Hy-MT2-1.8B ist Tencent Hys kompaktes Übersetzungsmodell für schriftliches Material und mehrsprachige Anweisungen. Es ist die dichte 1.8B-Ausgabe einer Familie, die auch Modelle mit 7B und 30B-A3B umfasst. Der Hersteller entwickelt Hy-MT2 für praktische Übersetzungsaufgaben mit ausdrücklichen Anforderungen an Terminologie, Stil, Personalisierung und die Struktur des übersetzten Texts. Die Sprachtabelle des Herstellers enthält Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.
Die veröffentlichte Konfiguration hat 32 Schichten, 16 Query-Attention-Heads und vier Key/Value-Heads bei maximal 262’144 Positionen. Das ist die Kontextangabe der Modellkonfiguration. Die beispielhafte Inferenzanfrage des Herstellers sieht 4096 generierte Token vor; das ist ein Beispielbudget und keine separate inhärente Ausgabegrenze.
Für eine einfache Übersetzung schreiben Sie die Zielsprache aus und geben an, ob das Ergebnis nur den übersetzten Text enthalten soll. Der Hersteller empfiehlt vollständige Sprachnamen in der Sprache des Prompts. Übergeben Sie den Quelltext getrennt von der Anweisung, damit zu übersetzendes Material nicht zu einer Anweisung über die Rolle des Modells wird.
Terminologie und Stil lassen sich direkt vorgeben. Liefern Sie die Begriffe mit ihren bevorzugten Übersetzungen und benennen Sie anschliessend Zielgruppe und Ton. Bei einer personalisierten Übersetzung listen Sie die Bedingungen vor dem Quellmaterial auf. Wenn Hintergrundinformationen die Interpretation eines Begriffs oder Satzes verändern, fügen Sie sie als Kontext hinzu und erklären Sie, dass sie die Übersetzung leiten sollen.
Strukturierter Text braucht genaue Erhaltungsregeln. Die Herstellerbeispiele bewahren Verschachtelung, Hierarchie und Einrückung und übersetzen nur sichtbare, nutzerseitige Werte. Schlüssel, Code-Tags, Eigenschaften und Variablenplatzhalter bleiben unverändert. Bei Material mit Trennzeichen geben Sie an, dass Anzahl und Position der Trennzeichen erhalten bleiben müssen, statt sie zu maskieren oder zu übersetzen.
Der Hersteller empfiehlt temperature 0.7, top-p 0.6, top-k 20 und repetition penalty 1.05 für die Ausgaben 1.8B und 7B und gibt keinen Standard-System-Prompt vor. Für die kompakte Ausgabe gibt es auch separat veröffentlichte komprimierte Artefakte für den lokalen Einsatz. Eine 1.25-Bit-Variante des Herstellers beansprucht 440 MB Speicherplatz; diese Zahl gehört zum benannten komprimierten Artefakt und nicht zur blossen Modellauswahl 1.8B.
Bereiten Sie die Ausgabe als die von der Aufgabe verlangte übersetzte Passage oder strukturierte Daten vor und prüfen Sie anschliessend Terminologie, Bedeutung und bewahrte Symbole anhand der Quelle. Bei einer kleinen Softwarelokalisierung lassen sich ursprüngliche und übersetzte Schlüssel und Platzhalter neben dem sichtbaren Text vergleichen. So werden sowohl die Übersetzung als auch ihre strukturellen Bedingungen überprüfbar.
", "aboutText": "Hy-MT2-1.8B ist Tencent Hys kompaktes Übersetzungsmodell für schriftliches Material und mehrsprachige Anweisungen. Es ist die dichte 1.8B-Ausgabe einer Familie, die auch Modelle mit 7B und 30B-A3B umfasst. Der Hersteller entwickelt Hy-MT2 für praktische Übersetzungsaufgaben mit ausdrücklichen Anforderungen an Terminologie, Stil, Personalisierung und die Struktur des übersetzten Texts. Die Sprachtabelle des Herstellers enthält Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.\n\nDie veröffentlichte Konfiguration hat 32 Schichten, 16 Query-Attention-Heads und vier Key/Value-Heads bei maximal 262’144 Positionen. Das ist die Kontextangabe der Modellkonfiguration. Die beispielhafte Inferenzanfrage des Herstellers sieht 4096 generierte Token vor; das ist ein Beispielbudget und keine separate inhärente Ausgabegrenze.\n\nFür eine einfache Übersetzung schreiben Sie die Zielsprache aus und geben an, ob das Ergebnis nur den übersetzten Text enthalten soll. Der Hersteller empfiehlt vollständige Sprachnamen in der Sprache des Prompts. Übergeben Sie den Quelltext getrennt von der Anweisung, damit zu übersetzendes Material nicht zu einer Anweisung über die Rolle des Modells wird.\n\nTerminologie und Stil lassen sich direkt vorgeben. Liefern Sie die Begriffe mit ihren bevorzugten Übersetzungen und benennen Sie anschliessend Zielgruppe und Ton. Bei einer personalisierten Übersetzung listen Sie die Bedingungen vor dem Quellmaterial auf. Wenn Hintergrundinformationen die Interpretation eines Begriffs oder Satzes verändern, fügen Sie sie als Kontext hinzu und erklären Sie, dass sie die Übersetzung leiten sollen.\n\nStrukturierter Text braucht genaue Erhaltungsregeln. Die Herstellerbeispiele bewahren Verschachtelung, Hierarchie und Einrückung und übersetzen nur sichtbare, nutzerseitige Werte. Schlüssel, Code-Tags, Eigenschaften und Variablenplatzhalter bleiben unverändert. Bei Material mit Trennzeichen geben Sie an, dass Anzahl und Position der Trennzeichen erhalten bleiben müssen, statt sie zu maskieren oder zu übersetzen.\n\nDer Hersteller empfiehlt temperature 0.7, top-p 0.6, top-k 20 und repetition penalty 1.05 für die Ausgaben 1.8B und 7B und gibt keinen Standard-System-Prompt vor. Für die kompakte Ausgabe gibt es auch separat veröffentlichte komprimierte Artefakte für den lokalen Einsatz. Eine 1.25-Bit-Variante des Herstellers beansprucht 440 MB Speicherplatz; diese Zahl gehört zum benannten komprimierten Artefakt und nicht zur blossen Modellauswahl 1.8B.\n\nBereiten Sie die Ausgabe als die von der Aufgabe verlangte übersetzte Passage oder strukturierte Daten vor und prüfen Sie anschliessend Terminologie, Bedeutung und bewahrte Symbole anhand der Quelle. Bei einer kleinen Softwarelokalisierung lassen sich ursprüngliche und übersetzte Schlüssel und Platzhalter neben dem sichtbaren Text vergleichen. So werden sowohl die Übersetzung als auch ihre strukturellen Bedingungen überprüfbar.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Translate structured interface strings\n\nTranslate the visible values into Spanish for a neutral product interface. Keep keys, nesting and the placeholder {count} unchanged. Use 'espacio de trabajo' for 'workspace'. Source: {"workspace":{"title":"Open workspace","notice":"You have {count} unsaved changes"}}. Return only the translated structure, preserving every key and placeholder exactly.The same nested structure with Spanish user-facing values, unchanged keys and the exact {count} placeholder.Compare original and translated key paths and placeholder counts before reviewing the terminology.tencent/hy-mt2-1.8bHy-MT2-1.8B von Tencent ist die kompakte dichte Ausgabe seiner schnell denkenden Übersetzungsfamilie. Sie befolgt Übersetzungsanweisungen zu Terminologie, Stil und strukturiertem Text und hat eine veröffentlichte Konfiguration mit 262’144 Positionen sowie separate komprimierte Varianten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Hy-MT2-1.8B ist Tencent Hys kompaktes Übersetzungsmodell für schriftliches Material und mehrsprachige Anweisungen. Es ist die dichte 1.8B-Ausgabe einer Familie, die auch Modelle mit 7B und 30B-A3B umfasst. Der Hersteller entwickelt Hy-MT2 für praktische Übersetzungsaufgaben mit ausdrücklichen Anforderungen an Terminologie, Stil, Personalisierung und die Struktur des übersetzten Texts. Die Sprachtabelle des Herstellers enthält Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.
Die veröffentlichte Konfiguration hat 32 Schichten, 16 Query-Attention-Heads und vier Key/Value-Heads bei maximal 262’144 Positionen. Das ist die Kontextangabe der Modellkonfiguration. Die beispielhafte Inferenzanfrage des Herstellers sieht 4096 generierte Token vor; das ist ein Beispielbudget und keine separate inhärente Ausgabegrenze.
Für eine einfache Übersetzung schreiben Sie die Zielsprache aus und geben an, ob das Ergebnis nur den übersetzten Text enthalten soll. Der Hersteller empfiehlt vollständige Sprachnamen in der Sprache des Prompts. Übergeben Sie den Quelltext getrennt von der Anweisung, damit zu übersetzendes Material nicht zu einer Anweisung über die Rolle des Modells wird.
Terminologie und Stil lassen sich direkt vorgeben. Liefern Sie die Begriffe mit ihren bevorzugten Übersetzungen und benennen Sie anschliessend Zielgruppe und Ton. Bei einer personalisierten Übersetzung listen Sie die Bedingungen vor dem Quellmaterial auf. Wenn Hintergrundinformationen die Interpretation eines Begriffs oder Satzes verändern, fügen Sie sie als Kontext hinzu und erklären Sie, dass sie die Übersetzung leiten sollen.
Strukturierter Text braucht genaue Erhaltungsregeln. Die Herstellerbeispiele bewahren Verschachtelung, Hierarchie und Einrückung und übersetzen nur sichtbare, nutzerseitige Werte. Schlüssel, Code-Tags, Eigenschaften und Variablenplatzhalter bleiben unverändert. Bei Material mit Trennzeichen geben Sie an, dass Anzahl und Position der Trennzeichen erhalten bleiben müssen, statt sie zu maskieren oder zu übersetzen.
Der Hersteller empfiehlt temperature 0.7, top-p 0.6, top-k 20 und repetition penalty 1.05 für die Ausgaben 1.8B und 7B und gibt keinen Standard-System-Prompt vor. Für die kompakte Ausgabe gibt es auch separat veröffentlichte komprimierte Artefakte für den lokalen Einsatz. Eine 1.25-Bit-Variante des Herstellers beansprucht 440 MB Speicherplatz; diese Zahl gehört zum benannten komprimierten Artefakt und nicht zur blossen Modellauswahl 1.8B.
Bereiten Sie die Ausgabe als die von der Aufgabe verlangte übersetzte Passage oder strukturierte Daten vor und prüfen Sie anschliessend Terminologie, Bedeutung und bewahrte Symbole anhand der Quelle. Bei einer kleinen Softwarelokalisierung lassen sich ursprüngliche und übersetzte Schlüssel und Platzhalter neben dem sichtbaren Text vergleichen. So werden sowohl die Übersetzung als auch ihre strukturellen Bedingungen überprüfbar.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits tencent/hy-mt2-1.8b | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000088 / 1K Tokens Ausgabe · Ausgabetoken $0.000354 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000088 / 1K Tokens Ausgabe · Ausgabetoken $0.000354 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy-mt2-1.8b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='tencent/hy-mt2-1.8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='tencent/hy-mt2-1.8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra tencent/hy-mt2-1.8b
Verwenden Sie die oben angezeigten Methodenpfade.
tencent/hy-mt2-1.8bHy-MT2-1.8B von Tencent ist die kompakte dichte Ausgabe seiner schnell denkenden Übersetzungsfamilie. Sie befolgt Übersetzungsanweisungen zu Terminologie, Stil und strukturiertem Text und hat eine veröffentlichte Konfiguration mit 262’144 Positionen sowie separate komprimierte Varianten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Hy-MT2-1.8B ist Tencent Hys kompaktes Übersetzungsmodell für schriftliches Material und mehrsprachige Anweisungen. Es ist die dichte 1.8B-Ausgabe einer Familie, die auch Modelle mit 7B und 30B-A3B umfasst. Der Hersteller entwickelt Hy-MT2 für praktische Übersetzungsaufgaben mit ausdrücklichen Anforderungen an Terminologie, Stil, Personalisierung und die Struktur des übersetzten Texts. Die Sprachtabelle des Herstellers enthält Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.
Die veröffentlichte Konfiguration hat 32 Schichten, 16 Query-Attention-Heads und vier Key/Value-Heads bei maximal 262’144 Positionen. Das ist die Kontextangabe der Modellkonfiguration. Die beispielhafte Inferenzanfrage des Herstellers sieht 4096 generierte Token vor; das ist ein Beispielbudget und keine separate inhärente Ausgabegrenze.
Für eine einfache Übersetzung schreiben Sie die Zielsprache aus und geben an, ob das Ergebnis nur den übersetzten Text enthalten soll. Der Hersteller empfiehlt vollständige Sprachnamen in der Sprache des Prompts. Übergeben Sie den Quelltext getrennt von der Anweisung, damit zu übersetzendes Material nicht zu einer Anweisung über die Rolle des Modells wird.
Terminologie und Stil lassen sich direkt vorgeben. Liefern Sie die Begriffe mit ihren bevorzugten Übersetzungen und benennen Sie anschliessend Zielgruppe und Ton. Bei einer personalisierten Übersetzung listen Sie die Bedingungen vor dem Quellmaterial auf. Wenn Hintergrundinformationen die Interpretation eines Begriffs oder Satzes verändern, fügen Sie sie als Kontext hinzu und erklären Sie, dass sie die Übersetzung leiten sollen.
Strukturierter Text braucht genaue Erhaltungsregeln. Die Herstellerbeispiele bewahren Verschachtelung, Hierarchie und Einrückung und übersetzen nur sichtbare, nutzerseitige Werte. Schlüssel, Code-Tags, Eigenschaften und Variablenplatzhalter bleiben unverändert. Bei Material mit Trennzeichen geben Sie an, dass Anzahl und Position der Trennzeichen erhalten bleiben müssen, statt sie zu maskieren oder zu übersetzen.
Der Hersteller empfiehlt temperature 0.7, top-p 0.6, top-k 20 und repetition penalty 1.05 für die Ausgaben 1.8B und 7B und gibt keinen Standard-System-Prompt vor. Für die kompakte Ausgabe gibt es auch separat veröffentlichte komprimierte Artefakte für den lokalen Einsatz. Eine 1.25-Bit-Variante des Herstellers beansprucht 440 MB Speicherplatz; diese Zahl gehört zum benannten komprimierten Artefakt und nicht zur blossen Modellauswahl 1.8B.
Bereiten Sie die Ausgabe als die von der Aufgabe verlangte übersetzte Passage oder strukturierte Daten vor und prüfen Sie anschliessend Terminologie, Bedeutung und bewahrte Symbole anhand der Quelle. Bei einer kleinen Softwarelokalisierung lassen sich ursprüngliche und übersetzte Schlüssel und Platzhalter neben dem sichtbaren Text vergleichen. So werden sowohl die Übersetzung als auch ihre strukturellen Bedingungen überprüfbar.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits tencent/hy-mt2-1.8b | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000088 / 1K Tokens Ausgabe · Ausgabetoken $0.000354 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000088 / 1K Tokens Ausgabe · Ausgabetoken $0.000354 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "tencent/hy-mt2-1.8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'tencent/hy-mt2-1.8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'tencent/hy-mt2-1.8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra tencent/hy-mt2-1.8b
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Translate structured interface strings\n\nTranslate the visible values into Spanish for a neutral product interface. Keep keys, nesting and the placeholder {count} unchanged. Use 'espacio de trabajo' for 'workspace'. Source: {"workspace":{"title":"Open workspace","notice":"You have {count} unsaved changes"}}. Return only the translated structure, preserving every key and placeholder exactly.The same nested structure with Spanish user-facing values, unchanged keys and the exact {count} placeholder.Compare original and translated key paths and placeholder counts before reviewing the terminology.