Solar Mini 4 ist Upstages kompaktes Mixture-of-Experts-Modell für wiederholte Agentenaufgaben. Es hat insgesamt 35 Milliarden Parameter und aktiviert 3B pro Token. Der Hersteller nennt einen 512K-Kontext und bis zu 128K Ausgabe-Token mit englischer, koreanischer und japanischer Ein- und Ausgabe. Der veröffentlichte Stichtag der Trainingsdaten ist Februar 2026.
Seine zentralen Arbeitsbereiche umfassen Informationsabruf, Klassifikation, strukturierte Ausgabe und Tool-Nutzung. Eine wiederkehrende Extraktionsaufgabe sollte Quellmaterial und die von der Anwendung benötigten Felder bereitstellen. Bei einer Klassifikationsaufgabe definieren Sie die Kategorien und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis liefert die benötigten Informationen, ohne den Auftrag auf unverbundene Analysen auszuweiten.
Der Hersteller unterstützt Function Calling und parallele Aufrufe. Definieren Sie verfügbare Funktionen und ihre Argumente; das Modell schlägt Aufrufe vor, die Anwendung führt sie aus und gibt Ergebnisse zurück. Unabhängige Prüfungen können gemeinsam angefordert werden, etwa das Abrufen zweier Zustandsinformationen für die nächste Entscheidung. Bewahren Sie jedes Ergebnis mit seinem Aufruf, bevor Sie das Gespräch fortsetzen.
JSON-Modus und schemabasierte strukturierte Ausgabe erfüllen unterschiedliche Bedürfnisse. Der JSON-Modus erzeugt parsebares JSON, während ein unterstütztes Schema Feldnamen und Typen steuert. Der Hersteller verlangt in seiner unterstützten Teilmenge für strukturierte Ausgaben ein Objekt als Wurzel, erforderliche Eigenschaften und ausdrückliche Regeln für zusätzliche Eigenschaften. Definieren Sie die Darstellung fehlender Informationen und prüfen Sie extrahierte Werte anhand der Quelle, auch wenn das Format gültig ist.
Reasoning ist laut aktuellem Herstellerleitfaden ausgeschaltet, wenn der Aufwand weggelassen wird. None und minimal lassen es ausgeschaltet; low, medium, high, xhigh und max aktivieren es. Reasoning verbraucht einen Teil des Ausgabebudgets, sodass ein kleines Budget vor der Endantwort aufgebraucht sein kann. Entscheiden Sie anhand der voneinander abhängigen Aufgabenschritte, ob Nachdenken hilfreich ist, und bewahren Sie zugleich Platz für das von der Anwendung benötigte Artefakt.
Bei einer Dokumentpipeline verlangen Sie, dass das Modell strukturierte Ergebnisse aus früherer Verarbeitung vergleicht, fehlende Felder benennt und die angegebenen Regeln für den nächsten Schritt anwendet. Die Ausgabe kann ein Abweichungsprotokoll, eine Klassifikation oder ein Aktionsvorschlag mit stützenden Daten sein. Die Anwendung entscheidet über die Ausführung und liefert für Folgefragen das beobachtete Ergebnis.
Die Anzahl aktiver Parameter beschreibt die Berechnung und nicht den vollständigen Speicherbedarf der Gewichte. Upstage weist darauf hin, dass bei lokaler Bereitstellung die gesamten 35B-Gewichte geladen bleiben, und veröffentlicht separate Bedingungen für quantisierte Bereitstellungen. Halten Sie diese Konfigurationsfakten von der Ausführungsumgebung einer bestimmten Modellauswahl getrennt.
", "aboutText": "Solar Mini 4 ist Upstages kompaktes Mixture-of-Experts-Modell für wiederholte Agentenaufgaben. Es hat insgesamt 35 Milliarden Parameter und aktiviert 3B pro Token. Der Hersteller nennt einen 512K-Kontext und bis zu 128K Ausgabe-Token mit englischer, koreanischer und japanischer Ein- und Ausgabe. Der veröffentlichte Stichtag der Trainingsdaten ist Februar 2026.\n\nSeine zentralen Arbeitsbereiche umfassen Informationsabruf, Klassifikation, strukturierte Ausgabe und Tool-Nutzung. Eine wiederkehrende Extraktionsaufgabe sollte Quellmaterial und die von der Anwendung benötigten Felder bereitstellen. Bei einer Klassifikationsaufgabe definieren Sie die Kategorien und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis liefert die benötigten Informationen, ohne den Auftrag auf unverbundene Analysen auszuweiten.\n\nDer Hersteller unterstützt Function Calling und parallele Aufrufe. Definieren Sie verfügbare Funktionen und ihre Argumente; das Modell schlägt Aufrufe vor, die Anwendung führt sie aus und gibt Ergebnisse zurück. Unabhängige Prüfungen können gemeinsam angefordert werden, etwa das Abrufen zweier Zustandsinformationen für die nächste Entscheidung. Bewahren Sie jedes Ergebnis mit seinem Aufruf, bevor Sie das Gespräch fortsetzen.\n\nJSON-Modus und schemabasierte strukturierte Ausgabe erfüllen unterschiedliche Bedürfnisse. Der JSON-Modus erzeugt parsebares JSON, während ein unterstütztes Schema Feldnamen und Typen steuert. Der Hersteller verlangt in seiner unterstützten Teilmenge für strukturierte Ausgaben ein Objekt als Wurzel, erforderliche Eigenschaften und ausdrückliche Regeln für zusätzliche Eigenschaften. Definieren Sie die Darstellung fehlender Informationen und prüfen Sie extrahierte Werte anhand der Quelle, auch wenn das Format gültig ist.\n\nReasoning ist laut aktuellem Herstellerleitfaden ausgeschaltet, wenn der Aufwand weggelassen wird. None und minimal lassen es ausgeschaltet; low, medium, high, xhigh und max aktivieren es. Reasoning verbraucht einen Teil des Ausgabebudgets, sodass ein kleines Budget vor der Endantwort aufgebraucht sein kann. Entscheiden Sie anhand der voneinander abhängigen Aufgabenschritte, ob Nachdenken hilfreich ist, und bewahren Sie zugleich Platz für das von der Anwendung benötigte Artefakt.\n\nBei einer Dokumentpipeline verlangen Sie, dass das Modell strukturierte Ergebnisse aus früherer Verarbeitung vergleicht, fehlende Felder benennt und die angegebenen Regeln für den nächsten Schritt anwendet. Die Ausgabe kann ein Abweichungsprotokoll, eine Klassifikation oder ein Aktionsvorschlag mit stützenden Daten sein. Die Anwendung entscheidet über die Ausführung und liefert für Folgefragen das beobachtete Ergebnis.\n\nDie Anzahl aktiver Parameter beschreibt die Berechnung und nicht den vollständigen Speicherbedarf der Gewichte. Upstage weist darauf hin, dass bei lokaler Bereitstellung die gesamten 35B-Gewichte geladen bleiben, und veröffentlicht separate Bedingungen für quantisierte Bereitstellungen. Halten Sie diese Konfigurationsfakten von der Ausführungsumgebung einer bestimmten Modellauswahl getrennt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Reconcile extracted invoice fields\n\nCompare two text-extraction records for invoice IV-902. Record A: total 240 EUR, due date missing. Record B: total 240 EUR, due date 18 August. Source excerpt: 'Invoice IV-902. Amount due: EUR 240. Pay by 18 August.' Return the reconciled fields, the discrepancy and the source phrase supporting the due date. Do not add a year.A compact reconciled record with a discrepancy note and the quoted source phrase for the due date.The total remains EUR 240 and the date does not acquire an unsupported year.upstage/solar-mini4Solar Mini 4 von Upstage ist ein MoE-Textmodell mit 35B Parametern und 3B aktiven Parametern für wiederholte Abruf-, Extraktions- und Tool-Abläufe. Es unterstützt einen 512K-Kontext, bis zu 128K Ausgabe-Token, strukturierte Antworten und parallele Tool-Aufrufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Solar Mini 4 ist Upstages kompaktes Mixture-of-Experts-Modell für wiederholte Agentenaufgaben. Es hat insgesamt 35 Milliarden Parameter und aktiviert 3B pro Token. Der Hersteller nennt einen 512K-Kontext und bis zu 128K Ausgabe-Token mit englischer, koreanischer und japanischer Ein- und Ausgabe. Der veröffentlichte Stichtag der Trainingsdaten ist Februar 2026.
Seine zentralen Arbeitsbereiche umfassen Informationsabruf, Klassifikation, strukturierte Ausgabe und Tool-Nutzung. Eine wiederkehrende Extraktionsaufgabe sollte Quellmaterial und die von der Anwendung benötigten Felder bereitstellen. Bei einer Klassifikationsaufgabe definieren Sie die Kategorien und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis liefert die benötigten Informationen, ohne den Auftrag auf unverbundene Analysen auszuweiten.
Der Hersteller unterstützt Function Calling und parallele Aufrufe. Definieren Sie verfügbare Funktionen und ihre Argumente; das Modell schlägt Aufrufe vor, die Anwendung führt sie aus und gibt Ergebnisse zurück. Unabhängige Prüfungen können gemeinsam angefordert werden, etwa das Abrufen zweier Zustandsinformationen für die nächste Entscheidung. Bewahren Sie jedes Ergebnis mit seinem Aufruf, bevor Sie das Gespräch fortsetzen.
JSON-Modus und schemabasierte strukturierte Ausgabe erfüllen unterschiedliche Bedürfnisse. Der JSON-Modus erzeugt parsebares JSON, während ein unterstütztes Schema Feldnamen und Typen steuert. Der Hersteller verlangt in seiner unterstützten Teilmenge für strukturierte Ausgaben ein Objekt als Wurzel, erforderliche Eigenschaften und ausdrückliche Regeln für zusätzliche Eigenschaften. Definieren Sie die Darstellung fehlender Informationen und prüfen Sie extrahierte Werte anhand der Quelle, auch wenn das Format gültig ist.
Reasoning ist laut aktuellem Herstellerleitfaden ausgeschaltet, wenn der Aufwand weggelassen wird. None und minimal lassen es ausgeschaltet; low, medium, high, xhigh und max aktivieren es. Reasoning verbraucht einen Teil des Ausgabebudgets, sodass ein kleines Budget vor der Endantwort aufgebraucht sein kann. Entscheiden Sie anhand der voneinander abhängigen Aufgabenschritte, ob Nachdenken hilfreich ist, und bewahren Sie zugleich Platz für das von der Anwendung benötigte Artefakt.
Bei einer Dokumentpipeline verlangen Sie, dass das Modell strukturierte Ergebnisse aus früherer Verarbeitung vergleicht, fehlende Felder benennt und die angegebenen Regeln für den nächsten Schritt anwendet. Die Ausgabe kann ein Abweichungsprotokoll, eine Klassifikation oder ein Aktionsvorschlag mit stützenden Daten sein. Die Anwendung entscheidet über die Ausführung und liefert für Folgefragen das beobachtete Ergebnis.
Die Anzahl aktiver Parameter beschreibt die Berechnung und nicht den vollständigen Speicherbedarf der Gewichte. Upstage weist darauf hin, dass bei lokaler Bereitstellung die gesamten 35B-Gewichte geladen bleiben, und veröffentlicht separate Bedingungen für quantisierte Bereitstellungen. Halten Sie diese Konfigurationsfakten von der Ausführungsumgebung einer bestimmten Modellauswahl getrennt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits upstage/solar-mini4 | 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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0008 / 1K Tokens Eingabe · Cache lesen $0.00002 / 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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0008 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "upstage/solar-mini4", "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='upstage/solar-mini4',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='upstage/solar-mini4',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 upstage/solar-mini4
Verwenden Sie die oben angezeigten Methodenpfade.
upstage/solar-mini4Solar Mini 4 von Upstage ist ein MoE-Textmodell mit 35B Parametern und 3B aktiven Parametern für wiederholte Abruf-, Extraktions- und Tool-Abläufe. Es unterstützt einen 512K-Kontext, bis zu 128K Ausgabe-Token, strukturierte Antworten und parallele Tool-Aufrufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Solar Mini 4 ist Upstages kompaktes Mixture-of-Experts-Modell für wiederholte Agentenaufgaben. Es hat insgesamt 35 Milliarden Parameter und aktiviert 3B pro Token. Der Hersteller nennt einen 512K-Kontext und bis zu 128K Ausgabe-Token mit englischer, koreanischer und japanischer Ein- und Ausgabe. Der veröffentlichte Stichtag der Trainingsdaten ist Februar 2026.
Seine zentralen Arbeitsbereiche umfassen Informationsabruf, Klassifikation, strukturierte Ausgabe und Tool-Nutzung. Eine wiederkehrende Extraktionsaufgabe sollte Quellmaterial und die von der Anwendung benötigten Felder bereitstellen. Bei einer Klassifikationsaufgabe definieren Sie die Kategorien und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis liefert die benötigten Informationen, ohne den Auftrag auf unverbundene Analysen auszuweiten.
Der Hersteller unterstützt Function Calling und parallele Aufrufe. Definieren Sie verfügbare Funktionen und ihre Argumente; das Modell schlägt Aufrufe vor, die Anwendung führt sie aus und gibt Ergebnisse zurück. Unabhängige Prüfungen können gemeinsam angefordert werden, etwa das Abrufen zweier Zustandsinformationen für die nächste Entscheidung. Bewahren Sie jedes Ergebnis mit seinem Aufruf, bevor Sie das Gespräch fortsetzen.
JSON-Modus und schemabasierte strukturierte Ausgabe erfüllen unterschiedliche Bedürfnisse. Der JSON-Modus erzeugt parsebares JSON, während ein unterstütztes Schema Feldnamen und Typen steuert. Der Hersteller verlangt in seiner unterstützten Teilmenge für strukturierte Ausgaben ein Objekt als Wurzel, erforderliche Eigenschaften und ausdrückliche Regeln für zusätzliche Eigenschaften. Definieren Sie die Darstellung fehlender Informationen und prüfen Sie extrahierte Werte anhand der Quelle, auch wenn das Format gültig ist.
Reasoning ist laut aktuellem Herstellerleitfaden ausgeschaltet, wenn der Aufwand weggelassen wird. None und minimal lassen es ausgeschaltet; low, medium, high, xhigh und max aktivieren es. Reasoning verbraucht einen Teil des Ausgabebudgets, sodass ein kleines Budget vor der Endantwort aufgebraucht sein kann. Entscheiden Sie anhand der voneinander abhängigen Aufgabenschritte, ob Nachdenken hilfreich ist, und bewahren Sie zugleich Platz für das von der Anwendung benötigte Artefakt.
Bei einer Dokumentpipeline verlangen Sie, dass das Modell strukturierte Ergebnisse aus früherer Verarbeitung vergleicht, fehlende Felder benennt und die angegebenen Regeln für den nächsten Schritt anwendet. Die Ausgabe kann ein Abweichungsprotokoll, eine Klassifikation oder ein Aktionsvorschlag mit stützenden Daten sein. Die Anwendung entscheidet über die Ausführung und liefert für Folgefragen das beobachtete Ergebnis.
Die Anzahl aktiver Parameter beschreibt die Berechnung und nicht den vollständigen Speicherbedarf der Gewichte. Upstage weist darauf hin, dass bei lokaler Bereitstellung die gesamten 35B-Gewichte geladen bleiben, und veröffentlicht separate Bedingungen für quantisierte Bereitstellungen. Halten Sie diese Konfigurationsfakten von der Ausführungsumgebung einer bestimmten Modellauswahl getrennt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits upstage/solar-mini4 | 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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0008 / 1K Tokens Eingabe · Cache lesen $0.00002 / 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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0008 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "upstage/solar-mini4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'upstage/solar-mini4', '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': 'upstage/solar-mini4', '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 upstage/solar-mini4
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Reconcile extracted invoice fields\n\nCompare two text-extraction records for invoice IV-902. Record A: total 240 EUR, due date missing. Record B: total 240 EUR, due date 18 August. Source excerpt: 'Invoice IV-902. Amount due: EUR 240. Pay by 18 August.' Return the reconciled fields, the discrepancy and the source phrase supporting the due date. Do not add a year.A compact reconciled record with a discrepancy note and the quoted source phrase for the due date.The total remains EUR 240 and the date does not acquire an unsupported year.