Ling 3.1 Flash ist inclusionAIs hybrides Schlussfolgerungs-Sprachmodell für Aufgaben mit mehreren Stufen statt einer einzelnen kurzen Antwort. Der Hersteller positioniert es für alltägliche Büroarbeit, umfangreiche Softwareentwicklung und komplexe Agentenabläufe. Seine Mixture-of-Experts-Architektur hat ungefähr 560 Milliarden Gesamtparameter und etwa 25 Milliarden aktive Parameter pro Token und verbindet grosse Modellkapazität mit geringerem aktivem Rechenaufwand.
Das zentrale Entwicklungsziel ist, den Aufgabenstand zu bewahren und den Verlauf längerer Arbeit zu korrigieren. In einem Ablauf mit Werkzeuganbindung kann das Modell mehrere Schritte planen, Zwischenergebnisse interpretieren und den nächsten Schritt bei veränderter Beleglage anpassen. Geben Sie ihm ein präzises Ziel, die verfügbaren Materialien und eine Abschlussdefinition. Zum Beispiel: «Prüfen Sie diese Vorfallnotizen, ermitteln Sie ungeklärte Ursachen und erstellen Sie einen priorisierten Untersuchungsplan. Benennen Sie für jede Massnahme die Belege, die nötig sind, um ihren Erfolg zu beurteilen.» So wird aus einer vagen Anfrage ein prüfbares und fortsetzbares Ergebnis.
Für Büroarbeit sind Quellnotizen, aus Dokumenten extrahierter Text, Tabellen mit klaren Spaltendefinitionen und die Zielgruppe eines Berichts nützliche Eingaben. Benennen Sie Zeitraum, Einheiten und Vergleich. Verlangen Sie ein schriftliches Ergebnis wie ein Managementbriefing, eine Berichtsgliederung oder eine Erklärung der wichtigen Veränderungen. Ein Beispiel lautet: «Erklären Sie ausschliesslich anhand dieser Quartalstabellen die grössten Veränderungen, trennen Sie beobachtete Werte von Annahmen und entwerfen Sie ein Briefing mit den unbeantworteten Fragen am Ende.» Halten Sie Quellenkennzeichnungen bei der Eingabe fest, damit Aussagen des Ergebnisses zum richtigen Material zurückverfolgt werden können.
Für Softwareentwicklung hebt der Hersteller sprachübergreifendes Refactoring, Leistungsoptimierung und die Analyse häufig genutzter Codebereiche hervor. Liefern Sie relevante Dateien als Text, zu bewahrendes Verhalten, Abhängigkeitsversionen und fehlschlagende Ausgaben oder Messungen. Eine nützliche Anfrage verlangt eine vorgeschlagene Änderung und die zur Bewertung nötigen Prüfungen: «Überarbeiten Sie diesen Parser unter Beibehaltung des dokumentierten Ausgabeformats. Erläutern Sie das betroffene Verhalten, zeigen Sie den überarbeiteten Code und benennen Sie Fälle, die eine Regression sichtbar machen würden.» Liefern Sie bei Leistungsarbeit tatsächliche Profile oder Zeitmessungen und verlangen Sie, jede Empfehlung mit einem gemessenen Engpass zu verbinden.
Sammeln Sie für professionelle Analysen relevante Regeln, Definitionen und Belege, bevor Sie eine Empfehlung verlangen. Ling 3.1 Flash soll verstreute Informationen zusammenführen, Indikatoren deuten und Handlungsvorschläge entwickeln. Verlangen Sie einen Vergleich mit benannten Annahmen und noch benötigten Informationen statt eines unbelegten Urteils. Liefern Sie etwa mehrere Projektvorschläge und verlangen Sie eine Entscheidungsvorlage mit denselben Kriterien für alle, in der quellengestützte Beobachtungen von erschlossenen Folgen getrennt sind. Bei widersprüchlichen Belegen verlangen Sie die widersprechenden Passagen und die Frage, die den Widerspruch klären würde.
Der Hersteller unterscheidet eine Modellkontextobergrenze von 1 Million Tokens vom 256K-Kontext, den sein offizieller Dienst derzeit freigibt. Diese Zahlen beschreiben unterschiedliche Grenzen. Ordnen Sie Arbeitsmaterial nach dem geltenden Fenster und reservieren Sie Platz für die Antwort. Eine Obergrenze auf Modellebene bedeutet nicht, dass jede Schnittstelle so viel Eingabe akzeptiert. Halten Sie bei grossen Aufgaben Ziel, abgeschlossene Entscheidungen, offene Fragen und Quellenverweise zusammen. Markieren Sie Dokumente und Code ausdrücklich, damit zu analysierendes Material nicht mit zu befolgenden Anweisungen verwechselt wird.
Bereiten Sie Aufgaben mit Werkzeuganbindung mit klaren Werkzeugbeschreibungen, erwarteten Argumenten und brauchbaren Ergebnisaufzeichnungen vor. Geben Sie tatsächliche Ergebnisse in das Gespräch zurück, damit der nächste Vorschlag auf Beobachtungen beruht. Verlangen Sie eine Erklärung, was ein zurückgegebenes Ergebnis ändert und welche Belege noch fehlen. Das agentenorientierte Design unterstützt dieses Planungs- und Rückmeldemuster; die umgebende Anwendung führt die Werkzeugschritte aus und bewahrt ihre Ergebnisse. Ein vorgeschlagener Befehl, eine Codeänderung oder ein Bericht ist besonders nützlich, wenn sein Status klar ist: vorgeschlagen, mit dokumentiertem Ergebnis ausgeführt oder noch zu überprüfen.
Ling 3.1 Flash gehört zur Sprachmodellreihe; die gesonderte Edition Ling 3.0 Flash VL ist das visuelle Modell des Herstellers. Bereiten Sie für diese Textaufgabe textuelle Quellen vor und bewahren Sie Struktur, Kennzeichnungen und Herkunft. Legen Sie Ausgabesprache und Form fest, etwa eine kurze Notiz, eine Befundtabelle, eine Patch-Erklärung oder einen nummerierten Plan. Lassen Sie fehlende Informationen markieren und prüfen Sie das gewünschte Ergebnis anhand der ursprünglichen Bedingungen. Lange Abläufe benötigen weiterhin die Prüfung von Zwischenergebnissen: Eine frühe falsche Annahme kann sonst in spätere Schlussfolgerungen übernommen und zu einem überzeugenden Abschlussbericht ausgearbeitet werden.
", "aboutText": "Ling 3.1 Flash ist inclusionAIs hybrides Schlussfolgerungs-Sprachmodell für Aufgaben mit mehreren Stufen statt einer einzelnen kurzen Antwort. Der Hersteller positioniert es für alltägliche Büroarbeit, umfangreiche Softwareentwicklung und komplexe Agentenabläufe. Seine Mixture-of-Experts-Architektur hat ungefähr 560 Milliarden Gesamtparameter und etwa 25 Milliarden aktive Parameter pro Token und verbindet grosse Modellkapazität mit geringerem aktivem Rechenaufwand.\n\nDas zentrale Entwicklungsziel ist, den Aufgabenstand zu bewahren und den Verlauf längerer Arbeit zu korrigieren. In einem Ablauf mit Werkzeuganbindung kann das Modell mehrere Schritte planen, Zwischenergebnisse interpretieren und den nächsten Schritt bei veränderter Beleglage anpassen. Geben Sie ihm ein präzises Ziel, die verfügbaren Materialien und eine Abschlussdefinition. Zum Beispiel: «Prüfen Sie diese Vorfallnotizen, ermitteln Sie ungeklärte Ursachen und erstellen Sie einen priorisierten Untersuchungsplan. Benennen Sie für jede Massnahme die Belege, die nötig sind, um ihren Erfolg zu beurteilen.» So wird aus einer vagen Anfrage ein prüfbares und fortsetzbares Ergebnis.\n\nFür Büroarbeit sind Quellnotizen, aus Dokumenten extrahierter Text, Tabellen mit klaren Spaltendefinitionen und die Zielgruppe eines Berichts nützliche Eingaben. Benennen Sie Zeitraum, Einheiten und Vergleich. Verlangen Sie ein schriftliches Ergebnis wie ein Managementbriefing, eine Berichtsgliederung oder eine Erklärung der wichtigen Veränderungen. Ein Beispiel lautet: «Erklären Sie ausschliesslich anhand dieser Quartalstabellen die grössten Veränderungen, trennen Sie beobachtete Werte von Annahmen und entwerfen Sie ein Briefing mit den unbeantworteten Fragen am Ende.» Halten Sie Quellenkennzeichnungen bei der Eingabe fest, damit Aussagen des Ergebnisses zum richtigen Material zurückverfolgt werden können.\n\nFür Softwareentwicklung hebt der Hersteller sprachübergreifendes Refactoring, Leistungsoptimierung und die Analyse häufig genutzter Codebereiche hervor. Liefern Sie relevante Dateien als Text, zu bewahrendes Verhalten, Abhängigkeitsversionen und fehlschlagende Ausgaben oder Messungen. Eine nützliche Anfrage verlangt eine vorgeschlagene Änderung und die zur Bewertung nötigen Prüfungen: «Überarbeiten Sie diesen Parser unter Beibehaltung des dokumentierten Ausgabeformats. Erläutern Sie das betroffene Verhalten, zeigen Sie den überarbeiteten Code und benennen Sie Fälle, die eine Regression sichtbar machen würden.» Liefern Sie bei Leistungsarbeit tatsächliche Profile oder Zeitmessungen und verlangen Sie, jede Empfehlung mit einem gemessenen Engpass zu verbinden.\n\nSammeln Sie für professionelle Analysen relevante Regeln, Definitionen und Belege, bevor Sie eine Empfehlung verlangen. Ling 3.1 Flash soll verstreute Informationen zusammenführen, Indikatoren deuten und Handlungsvorschläge entwickeln. Verlangen Sie einen Vergleich mit benannten Annahmen und noch benötigten Informationen statt eines unbelegten Urteils. Liefern Sie etwa mehrere Projektvorschläge und verlangen Sie eine Entscheidungsvorlage mit denselben Kriterien für alle, in der quellengestützte Beobachtungen von erschlossenen Folgen getrennt sind. Bei widersprüchlichen Belegen verlangen Sie die widersprechenden Passagen und die Frage, die den Widerspruch klären würde.\n\nDer Hersteller unterscheidet eine Modellkontextobergrenze von 1 Million Tokens vom 256K-Kontext, den sein offizieller Dienst derzeit freigibt. Diese Zahlen beschreiben unterschiedliche Grenzen. Ordnen Sie Arbeitsmaterial nach dem geltenden Fenster und reservieren Sie Platz für die Antwort. Eine Obergrenze auf Modellebene bedeutet nicht, dass jede Schnittstelle so viel Eingabe akzeptiert. Halten Sie bei grossen Aufgaben Ziel, abgeschlossene Entscheidungen, offene Fragen und Quellenverweise zusammen. Markieren Sie Dokumente und Code ausdrücklich, damit zu analysierendes Material nicht mit zu befolgenden Anweisungen verwechselt wird.\n\nBereiten Sie Aufgaben mit Werkzeuganbindung mit klaren Werkzeugbeschreibungen, erwarteten Argumenten und brauchbaren Ergebnisaufzeichnungen vor. Geben Sie tatsächliche Ergebnisse in das Gespräch zurück, damit der nächste Vorschlag auf Beobachtungen beruht. Verlangen Sie eine Erklärung, was ein zurückgegebenes Ergebnis ändert und welche Belege noch fehlen. Das agentenorientierte Design unterstützt dieses Planungs- und Rückmeldemuster; die umgebende Anwendung führt die Werkzeugschritte aus und bewahrt ihre Ergebnisse. Ein vorgeschlagener Befehl, eine Codeänderung oder ein Bericht ist besonders nützlich, wenn sein Status klar ist: vorgeschlagen, mit dokumentiertem Ergebnis ausgeführt oder noch zu überprüfen.\n\nLing 3.1 Flash gehört zur Sprachmodellreihe; die gesonderte Edition Ling 3.0 Flash VL ist das visuelle Modell des Herstellers. Bereiten Sie für diese Textaufgabe textuelle Quellen vor und bewahren Sie Struktur, Kennzeichnungen und Herkunft. Legen Sie Ausgabesprache und Form fest, etwa eine kurze Notiz, eine Befundtabelle, eine Patch-Erklärung oder einen nummerierten Plan. Lassen Sie fehlende Informationen markieren und prüfen Sie das gewünschte Ergebnis anhand der ursprünglichen Bedingungen. Lange Abläufe benötigen weiterhin die Prüfung von Zwischenergebnissen: Eine frühe falsche Annahme kann sonst in spätere Schlussfolgerungen übernommen und zu einem überzeugenden Abschlussbericht ausgearbeitet werden.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5c2750d8ea624bdd76154c3c4945e1b54c0ac89891692652de2eacc19a52934c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "inclusionai/ling-3.1-flashLing 3.1 Flash ist inclusionAIs hybrides Schlussfolgerungsmodell für Büroarbeit, umfangreiche Softwareentwicklung und komplexe Agenten. Seine dünn besetzte Architektur mit 560 Milliarden Parametern aktiviert etwa 25 Milliarden pro Token und unterstützt mehrstufige Planung, Werkzeuginteraktion und Überarbeitung anhand von Zwischenergebnissen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Ling 3.1 Flash ist inclusionAIs hybrides Schlussfolgerungs-Sprachmodell für Aufgaben mit mehreren Stufen statt einer einzelnen kurzen Antwort. Der Hersteller positioniert es für alltägliche Büroarbeit, umfangreiche Softwareentwicklung und komplexe Agentenabläufe. Seine Mixture-of-Experts-Architektur hat ungefähr 560 Milliarden Gesamtparameter und etwa 25 Milliarden aktive Parameter pro Token und verbindet grosse Modellkapazität mit geringerem aktivem Rechenaufwand.
Das zentrale Entwicklungsziel ist, den Aufgabenstand zu bewahren und den Verlauf längerer Arbeit zu korrigieren. In einem Ablauf mit Werkzeuganbindung kann das Modell mehrere Schritte planen, Zwischenergebnisse interpretieren und den nächsten Schritt bei veränderter Beleglage anpassen. Geben Sie ihm ein präzises Ziel, die verfügbaren Materialien und eine Abschlussdefinition. Zum Beispiel: «Prüfen Sie diese Vorfallnotizen, ermitteln Sie ungeklärte Ursachen und erstellen Sie einen priorisierten Untersuchungsplan. Benennen Sie für jede Massnahme die Belege, die nötig sind, um ihren Erfolg zu beurteilen.» So wird aus einer vagen Anfrage ein prüfbares und fortsetzbares Ergebnis.
Für Büroarbeit sind Quellnotizen, aus Dokumenten extrahierter Text, Tabellen mit klaren Spaltendefinitionen und die Zielgruppe eines Berichts nützliche Eingaben. Benennen Sie Zeitraum, Einheiten und Vergleich. Verlangen Sie ein schriftliches Ergebnis wie ein Managementbriefing, eine Berichtsgliederung oder eine Erklärung der wichtigen Veränderungen. Ein Beispiel lautet: «Erklären Sie ausschliesslich anhand dieser Quartalstabellen die grössten Veränderungen, trennen Sie beobachtete Werte von Annahmen und entwerfen Sie ein Briefing mit den unbeantworteten Fragen am Ende.» Halten Sie Quellenkennzeichnungen bei der Eingabe fest, damit Aussagen des Ergebnisses zum richtigen Material zurückverfolgt werden können.
Für Softwareentwicklung hebt der Hersteller sprachübergreifendes Refactoring, Leistungsoptimierung und die Analyse häufig genutzter Codebereiche hervor. Liefern Sie relevante Dateien als Text, zu bewahrendes Verhalten, Abhängigkeitsversionen und fehlschlagende Ausgaben oder Messungen. Eine nützliche Anfrage verlangt eine vorgeschlagene Änderung und die zur Bewertung nötigen Prüfungen: «Überarbeiten Sie diesen Parser unter Beibehaltung des dokumentierten Ausgabeformats. Erläutern Sie das betroffene Verhalten, zeigen Sie den überarbeiteten Code und benennen Sie Fälle, die eine Regression sichtbar machen würden.» Liefern Sie bei Leistungsarbeit tatsächliche Profile oder Zeitmessungen und verlangen Sie, jede Empfehlung mit einem gemessenen Engpass zu verbinden.
Sammeln Sie für professionelle Analysen relevante Regeln, Definitionen und Belege, bevor Sie eine Empfehlung verlangen. Ling 3.1 Flash soll verstreute Informationen zusammenführen, Indikatoren deuten und Handlungsvorschläge entwickeln. Verlangen Sie einen Vergleich mit benannten Annahmen und noch benötigten Informationen statt eines unbelegten Urteils. Liefern Sie etwa mehrere Projektvorschläge und verlangen Sie eine Entscheidungsvorlage mit denselben Kriterien für alle, in der quellengestützte Beobachtungen von erschlossenen Folgen getrennt sind. Bei widersprüchlichen Belegen verlangen Sie die widersprechenden Passagen und die Frage, die den Widerspruch klären würde.
Der Hersteller unterscheidet eine Modellkontextobergrenze von 1 Million Tokens vom 256K-Kontext, den sein offizieller Dienst derzeit freigibt. Diese Zahlen beschreiben unterschiedliche Grenzen. Ordnen Sie Arbeitsmaterial nach dem geltenden Fenster und reservieren Sie Platz für die Antwort. Eine Obergrenze auf Modellebene bedeutet nicht, dass jede Schnittstelle so viel Eingabe akzeptiert. Halten Sie bei grossen Aufgaben Ziel, abgeschlossene Entscheidungen, offene Fragen und Quellenverweise zusammen. Markieren Sie Dokumente und Code ausdrücklich, damit zu analysierendes Material nicht mit zu befolgenden Anweisungen verwechselt wird.
Bereiten Sie Aufgaben mit Werkzeuganbindung mit klaren Werkzeugbeschreibungen, erwarteten Argumenten und brauchbaren Ergebnisaufzeichnungen vor. Geben Sie tatsächliche Ergebnisse in das Gespräch zurück, damit der nächste Vorschlag auf Beobachtungen beruht. Verlangen Sie eine Erklärung, was ein zurückgegebenes Ergebnis ändert und welche Belege noch fehlen. Das agentenorientierte Design unterstützt dieses Planungs- und Rückmeldemuster; die umgebende Anwendung führt die Werkzeugschritte aus und bewahrt ihre Ergebnisse. Ein vorgeschlagener Befehl, eine Codeänderung oder ein Bericht ist besonders nützlich, wenn sein Status klar ist: vorgeschlagen, mit dokumentiertem Ergebnis ausgeführt oder noch zu überprüfen.
Ling 3.1 Flash gehört zur Sprachmodellreihe; die gesonderte Edition Ling 3.0 Flash VL ist das visuelle Modell des Herstellers. Bereiten Sie für diese Textaufgabe textuelle Quellen vor und bewahren Sie Struktur, Kennzeichnungen und Herkunft. Legen Sie Ausgabesprache und Form fest, etwa eine kurze Notiz, eine Befundtabelle, eine Patch-Erklärung oder einen nummerierten Plan. Lassen Sie fehlende Informationen markieren und prüfen Sie das gewünschte Ergebnis anhand der ursprünglichen Bedingungen. Lange Abläufe benötigen weiterhin die Prüfung von Zwischenergebnissen: Eine frühe falsche Annahme kann sonst in spätere Schlussfolgerungen übernommen und zu einem überzeugenden Abschlussbericht ausgearbeitet werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits inclusionai/ling-3.1-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmässig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.0018 / 1K Tokens Eingabe · Cache lesen $0.00012 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.0018 / 1K Tokens Eingabe · Cache lesen $0.00012 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"inclusionai/ling-3.1-flash","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="inclusionai/ling-3.1-flash", 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 inclusionai/ling-3.1-flash
/chat/completions
inclusionai/ling-3.1-flashLing 3.1 Flash ist inclusionAIs hybrides Schlussfolgerungsmodell für Büroarbeit, umfangreiche Softwareentwicklung und komplexe Agenten. Seine dünn besetzte Architektur mit 560 Milliarden Parametern aktiviert etwa 25 Milliarden pro Token und unterstützt mehrstufige Planung, Werkzeuginteraktion und Überarbeitung anhand von Zwischenergebnissen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Ling 3.1 Flash ist inclusionAIs hybrides Schlussfolgerungs-Sprachmodell für Aufgaben mit mehreren Stufen statt einer einzelnen kurzen Antwort. Der Hersteller positioniert es für alltägliche Büroarbeit, umfangreiche Softwareentwicklung und komplexe Agentenabläufe. Seine Mixture-of-Experts-Architektur hat ungefähr 560 Milliarden Gesamtparameter und etwa 25 Milliarden aktive Parameter pro Token und verbindet grosse Modellkapazität mit geringerem aktivem Rechenaufwand.
Das zentrale Entwicklungsziel ist, den Aufgabenstand zu bewahren und den Verlauf längerer Arbeit zu korrigieren. In einem Ablauf mit Werkzeuganbindung kann das Modell mehrere Schritte planen, Zwischenergebnisse interpretieren und den nächsten Schritt bei veränderter Beleglage anpassen. Geben Sie ihm ein präzises Ziel, die verfügbaren Materialien und eine Abschlussdefinition. Zum Beispiel: «Prüfen Sie diese Vorfallnotizen, ermitteln Sie ungeklärte Ursachen und erstellen Sie einen priorisierten Untersuchungsplan. Benennen Sie für jede Massnahme die Belege, die nötig sind, um ihren Erfolg zu beurteilen.» So wird aus einer vagen Anfrage ein prüfbares und fortsetzbares Ergebnis.
Für Büroarbeit sind Quellnotizen, aus Dokumenten extrahierter Text, Tabellen mit klaren Spaltendefinitionen und die Zielgruppe eines Berichts nützliche Eingaben. Benennen Sie Zeitraum, Einheiten und Vergleich. Verlangen Sie ein schriftliches Ergebnis wie ein Managementbriefing, eine Berichtsgliederung oder eine Erklärung der wichtigen Veränderungen. Ein Beispiel lautet: «Erklären Sie ausschliesslich anhand dieser Quartalstabellen die grössten Veränderungen, trennen Sie beobachtete Werte von Annahmen und entwerfen Sie ein Briefing mit den unbeantworteten Fragen am Ende.» Halten Sie Quellenkennzeichnungen bei der Eingabe fest, damit Aussagen des Ergebnisses zum richtigen Material zurückverfolgt werden können.
Für Softwareentwicklung hebt der Hersteller sprachübergreifendes Refactoring, Leistungsoptimierung und die Analyse häufig genutzter Codebereiche hervor. Liefern Sie relevante Dateien als Text, zu bewahrendes Verhalten, Abhängigkeitsversionen und fehlschlagende Ausgaben oder Messungen. Eine nützliche Anfrage verlangt eine vorgeschlagene Änderung und die zur Bewertung nötigen Prüfungen: «Überarbeiten Sie diesen Parser unter Beibehaltung des dokumentierten Ausgabeformats. Erläutern Sie das betroffene Verhalten, zeigen Sie den überarbeiteten Code und benennen Sie Fälle, die eine Regression sichtbar machen würden.» Liefern Sie bei Leistungsarbeit tatsächliche Profile oder Zeitmessungen und verlangen Sie, jede Empfehlung mit einem gemessenen Engpass zu verbinden.
Sammeln Sie für professionelle Analysen relevante Regeln, Definitionen und Belege, bevor Sie eine Empfehlung verlangen. Ling 3.1 Flash soll verstreute Informationen zusammenführen, Indikatoren deuten und Handlungsvorschläge entwickeln. Verlangen Sie einen Vergleich mit benannten Annahmen und noch benötigten Informationen statt eines unbelegten Urteils. Liefern Sie etwa mehrere Projektvorschläge und verlangen Sie eine Entscheidungsvorlage mit denselben Kriterien für alle, in der quellengestützte Beobachtungen von erschlossenen Folgen getrennt sind. Bei widersprüchlichen Belegen verlangen Sie die widersprechenden Passagen und die Frage, die den Widerspruch klären würde.
Der Hersteller unterscheidet eine Modellkontextobergrenze von 1 Million Tokens vom 256K-Kontext, den sein offizieller Dienst derzeit freigibt. Diese Zahlen beschreiben unterschiedliche Grenzen. Ordnen Sie Arbeitsmaterial nach dem geltenden Fenster und reservieren Sie Platz für die Antwort. Eine Obergrenze auf Modellebene bedeutet nicht, dass jede Schnittstelle so viel Eingabe akzeptiert. Halten Sie bei grossen Aufgaben Ziel, abgeschlossene Entscheidungen, offene Fragen und Quellenverweise zusammen. Markieren Sie Dokumente und Code ausdrücklich, damit zu analysierendes Material nicht mit zu befolgenden Anweisungen verwechselt wird.
Bereiten Sie Aufgaben mit Werkzeuganbindung mit klaren Werkzeugbeschreibungen, erwarteten Argumenten und brauchbaren Ergebnisaufzeichnungen vor. Geben Sie tatsächliche Ergebnisse in das Gespräch zurück, damit der nächste Vorschlag auf Beobachtungen beruht. Verlangen Sie eine Erklärung, was ein zurückgegebenes Ergebnis ändert und welche Belege noch fehlen. Das agentenorientierte Design unterstützt dieses Planungs- und Rückmeldemuster; die umgebende Anwendung führt die Werkzeugschritte aus und bewahrt ihre Ergebnisse. Ein vorgeschlagener Befehl, eine Codeänderung oder ein Bericht ist besonders nützlich, wenn sein Status klar ist: vorgeschlagen, mit dokumentiertem Ergebnis ausgeführt oder noch zu überprüfen.
Ling 3.1 Flash gehört zur Sprachmodellreihe; die gesonderte Edition Ling 3.0 Flash VL ist das visuelle Modell des Herstellers. Bereiten Sie für diese Textaufgabe textuelle Quellen vor und bewahren Sie Struktur, Kennzeichnungen und Herkunft. Legen Sie Ausgabesprache und Form fest, etwa eine kurze Notiz, eine Befundtabelle, eine Patch-Erklärung oder einen nummerierten Plan. Lassen Sie fehlende Informationen markieren und prüfen Sie das gewünschte Ergebnis anhand der ursprünglichen Bedingungen. Lange Abläufe benötigen weiterhin die Prüfung von Zwischenergebnissen: Eine frühe falsche Annahme kann sonst in spätere Schlussfolgerungen übernommen und zu einem überzeugenden Abschlussbericht ausgearbeitet werden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits inclusionai/ling-3.1-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.0018 / 1K Tokens Eingabe · Cache lesen $0.00012 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.0018 / 1K Tokens Eingabe · Cache lesen $0.00012 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "inclusionai/ling-3.1-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inclusionai/ling-3.1-flash', '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': 'inclusionai/ling-3.1-flash', '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 inclusionai/ling-3.1-flash
/chat/completions