterschiedliche Rollen; wählen Sie Quellenmaterial und gewünschtes abschliessendes Arbeitsergebnis entsprechend, statt die Kontextzahl als Versprechen einer ebenso langen Antwort zu verstehen.
Halten Sie die abschliessende Antwort von etwaigem im Herstellerablauf zurückgegebenem Begründungsmaterial getrennt. Ein Vergleich kann die Empfehlung zuerst nennen und die sie begründenden Bedingungen beibehalten. Eine codebezogene Antwort kann den genauen Eingabefall und das erwartete Ergebnis benennen. Bewahren Sie ursprüngliche Frage und Belege zusammen mit dem fertigen Arbeitsergebnis auf, damit eine Folgeanfrage einen ungeklärten Schritt untersuchen kann.
Das Funktionsverzeichnis des Herstellers führt X1 Turbo für Funktionsaufrufe und suchgestützte Aufgaben auf. Definieren Sie Zweck und Argumente jeder Anwendungsfunktion und geben Sie anschliessend das tatsächliche Ergebnis zurück, wenn das Modell sie anfordert. Das Modell liefert eine strukturierte Anfrage; die umgebende Anwendung führt den Vorgang aus. Eine vorgeschlagene Recherche ist von einem abgerufenen Datensatz zu unterscheiden und eine angeforderte Handlung von einem abgeschlossenen Ergebnis.
Bewahren Sie bei einer quellenbasierten Frage das abgerufene Material zusammen mit der Antwort auf und prüfen Sie, ob es die Aussage belegt. Eine veränderliche Tatsache sollte aus aktuellen Belegen stammen statt aus einer unbelegten erinnerungsbasierten Antwort. Behandeln Sie Funktions- und Suchintegration als den angebundenen Arbeitsablauf des Herstellers, wobei die tatsächlich zurückgegebenen Belege bestimmen, was die Antwort verantwortbar schlussfolgern kann.
Das Profil X1 Turbo mit 32K ist ein Textarbeitsablauf mit Schlussfolgern und nicht die umfassendere Spezifikation für native multimodale Erzeugung einer anderen ERNIE-Familie. Seine Eingabe-, Ausgabe- und Denkbudgets bleiben die des ausgewählten Herstellerprofils. Eine nützliche Übergabe kann die Lösung, den Vergleich oder die werkzeuggestützte Antwort zusammen mit Quellpassagen und Ergebnissen abgeschlossener Vorgänge enthalten. Das unterstützt eine gezielte Fortsetzung und bewahrt dabei die ursprüngliche Aufgabe und ihre Unsicherheit.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ernie-x1-turbo-32k | 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 $0.00033 / 1K Tokens Ausgabe · Ausgabetoken $0.00132 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "ernie-x1-turbo-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ernie-x1-turbo-32k', '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': 'ernie-x1-turbo-32k', '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 ernie-x1-turbo-32k
/chat/completions