Hy-MT2-30B-A3B ist Tencent Hys Mixture-of-Experts-Ausgabe der Übersetzungsfamilie Hy-MT2. Der Hersteller positioniert die Familie für komplexe schriftliche Übersetzungsaufgaben und mehrsprachige Anweisungen, einschliesslich Anforderungen an Terminologie, Stil und strukturierte Daten. Die Ausgabe 30B-A3B bleibt von den dichten Modellen 1.8B und 7B getrennt. 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 48 Schichten, 32 Query-Attention-Heads und vier Key/Value-Heads. Jede Expertenschicht verwendet 128 Experten, von denen acht pro Token ausgewählt werden; die maximale Positionszahl beträgt 262’144. Das sind Eigenschaften genau dieser Konfiguration. Die übergeordnete Familienbezeichnung legt keines der separat veröffentlichten quantisierten Artefakte fest.
Beginnen Sie eine Übersetzungsaufgabe, indem Sie die Zielsprache ausschreiben und die gewünschte Antwortform festlegen. Die Grundvorlage des Herstellers verlangt nur das übersetzte Ergebnis. Gehört die Quelle zu einem grösseren Dokument, ergänzen Sie den für die Interpretation nötigen Hintergrund und halten Sie diesen Kontext vom zu übersetzenden Text getrennt.
Bei terminologieabhängiger Arbeit stellen Sie ein Glossar mit Ausgangsbegriffen und bevorzugten Übersetzungen bereit. Für den Stil nennen Sie Zielgruppe und Ton ausdrücklich. Bei einer personalisierten Übersetzung können Sie vor der Quellpassage mehrere Anforderungen auflisten, etwa den Umgang mit Namen oder die gewünschte Ausdrucksweise. Diese Prompt-Muster des Herstellers machen die Übersetzungsbedingungen zum Teil der Aufgabe.
Bei strukturiertem Material legen Sie fest, dass Originalformat, Hierarchie und Einrückung erhalten bleiben. Übersetzen Sie nur sichtbaren, nutzerseitigen Text und bewahren Sie Schlüssel, Code-Bezeichnungen, Eigenschaften und Variablenplatzhalter. Wenn Trennzeichen einen Stapel von Passagen gliedern, bewahren Sie ihre Anzahl und Position. Eine hilfreiche Ausgabe bleibt für dieselbe Anwendung verwendbar, die die ursprüngliche Struktur verarbeitet.
Das empfohlene Sampling dieser MoE-Ausgabe unterscheidet sich von dem der dichten Modelle: temperature 0.7, top-p 1.0, keine top-k-Filterung und repetition penalty 1.0. Der Hersteller gibt keinen Standard-System-Prompt vor. Die im Beispiel vorgesehenen 4096 generierten Token sind ein Anfragebeispiel und keine Aussage, dass die maximale Antwortlänge des Modells auf diesen Wert festgelegt ist.
Prüfen Sie das Ergebnis anhand beider Aufgabenteile: sprachliche Bedeutung und Strukturerhalt. Bei einem Dokumentablauf bestätigen Sie, dass das Glossar über die Abschnitte hinweg einheitlich angewendet wird. Bei einer Sprachdatei einer Anwendung vergleichen Sie Kennungen und Platzhalter mit der Quelle, bevor Sie die übersetzten Werte weitergeben. Diese Prüfungen beurteilen die Ausgabe, statt anzunehmen, dass eine verlangte Erhaltungsregel erfüllt wurde.
", "aboutText": "Hy-MT2-30B-A3B ist Tencent Hys Mixture-of-Experts-Ausgabe der Übersetzungsfamilie Hy-MT2. Der Hersteller positioniert die Familie für komplexe schriftliche Übersetzungsaufgaben und mehrsprachige Anweisungen, einschliesslich Anforderungen an Terminologie, Stil und strukturierte Daten. Die Ausgabe 30B-A3B bleibt von den dichten Modellen 1.8B und 7B getrennt. 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 48 Schichten, 32 Query-Attention-Heads und vier Key/Value-Heads. Jede Expertenschicht verwendet 128 Experten, von denen acht pro Token ausgewählt werden; die maximale Positionszahl beträgt 262’144. Das sind Eigenschaften genau dieser Konfiguration. Die übergeordnete Familienbezeichnung legt keines der separat veröffentlichten quantisierten Artefakte fest.\n\nBeginnen Sie eine Übersetzungsaufgabe, indem Sie die Zielsprache ausschreiben und die gewünschte Antwortform festlegen. Die Grundvorlage des Herstellers verlangt nur das übersetzte Ergebnis. Gehört die Quelle zu einem grösseren Dokument, ergänzen Sie den für die Interpretation nötigen Hintergrund und halten Sie diesen Kontext vom zu übersetzenden Text getrennt.\n\nBei terminologieabhängiger Arbeit stellen Sie ein Glossar mit Ausgangsbegriffen und bevorzugten Übersetzungen bereit. Für den Stil nennen Sie Zielgruppe und Ton ausdrücklich. Bei einer personalisierten Übersetzung können Sie vor der Quellpassage mehrere Anforderungen auflisten, etwa den Umgang mit Namen oder die gewünschte Ausdrucksweise. Diese Prompt-Muster des Herstellers machen die Übersetzungsbedingungen zum Teil der Aufgabe.\n\nBei strukturiertem Material legen Sie fest, dass Originalformat, Hierarchie und Einrückung erhalten bleiben. Übersetzen Sie nur sichtbaren, nutzerseitigen Text und bewahren Sie Schlüssel, Code-Bezeichnungen, Eigenschaften und Variablenplatzhalter. Wenn Trennzeichen einen Stapel von Passagen gliedern, bewahren Sie ihre Anzahl und Position. Eine hilfreiche Ausgabe bleibt für dieselbe Anwendung verwendbar, die die ursprüngliche Struktur verarbeitet.\n\nDas empfohlene Sampling dieser MoE-Ausgabe unterscheidet sich von dem der dichten Modelle: temperature 0.7, top-p 1.0, keine top-k-Filterung und repetition penalty 1.0. Der Hersteller gibt keinen Standard-System-Prompt vor. Die im Beispiel vorgesehenen 4096 generierten Token sind ein Anfragebeispiel und keine Aussage, dass die maximale Antwortlänge des Modells auf diesen Wert festgelegt ist.\n\nPrüfen Sie das Ergebnis anhand beider Aufgabenteile: sprachliche Bedeutung und Strukturerhalt. Bei einem Dokumentablauf bestätigen Sie, dass das Glossar über die Abschnitte hinweg einheitlich angewendet wird. Bei einer Sprachdatei einer Anwendung vergleichen Sie Kennungen und Platzhalter mit der Quelle, bevor Sie die übersetzten Werte weitergeben. Diese Prüfungen beurteilen die Ausgabe, statt anzunehmen, dass eine verlangte Erhaltungsregel erfüllt wurde.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Translate an interface file safely\n\nTranslate only the user-visible YAML values into Russian. Preserve keys, indentation and the {count} placeholder. Use the glossary Retry = Повторить. Return only translated YAML.\nbuttons:\n retry: "Retry"\n cancel: "Cancel"\nstatus:\n pending: "{count} files pending"YAML with the same mapping hierarchy and keys, translated visible values and the unchanged {count} placeholder.Parse the YAML and compare the key tree and placeholder multiset with the source; check the Retry glossary term.tencent/hy-mt2-30b-a3bHy-MT2-30B-A3B von Tencent ist die MoE-Ausgabe seiner schnell denkenden Übersetzungsfamilie. Sie verarbeitet anweisungsbasierte Übersetzungen, Terminologie und strukturierte Daten und bietet eine Konfiguration mit 262’144 Positionen sowie Sampling-Empfehlungen, die sich von den dichten Ausgaben unterscheiden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Hy-MT2-30B-A3B ist Tencent Hys Mixture-of-Experts-Ausgabe der Übersetzungsfamilie Hy-MT2. Der Hersteller positioniert die Familie für komplexe schriftliche Übersetzungsaufgaben und mehrsprachige Anweisungen, einschliesslich Anforderungen an Terminologie, Stil und strukturierte Daten. Die Ausgabe 30B-A3B bleibt von den dichten Modellen 1.8B und 7B getrennt. 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 48 Schichten, 32 Query-Attention-Heads und vier Key/Value-Heads. Jede Expertenschicht verwendet 128 Experten, von denen acht pro Token ausgewählt werden; die maximale Positionszahl beträgt 262’144. Das sind Eigenschaften genau dieser Konfiguration. Die übergeordnete Familienbezeichnung legt keines der separat veröffentlichten quantisierten Artefakte fest.
Beginnen Sie eine Übersetzungsaufgabe, indem Sie die Zielsprache ausschreiben und die gewünschte Antwortform festlegen. Die Grundvorlage des Herstellers verlangt nur das übersetzte Ergebnis. Gehört die Quelle zu einem grösseren Dokument, ergänzen Sie den für die Interpretation nötigen Hintergrund und halten Sie diesen Kontext vom zu übersetzenden Text getrennt.
Bei terminologieabhängiger Arbeit stellen Sie ein Glossar mit Ausgangsbegriffen und bevorzugten Übersetzungen bereit. Für den Stil nennen Sie Zielgruppe und Ton ausdrücklich. Bei einer personalisierten Übersetzung können Sie vor der Quellpassage mehrere Anforderungen auflisten, etwa den Umgang mit Namen oder die gewünschte Ausdrucksweise. Diese Prompt-Muster des Herstellers machen die Übersetzungsbedingungen zum Teil der Aufgabe.
Bei strukturiertem Material legen Sie fest, dass Originalformat, Hierarchie und Einrückung erhalten bleiben. Übersetzen Sie nur sichtbaren, nutzerseitigen Text und bewahren Sie Schlüssel, Code-Bezeichnungen, Eigenschaften und Variablenplatzhalter. Wenn Trennzeichen einen Stapel von Passagen gliedern, bewahren Sie ihre Anzahl und Position. Eine hilfreiche Ausgabe bleibt für dieselbe Anwendung verwendbar, die die ursprüngliche Struktur verarbeitet.
Das empfohlene Sampling dieser MoE-Ausgabe unterscheidet sich von dem der dichten Modelle: temperature 0.7, top-p 1.0, keine top-k-Filterung und repetition penalty 1.0. Der Hersteller gibt keinen Standard-System-Prompt vor. Die im Beispiel vorgesehenen 4096 generierten Token sind ein Anfragebeispiel und keine Aussage, dass die maximale Antwortlänge des Modells auf diesen Wert festgelegt ist.
Prüfen Sie das Ergebnis anhand beider Aufgabenteile: sprachliche Bedeutung und Strukturerhalt. Bei einem Dokumentablauf bestätigen Sie, dass das Glossar über die Abschnitte hinweg einheitlich angewendet wird. Bei einer Sprachdatei einer Anwendung vergleichen Sie Kennungen und Platzhalter mit der Quelle, bevor Sie die übersetzten Werte weitergeben. Diese Prüfungen beurteilen die Ausgabe, statt anzunehmen, dass eine verlangte Erhaltungsregel erfüllt wurde.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits tencent/hy-mt2-30b-a3b | 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 $0.000148 / 1K Tokens Ausgabe · Ausgabetoken $0.00059 / 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 $0.000148 / 1K Tokens Ausgabe · Ausgabetoken $0.00059 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy-mt2-30b-a3b", "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-mt2-30b-a3b',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-mt2-30b-a3b',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-mt2-30b-a3b
Verwenden Sie die oben angezeigten Methodenpfade.
tencent/hy-mt2-30b-a3bHy-MT2-30B-A3B von Tencent ist die MoE-Ausgabe seiner schnell denkenden Übersetzungsfamilie. Sie verarbeitet anweisungsbasierte Übersetzungen, Terminologie und strukturierte Daten und bietet eine Konfiguration mit 262’144 Positionen sowie Sampling-Empfehlungen, die sich von den dichten Ausgaben unterscheiden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Hy-MT2-30B-A3B ist Tencent Hys Mixture-of-Experts-Ausgabe der Übersetzungsfamilie Hy-MT2. Der Hersteller positioniert die Familie für komplexe schriftliche Übersetzungsaufgaben und mehrsprachige Anweisungen, einschliesslich Anforderungen an Terminologie, Stil und strukturierte Daten. Die Ausgabe 30B-A3B bleibt von den dichten Modellen 1.8B und 7B getrennt. 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 48 Schichten, 32 Query-Attention-Heads und vier Key/Value-Heads. Jede Expertenschicht verwendet 128 Experten, von denen acht pro Token ausgewählt werden; die maximale Positionszahl beträgt 262’144. Das sind Eigenschaften genau dieser Konfiguration. Die übergeordnete Familienbezeichnung legt keines der separat veröffentlichten quantisierten Artefakte fest.
Beginnen Sie eine Übersetzungsaufgabe, indem Sie die Zielsprache ausschreiben und die gewünschte Antwortform festlegen. Die Grundvorlage des Herstellers verlangt nur das übersetzte Ergebnis. Gehört die Quelle zu einem grösseren Dokument, ergänzen Sie den für die Interpretation nötigen Hintergrund und halten Sie diesen Kontext vom zu übersetzenden Text getrennt.
Bei terminologieabhängiger Arbeit stellen Sie ein Glossar mit Ausgangsbegriffen und bevorzugten Übersetzungen bereit. Für den Stil nennen Sie Zielgruppe und Ton ausdrücklich. Bei einer personalisierten Übersetzung können Sie vor der Quellpassage mehrere Anforderungen auflisten, etwa den Umgang mit Namen oder die gewünschte Ausdrucksweise. Diese Prompt-Muster des Herstellers machen die Übersetzungsbedingungen zum Teil der Aufgabe.
Bei strukturiertem Material legen Sie fest, dass Originalformat, Hierarchie und Einrückung erhalten bleiben. Übersetzen Sie nur sichtbaren, nutzerseitigen Text und bewahren Sie Schlüssel, Code-Bezeichnungen, Eigenschaften und Variablenplatzhalter. Wenn Trennzeichen einen Stapel von Passagen gliedern, bewahren Sie ihre Anzahl und Position. Eine hilfreiche Ausgabe bleibt für dieselbe Anwendung verwendbar, die die ursprüngliche Struktur verarbeitet.
Das empfohlene Sampling dieser MoE-Ausgabe unterscheidet sich von dem der dichten Modelle: temperature 0.7, top-p 1.0, keine top-k-Filterung und repetition penalty 1.0. Der Hersteller gibt keinen Standard-System-Prompt vor. Die im Beispiel vorgesehenen 4096 generierten Token sind ein Anfragebeispiel und keine Aussage, dass die maximale Antwortlänge des Modells auf diesen Wert festgelegt ist.
Prüfen Sie das Ergebnis anhand beider Aufgabenteile: sprachliche Bedeutung und Strukturerhalt. Bei einem Dokumentablauf bestätigen Sie, dass das Glossar über die Abschnitte hinweg einheitlich angewendet wird. Bei einer Sprachdatei einer Anwendung vergleichen Sie Kennungen und Platzhalter mit der Quelle, bevor Sie die übersetzten Werte weitergeben. Diese Prüfungen beurteilen die Ausgabe, statt anzunehmen, dass eine verlangte Erhaltungsregel erfüllt wurde.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits tencent/hy-mt2-30b-a3b | 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 $0.000148 / 1K Tokens Ausgabe · Ausgabetoken $0.00059 / 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 $0.000148 / 1K Tokens Ausgabe · Ausgabetoken $0.00059 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "tencent/hy-mt2-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-mt2-30b-a3b', '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-mt2-30b-a3b', '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-mt2-30b-a3b
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Translate an interface file safely\n\nTranslate only the user-visible YAML values into Russian. Preserve keys, indentation and the {count} placeholder. Use the glossary Retry = Повторить. Return only translated YAML.\nbuttons:\n retry: "Retry"\n cancel: "Cancel"\nstatus:\n pending: "{count} files pending"YAML with the same mapping hierarchy and keys, translated visible values and the unchanged {count} placeholder.Parse the YAML and compare the key tree and placeholder multiset with the source; check the Retry glossary term.