Skyfall 36B v2 ist die vom Entwickler vergrösserte Version von Mistral Small 2501 mit weiterführendem Training für Kreativität und Rollenspiel. Sie nimmt schriftliche Prompts entgegen und erzeugt Text für erzählerische und Gesprächsaufgaben. Die v2-Ausgabe bleibt vom ursprünglichen Quellmodell und von separat konvertierten Skyfall-Artefakten getrennt.
Die veröffentlichte Konfiguration verwendet 64 Transformer-Schichten, 32 Query-Attention-Heads und acht Key/Value-Heads. Die maximale Positionszahl beträgt 32’768, ohne konfigurierte Rotary-Skalierung. Die vergrösserte Schichtstruktur und die eigene Kontextkonfiguration unterscheiden das Modell von der blossen Auswahl der ursprünglichen Mistral-Small-Basis.
Der Entwickler empfiehlt Mistral v7 Tekken am stärksten als Prompt-Format. Metharme wird aufgeführt, aber nicht empfohlen, während Alpaca als interessante Wahl für Geschichten oder interaktive Abenteuergeschichten mit Wahlmöglichkeiten dargestellt wird. Das sind die veröffentlichten Prompting-Präferenzen dieser Ausgabe; ein unterstütztes Format ist nicht dasselbe wie ein garantierter Antwortstil.
Bei einer Rollenspielszene geben Sie die Stimme der Figur, den Schauplatz und den letzten Austausch vor. Legen Sie fest, worauf der nächste Beitrag eingehen soll und für welche beteiligte Person das Modell schreibt. Ein klarer Endpunkt lässt Raum für den nächsten Beitrag der nutzenden Person. Bei einer verzweigten Geschichte definieren Sie die aktuelle Situation und verlangen die nächste Passage mit einer begrenzten Auswahl an Möglichkeiten, die zu den etablierten Ereignissen passen.
Für eine Prosaüberarbeitung liefern Sie die Passage und die gewünschte redaktionelle Änderung. Benennen Sie die Details, die erhalten bleiben sollen, während Wortlaut, Tempo oder Ton sich ändern. Prüfen Sie die Ausgabe anhand der Szenenfakten und der Anweisung, statt eine flüssige Fortsetzung zu akzeptieren, die Figur oder Schauplatz verändert.
Für den nächsten Erzählbeitrag legen Sie Perspektive, aktuelle Wahlmöglichkeiten und den Punkt fest, an dem das Modell aufhören soll. Der dokumentierte Schwerpunkt liegt auf weiterführendem Kreativ- und Rollenspieltraining sowie den Prompt-Formaten. Verwenden Sie den resultierenden Text als zu prüfenden Entwurf und halten Sie ursprüngliche, quantisierte und konvertierte Artefakte bei der Modellidentifikation getrennt.
", "aboutText": "Skyfall 36B v2 ist die vom Entwickler vergrösserte Version von Mistral Small 2501 mit weiterführendem Training für Kreativität und Rollenspiel. Sie nimmt schriftliche Prompts entgegen und erzeugt Text für erzählerische und Gesprächsaufgaben. Die v2-Ausgabe bleibt vom ursprünglichen Quellmodell und von separat konvertierten Skyfall-Artefakten getrennt.\n\nDie veröffentlichte Konfiguration verwendet 64 Transformer-Schichten, 32 Query-Attention-Heads und acht Key/Value-Heads. Die maximale Positionszahl beträgt 32’768, ohne konfigurierte Rotary-Skalierung. Die vergrösserte Schichtstruktur und die eigene Kontextkonfiguration unterscheiden das Modell von der blossen Auswahl der ursprünglichen Mistral-Small-Basis.\n\nDer Entwickler empfiehlt Mistral v7 Tekken am stärksten als Prompt-Format. Metharme wird aufgeführt, aber nicht empfohlen, während Alpaca als interessante Wahl für Geschichten oder interaktive Abenteuergeschichten mit Wahlmöglichkeiten dargestellt wird. Das sind die veröffentlichten Prompting-Präferenzen dieser Ausgabe; ein unterstütztes Format ist nicht dasselbe wie ein garantierter Antwortstil.\n\nBei einer Rollenspielszene geben Sie die Stimme der Figur, den Schauplatz und den letzten Austausch vor. Legen Sie fest, worauf der nächste Beitrag eingehen soll und für welche beteiligte Person das Modell schreibt. Ein klarer Endpunkt lässt Raum für den nächsten Beitrag der nutzenden Person. Bei einer verzweigten Geschichte definieren Sie die aktuelle Situation und verlangen die nächste Passage mit einer begrenzten Auswahl an Möglichkeiten, die zu den etablierten Ereignissen passen.\n\nFür eine Prosaüberarbeitung liefern Sie die Passage und die gewünschte redaktionelle Änderung. Benennen Sie die Details, die erhalten bleiben sollen, während Wortlaut, Tempo oder Ton sich ändern. Prüfen Sie die Ausgabe anhand der Szenenfakten und der Anweisung, statt eine flüssige Fortsetzung zu akzeptieren, die Figur oder Schauplatz verändert.\n\nFür den nächsten Erzählbeitrag legen Sie Perspektive, aktuelle Wahlmöglichkeiten und den Punkt fest, an dem das Modell aufhören soll. Der dokumentierte Schwerpunkt liegt auf weiterführendem Kreativ- und Rollenspieltraining sowie den Prompt-Formaten. Verwenden Sie den resultierenden Text als zu prüfenden Entwurf und halten Sie ursprüngliche, quantisierte und konvertierte Artefakte bei der Modellidentifikation getrennt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Continue an archivist roleplay\n\nWrite the archivist's next three dialogue lines. Setting: a sealed observatory; the visitor seeks a map that the archivist promised never to reveal. Voice: precise and weary, with no modern slang. The visitor offers a broken star compass as proof of urgency. Let the archivist recognise it, introduce a dilemma and stop before deciding whether to give the map. Do not write the visitor's reply.Three in-character archivist lines that acknowledge the compass and leave the central choice unresolved.The promise remains meaningful, and no action or dialogue is assigned to the visitor.thedrummer/skyfall-36b-v2Skyfall 36B v2 ist das vom Entwickler vergrösserte Modell Mistral Small 2501 mit weiterführendem Training für kreatives Schreiben und Rollenspiel. Es unterstützt mehrere Prompt-Formate, bevorzugt Mistral v7 Tekken und hat eine Konfiguration mit 32’768 Positionen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Skyfall 36B v2 ist die vom Entwickler vergrösserte Version von Mistral Small 2501 mit weiterführendem Training für Kreativität und Rollenspiel. Sie nimmt schriftliche Prompts entgegen und erzeugt Text für erzählerische und Gesprächsaufgaben. Die v2-Ausgabe bleibt vom ursprünglichen Quellmodell und von separat konvertierten Skyfall-Artefakten getrennt.
Die veröffentlichte Konfiguration verwendet 64 Transformer-Schichten, 32 Query-Attention-Heads und acht Key/Value-Heads. Die maximale Positionszahl beträgt 32’768, ohne konfigurierte Rotary-Skalierung. Die vergrösserte Schichtstruktur und die eigene Kontextkonfiguration unterscheiden das Modell von der blossen Auswahl der ursprünglichen Mistral-Small-Basis.
Der Entwickler empfiehlt Mistral v7 Tekken am stärksten als Prompt-Format. Metharme wird aufgeführt, aber nicht empfohlen, während Alpaca als interessante Wahl für Geschichten oder interaktive Abenteuergeschichten mit Wahlmöglichkeiten dargestellt wird. Das sind die veröffentlichten Prompting-Präferenzen dieser Ausgabe; ein unterstütztes Format ist nicht dasselbe wie ein garantierter Antwortstil.
Bei einer Rollenspielszene geben Sie die Stimme der Figur, den Schauplatz und den letzten Austausch vor. Legen Sie fest, worauf der nächste Beitrag eingehen soll und für welche beteiligte Person das Modell schreibt. Ein klarer Endpunkt lässt Raum für den nächsten Beitrag der nutzenden Person. Bei einer verzweigten Geschichte definieren Sie die aktuelle Situation und verlangen die nächste Passage mit einer begrenzten Auswahl an Möglichkeiten, die zu den etablierten Ereignissen passen.
Für eine Prosaüberarbeitung liefern Sie die Passage und die gewünschte redaktionelle Änderung. Benennen Sie die Details, die erhalten bleiben sollen, während Wortlaut, Tempo oder Ton sich ändern. Prüfen Sie die Ausgabe anhand der Szenenfakten und der Anweisung, statt eine flüssige Fortsetzung zu akzeptieren, die Figur oder Schauplatz verändert.
Für den nächsten Erzählbeitrag legen Sie Perspektive, aktuelle Wahlmöglichkeiten und den Punkt fest, an dem das Modell aufhören soll. Der dokumentierte Schwerpunkt liegt auf weiterführendem Kreativ- und Rollenspieltraining sowie den Prompt-Formaten. Verwenden Sie den resultierenden Text als zu prüfenden Entwurf und halten Sie ursprüngliche, quantisierte und konvertierte Artefakte bei der Modellidentifikation getrennt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits thedrummer/skyfall-36b-v2 | 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 $0.0011 / 1K Tokens Ausgabe · Ausgabetoken $0.0016 / 1K Tokens Eingabe · Cache lesen $0.0005 / 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 $0.0011 / 1K Tokens Ausgabe · Ausgabetoken $0.0016 / 1K Tokens Eingabe · Cache lesen $0.0005 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "thedrummer/skyfall-36b-v2", "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='thedrummer/skyfall-36b-v2',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='thedrummer/skyfall-36b-v2',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 thedrummer/skyfall-36b-v2
Verwenden Sie die oben angezeigten Methodenpfade.
thedrummer/skyfall-36b-v2Skyfall 36B v2 ist das vom Entwickler vergrösserte Modell Mistral Small 2501 mit weiterführendem Training für kreatives Schreiben und Rollenspiel. Es unterstützt mehrere Prompt-Formate, bevorzugt Mistral v7 Tekken und hat eine Konfiguration mit 32’768 Positionen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Skyfall 36B v2 ist die vom Entwickler vergrösserte Version von Mistral Small 2501 mit weiterführendem Training für Kreativität und Rollenspiel. Sie nimmt schriftliche Prompts entgegen und erzeugt Text für erzählerische und Gesprächsaufgaben. Die v2-Ausgabe bleibt vom ursprünglichen Quellmodell und von separat konvertierten Skyfall-Artefakten getrennt.
Die veröffentlichte Konfiguration verwendet 64 Transformer-Schichten, 32 Query-Attention-Heads und acht Key/Value-Heads. Die maximale Positionszahl beträgt 32’768, ohne konfigurierte Rotary-Skalierung. Die vergrösserte Schichtstruktur und die eigene Kontextkonfiguration unterscheiden das Modell von der blossen Auswahl der ursprünglichen Mistral-Small-Basis.
Der Entwickler empfiehlt Mistral v7 Tekken am stärksten als Prompt-Format. Metharme wird aufgeführt, aber nicht empfohlen, während Alpaca als interessante Wahl für Geschichten oder interaktive Abenteuergeschichten mit Wahlmöglichkeiten dargestellt wird. Das sind die veröffentlichten Prompting-Präferenzen dieser Ausgabe; ein unterstütztes Format ist nicht dasselbe wie ein garantierter Antwortstil.
Bei einer Rollenspielszene geben Sie die Stimme der Figur, den Schauplatz und den letzten Austausch vor. Legen Sie fest, worauf der nächste Beitrag eingehen soll und für welche beteiligte Person das Modell schreibt. Ein klarer Endpunkt lässt Raum für den nächsten Beitrag der nutzenden Person. Bei einer verzweigten Geschichte definieren Sie die aktuelle Situation und verlangen die nächste Passage mit einer begrenzten Auswahl an Möglichkeiten, die zu den etablierten Ereignissen passen.
Für eine Prosaüberarbeitung liefern Sie die Passage und die gewünschte redaktionelle Änderung. Benennen Sie die Details, die erhalten bleiben sollen, während Wortlaut, Tempo oder Ton sich ändern. Prüfen Sie die Ausgabe anhand der Szenenfakten und der Anweisung, statt eine flüssige Fortsetzung zu akzeptieren, die Figur oder Schauplatz verändert.
Für den nächsten Erzählbeitrag legen Sie Perspektive, aktuelle Wahlmöglichkeiten und den Punkt fest, an dem das Modell aufhören soll. Der dokumentierte Schwerpunkt liegt auf weiterführendem Kreativ- und Rollenspieltraining sowie den Prompt-Formaten. Verwenden Sie den resultierenden Text als zu prüfenden Entwurf und halten Sie ursprüngliche, quantisierte und konvertierte Artefakte bei der Modellidentifikation getrennt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits thedrummer/skyfall-36b-v2 | 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 $0.0011 / 1K Tokens Ausgabe · Ausgabetoken $0.0016 / 1K Tokens Eingabe · Cache lesen $0.0005 / 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 $0.0011 / 1K Tokens Ausgabe · Ausgabetoken $0.0016 / 1K Tokens Eingabe · Cache lesen $0.0005 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "thedrummer/skyfall-36b-v2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'thedrummer/skyfall-36b-v2', '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': 'thedrummer/skyfall-36b-v2', '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 thedrummer/skyfall-36b-v2
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Continue an archivist roleplay\n\nWrite the archivist's next three dialogue lines. Setting: a sealed observatory; the visitor seeks a map that the archivist promised never to reveal. Voice: precise and weary, with no modern slang. The visitor offers a broken star compass as proof of urgency. Let the archivist recognise it, introduce a dilemma and stop before deciding whether to give the map. Do not write the visitor's reply.Three in-character archivist lines that acknowledge the compass and leave the central choice unresolved.The promise remains meaningful, and no action or dialogue is assigned to the visitor.