Solar Pro 3 ist Upstages Mixture-of-Experts-Sprachmodell für komplexe schriftliche Aufgaben und Schlussfolgern. Der Hersteller nennt insgesamt 102 Milliarden Parameter und 12B aktive Parameter pro Vorwärtsdurchlauf sowie einen Kontext von 128’000 Token. Koreanisch bildet einen sprachlichen Schwerpunkt neben englischer und japanischer Ein- und Ausgabe. Der veröffentlichte Stichtag der Trainingsdaten ist Juli 2025.
Die Herstellerveröffentlichung betont präzisere Anweisungsbefolgung und das Verständnis der Nutzerabsicht. Bei einer komplexen Anfrage liefern Sie das zu untersuchende Material, die relevanten Bedingungen und das gewünschte Ergebnis. Eine hilfreiche Antwort wendet diese Anweisungen auf den bereitgestellten Kontext an, statt eine allgemeine Erklärung des Themas zurückzugeben.
Bei einer mehrstufigen Analyse benennen Sie die Voraussetzungen und Abhängigkeiten zwischen den Schritten. Verlangen Sie die Schlussfolgerung mit den zu ihrer Beurteilung nötigen Belegen oder Berechnungen. Eine Dokumentaufgabe kann Passagen vergleichen, relevante Informationen extrahieren oder die Anwendung einer Regel erklären; wichtiges Quellmaterial bleibt dabei über Folgerunden hinweg erhalten.
Der Hersteller führt strukturierte Ausgaben, Function Calling und parallele Aufrufe als Fähigkeiten des Modells auf. Die Anwendung stellt Funktionen und ihre Argumente bereit, führt vorgeschlagene Aufrufe aus und liefert die Ergebnisse zurück. Eine strukturierte Antwort ordnet die Erkenntnisse des Modells in definierte Felder, während die Anwendung weiterhin prüft, ob die Werte zur Quelle und Aufgabe passen.
Der aktuelle Reasoning-Leitfaden behandelt weggelassenen Aufwand bei Solar Pro 3 als off. Auch minimal und low lassen Reasoning ausgeschaltet, während medium und high die Schlussfolgerungsphase aktivieren. Das unterscheidet sich von der für Pro 4 und Mini 4 dokumentierten Zuordnung von low bis max. Reasoning verwendet Ausgabe-Token vor der endgültigen Antwort; die Anfrage braucht deshalb Platz für beide Phasen.
Bei vorrangig koreanischer Arbeit geben Sie Zielgruppe und die zu bewahrende Terminologie an. Auch englische oder japanische Ausgaben sollten ein ausdrückliches Ziel und einen Stil haben. Ein hilfreiches Endartefakt kann eine Erklärung, eine Vergleichsnotiz, strukturierte Informationen oder vorgeschlagener Code mit den relevanten Prüfungen sein. Halten Sie diese Pro-3-Ausgabe von späteren Solar-Pro-Modellen und von den separaten Aktualisierungen innerhalb ihrer eigenen Modelllinie getrennt.
", "aboutText": "Solar Pro 3 ist Upstages Mixture-of-Experts-Sprachmodell für komplexe schriftliche Aufgaben und Schlussfolgern. Der Hersteller nennt insgesamt 102 Milliarden Parameter und 12B aktive Parameter pro Vorwärtsdurchlauf sowie einen Kontext von 128’000 Token. Koreanisch bildet einen sprachlichen Schwerpunkt neben englischer und japanischer Ein- und Ausgabe. Der veröffentlichte Stichtag der Trainingsdaten ist Juli 2025.\n\nDie Herstellerveröffentlichung betont präzisere Anweisungsbefolgung und das Verständnis der Nutzerabsicht. Bei einer komplexen Anfrage liefern Sie das zu untersuchende Material, die relevanten Bedingungen und das gewünschte Ergebnis. Eine hilfreiche Antwort wendet diese Anweisungen auf den bereitgestellten Kontext an, statt eine allgemeine Erklärung des Themas zurückzugeben.\n\nBei einer mehrstufigen Analyse benennen Sie die Voraussetzungen und Abhängigkeiten zwischen den Schritten. Verlangen Sie die Schlussfolgerung mit den zu ihrer Beurteilung nötigen Belegen oder Berechnungen. Eine Dokumentaufgabe kann Passagen vergleichen, relevante Informationen extrahieren oder die Anwendung einer Regel erklären; wichtiges Quellmaterial bleibt dabei über Folgerunden hinweg erhalten.\n\nDer Hersteller führt strukturierte Ausgaben, Function Calling und parallele Aufrufe als Fähigkeiten des Modells auf. Die Anwendung stellt Funktionen und ihre Argumente bereit, führt vorgeschlagene Aufrufe aus und liefert die Ergebnisse zurück. Eine strukturierte Antwort ordnet die Erkenntnisse des Modells in definierte Felder, während die Anwendung weiterhin prüft, ob die Werte zur Quelle und Aufgabe passen.\n\nDer aktuelle Reasoning-Leitfaden behandelt weggelassenen Aufwand bei Solar Pro 3 als off. Auch minimal und low lassen Reasoning ausgeschaltet, während medium und high die Schlussfolgerungsphase aktivieren. Das unterscheidet sich von der für Pro 4 und Mini 4 dokumentierten Zuordnung von low bis max. Reasoning verwendet Ausgabe-Token vor der endgültigen Antwort; die Anfrage braucht deshalb Platz für beide Phasen.\n\nBei vorrangig koreanischer Arbeit geben Sie Zielgruppe und die zu bewahrende Terminologie an. Auch englische oder japanische Ausgaben sollten ein ausdrückliches Ziel und einen Stil haben. Ein hilfreiches Endartefakt kann eine Erklärung, eine Vergleichsnotiz, strukturierte Informationen oder vorgeschlagener Code mit den relevanten Prüfungen sein. Halten Sie diese Pro-3-Ausgabe von späteren Solar-Pro-Modellen und von den separaten Aktualisierungen innerhalb ihrer eigenen Modelllinie getrennt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Prepare a Korean-first customer note\n\nTranslate this message into polite Korean for an office customer: “Your Atlas Desk order is ready for collection. Please bring reference AD-51. We have not arranged delivery.” Keep Atlas Desk and AD-51 unchanged, preserve the collection-versus-delivery distinction and return only the translated message without adding collection hours.A polite Korean message retaining the product and reference strings and the original fulfillment facts.Check that the message describes collection readiness and does not claim a delivery booking or invent opening hours.upstage/solar-pro-3Solar Pro 3 von Upstage ist ein MoE-Textmodell mit 102B Parametern und 12B aktiven Parametern für komplexe Anfragen und anweisungsgeleitetes Schlussfolgern. Es unterstützt einen Kontext von 128’000 Token, Koreanisch, Englisch und Japanisch, strukturierte Ausgaben und werkzeugorientierte Arbeitsabläufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Solar Pro 3 ist Upstages Mixture-of-Experts-Sprachmodell für komplexe schriftliche Aufgaben und Schlussfolgern. Der Hersteller nennt insgesamt 102 Milliarden Parameter und 12B aktive Parameter pro Vorwärtsdurchlauf sowie einen Kontext von 128’000 Token. Koreanisch bildet einen sprachlichen Schwerpunkt neben englischer und japanischer Ein- und Ausgabe. Der veröffentlichte Stichtag der Trainingsdaten ist Juli 2025.
Die Herstellerveröffentlichung betont präzisere Anweisungsbefolgung und das Verständnis der Nutzerabsicht. Bei einer komplexen Anfrage liefern Sie das zu untersuchende Material, die relevanten Bedingungen und das gewünschte Ergebnis. Eine hilfreiche Antwort wendet diese Anweisungen auf den bereitgestellten Kontext an, statt eine allgemeine Erklärung des Themas zurückzugeben.
Bei einer mehrstufigen Analyse benennen Sie die Voraussetzungen und Abhängigkeiten zwischen den Schritten. Verlangen Sie die Schlussfolgerung mit den zu ihrer Beurteilung nötigen Belegen oder Berechnungen. Eine Dokumentaufgabe kann Passagen vergleichen, relevante Informationen extrahieren oder die Anwendung einer Regel erklären; wichtiges Quellmaterial bleibt dabei über Folgerunden hinweg erhalten.
Der Hersteller führt strukturierte Ausgaben, Function Calling und parallele Aufrufe als Fähigkeiten des Modells auf. Die Anwendung stellt Funktionen und ihre Argumente bereit, führt vorgeschlagene Aufrufe aus und liefert die Ergebnisse zurück. Eine strukturierte Antwort ordnet die Erkenntnisse des Modells in definierte Felder, während die Anwendung weiterhin prüft, ob die Werte zur Quelle und Aufgabe passen.
Der aktuelle Reasoning-Leitfaden behandelt weggelassenen Aufwand bei Solar Pro 3 als off. Auch minimal und low lassen Reasoning ausgeschaltet, während medium und high die Schlussfolgerungsphase aktivieren. Das unterscheidet sich von der für Pro 4 und Mini 4 dokumentierten Zuordnung von low bis max. Reasoning verwendet Ausgabe-Token vor der endgültigen Antwort; die Anfrage braucht deshalb Platz für beide Phasen.
Bei vorrangig koreanischer Arbeit geben Sie Zielgruppe und die zu bewahrende Terminologie an. Auch englische oder japanische Ausgaben sollten ein ausdrückliches Ziel und einen Stil haben. Ein hilfreiches Endartefakt kann eine Erklärung, eine Vergleichsnotiz, strukturierte Informationen oder vorgeschlagener Code mit den relevanten Prüfungen sein. Halten Sie diese Pro-3-Ausgabe von späteren Solar-Pro-Modellen und von den separaten Aktualisierungen innerhalb ihrer eigenen Modelllinie getrennt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits upstage/solar-pro-3 | 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 $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen $0.00003 / 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 $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen $0.00003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "upstage/solar-pro-3", "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-pro-3',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-pro-3',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-pro-3
Verwenden Sie die oben angezeigten Methodenpfade.
upstage/solar-pro-3Solar Pro 3 von Upstage ist ein MoE-Textmodell mit 102B Parametern und 12B aktiven Parametern für komplexe Anfragen und anweisungsgeleitetes Schlussfolgern. Es unterstützt einen Kontext von 128’000 Token, Koreanisch, Englisch und Japanisch, strukturierte Ausgaben und werkzeugorientierte Arbeitsabläufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Solar Pro 3 ist Upstages Mixture-of-Experts-Sprachmodell für komplexe schriftliche Aufgaben und Schlussfolgern. Der Hersteller nennt insgesamt 102 Milliarden Parameter und 12B aktive Parameter pro Vorwärtsdurchlauf sowie einen Kontext von 128’000 Token. Koreanisch bildet einen sprachlichen Schwerpunkt neben englischer und japanischer Ein- und Ausgabe. Der veröffentlichte Stichtag der Trainingsdaten ist Juli 2025.
Die Herstellerveröffentlichung betont präzisere Anweisungsbefolgung und das Verständnis der Nutzerabsicht. Bei einer komplexen Anfrage liefern Sie das zu untersuchende Material, die relevanten Bedingungen und das gewünschte Ergebnis. Eine hilfreiche Antwort wendet diese Anweisungen auf den bereitgestellten Kontext an, statt eine allgemeine Erklärung des Themas zurückzugeben.
Bei einer mehrstufigen Analyse benennen Sie die Voraussetzungen und Abhängigkeiten zwischen den Schritten. Verlangen Sie die Schlussfolgerung mit den zu ihrer Beurteilung nötigen Belegen oder Berechnungen. Eine Dokumentaufgabe kann Passagen vergleichen, relevante Informationen extrahieren oder die Anwendung einer Regel erklären; wichtiges Quellmaterial bleibt dabei über Folgerunden hinweg erhalten.
Der Hersteller führt strukturierte Ausgaben, Function Calling und parallele Aufrufe als Fähigkeiten des Modells auf. Die Anwendung stellt Funktionen und ihre Argumente bereit, führt vorgeschlagene Aufrufe aus und liefert die Ergebnisse zurück. Eine strukturierte Antwort ordnet die Erkenntnisse des Modells in definierte Felder, während die Anwendung weiterhin prüft, ob die Werte zur Quelle und Aufgabe passen.
Der aktuelle Reasoning-Leitfaden behandelt weggelassenen Aufwand bei Solar Pro 3 als off. Auch minimal und low lassen Reasoning ausgeschaltet, während medium und high die Schlussfolgerungsphase aktivieren. Das unterscheidet sich von der für Pro 4 und Mini 4 dokumentierten Zuordnung von low bis max. Reasoning verwendet Ausgabe-Token vor der endgültigen Antwort; die Anfrage braucht deshalb Platz für beide Phasen.
Bei vorrangig koreanischer Arbeit geben Sie Zielgruppe und die zu bewahrende Terminologie an. Auch englische oder japanische Ausgaben sollten ein ausdrückliches Ziel und einen Stil haben. Ein hilfreiches Endartefakt kann eine Erklärung, eine Vergleichsnotiz, strukturierte Informationen oder vorgeschlagener Code mit den relevanten Prüfungen sein. Halten Sie diese Pro-3-Ausgabe von späteren Solar-Pro-Modellen und von den separaten Aktualisierungen innerhalb ihrer eigenen Modelllinie getrennt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits upstage/solar-pro-3 | 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 $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen $0.00003 / 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 $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen $0.00003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "upstage/solar-pro-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro-3', '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-pro-3', '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-pro-3
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Prepare a Korean-first customer note\n\nTranslate this message into polite Korean for an office customer: “Your Atlas Desk order is ready for collection. Please bring reference AD-51. We have not arranged delivery.” Keep Atlas Desk and AD-51 unchanged, preserve the collection-versus-delivery distinction and return only the translated message without adding collection hours.A polite Korean message retaining the product and reference strings and the original fulfillment facts.Check that the message describes collection readiness and does not claim a delivery booking or invent opening hours.