ERNIE X1 Turbo ist das Reasoning-Modellprofil von Baidu für Fragen, die ausführliche Analyse, logische Problemlösung und werkzeuggebundene Textarbeit erfordern. Der Hersteller bezeichnet Turbo als verbesserte Version der X1-Reihe. Sein dokumentiertes 32K-Anbieterprofil bleibt von ERNIE X1.1 Preview und ERNIE 5.0 Thinking getrennt, die andere Eingabe- und Generierungsbudgets besitzen.
Stelle die Frage, vorgegebene Werte, Vorgaben und die benötigte Ergebnisart bereit. Eine mathematische Aufgabe kann eine Lösung verlangen, deren entscheidende Berechnung überprüfbar ist; eine Planungsaufgabe kann Alternativen anhand festgelegter Bedingungen vergleichen. Halte Annahmen von bereitgestellten Fakten getrennt und benenne, was unbekannt bleibt. So erhält der Denkprozess ein eingegrenztes Problem statt der Erlaubnis, fehlende Anforderungen zu erfinden.
Füge bei einer technischen Frage die relevante Quellpassage oder das Codefragment und das zu untersuchende Verhalten hinzu. Fordere ein konkretes Gegenbeispiel oder eine Erklärung an, wenn sich zwei Implementierungen unterscheiden. Das nützliche Arbeitsergebnis sollte die Schlussfolgerung und ihre maßgeblichen Bedingungen klar machen. Prüfe wichtige Werte und das vorgeschlagene Verhalten anhand der Quelle, statt eine lange generierte Analyse als Richtigkeitsbeweis zu behandeln.
Die AI-Studio-Modelltabelle des Anbieters nennt einen 32K-Kontext, maximal 24K Eingabe und eine Einstellung für die endgültige Ausgabe von 2 bis 16.384 Tokens mit 2K als dokumentiertem Standardwert. Separat nennt sie für X1 Turbo eine Thinking-Länge von 16K. Diese Felder haben unterschiedliche Rollen; wähle Quellenmaterial und gewünschtes Endergebnis entsprechend, statt die Kontextzahl als Versprechen einer ebenso langen Antwort auszulegen.
Halte die endgültige Antwort von etwaigem Reasoning-Material getrennt, das der Anbieterablauf zurückgibt. Ein Vergleich kann die Empfehlung zuerst nennen und die Bedingungen bewahren, die sie begründen. Eine codebezogene Antwort kann den genauen Eingabefall und das erwartete Ergebnis benennen. Bewahre die ursprüngliche Frage und die Belege mit dem fertigen Arbeitsergebnis auf, damit eine Folgeanfrage einen ungelösten Schritt untersuchen kann.
Der Funktionsindex des Herstellers führt X1 Turbo für Funktionsaufrufe und suchgestützte Aufgaben auf. Definiere Zweck und Argumente jeder Anwendungsfunktion und gib das tatsächliche Ergebnis zurück, wenn das Modell sie anfordert. Das Modell liefert eine strukturierte Anfrage; die umgebende Anwendung führt die Operation aus. Eine vorgeschlagene Recherche ist von einem abgerufenen Datensatz zu unterscheiden und eine angeforderte Aktion von einem abgeschlossenen Ergebnis.
Bewahre bei einer quellengestützten Frage das abgerufene Material zusammen mit der Antwort auf und prüfe, ob es die Aussage belegt. Ein veränderlicher Fakt sollte aus aktuellen Belegen stammen und nicht aus einer unbelegten Antwort aus dem Gedächtnis. Behandle Funktions- und Suchintegration als verbundenen Ablauf des Anbieters, wobei die tatsächlich zurückgegebenen Belege bestimmen, welche Schlussfolgerung die Antwort verantwortbar ziehen kann.
Das 32K-Profil X1 Turbo ist ein Reasoning-Ablauf für Text und nicht die umfassendere Spezifikation nativer multimodaler Generierung einer anderen ERNIE-Familie. Seine Eingabe-, endgültigen Ausgabe- und Thinking-Budgets bleiben die des ausgewählten Anbieterprofils. Eine nützliche Übergabe kann die Lösung, den Vergleich oder die werkzeuggestützte Antwort zusammen mit den Quellpassagen und Ergebnissen abgeschlossener Operationen enthalten. Das unterstützt eine gezielte Fortsetzung und bewahrt zugleich die ursprüngliche Aufgabe und ihre Unsicherheit.
", "aboutText": "ERNIE X1 Turbo ist das Reasoning-Modellprofil von Baidu für Fragen, die ausführliche Analyse, logische Problemlösung und werkzeuggebundene Textarbeit erfordern. Der Hersteller bezeichnet Turbo als verbesserte Version der X1-Reihe. Sein dokumentiertes 32K-Anbieterprofil bleibt von ERNIE X1.1 Preview und ERNIE 5.0 Thinking getrennt, die andere Eingabe- und Generierungsbudgets besitzen.\n\n### Eine vollständige Denkaufgabe vorbereiten\n\nStelle die Frage, vorgegebene Werte, Vorgaben und die benötigte Ergebnisart bereit. Eine mathematische Aufgabe kann eine Lösung verlangen, deren entscheidende Berechnung überprüfbar ist; eine Planungsaufgabe kann Alternativen anhand festgelegter Bedingungen vergleichen. Halte Annahmen von bereitgestellten Fakten getrennt und benenne, was unbekannt bleibt. So erhält der Denkprozess ein eingegrenztes Problem statt der Erlaubnis, fehlende Anforderungen zu erfinden.\n\nFüge bei einer technischen Frage die relevante Quellpassage oder das Codefragment und das zu untersuchende Verhalten hinzu. Fordere ein konkretes Gegenbeispiel oder eine Erklärung an, wenn sich zwei Implementierungen unterscheiden. Das nützliche Arbeitsergebnis sollte die Schlussfolgerung und ihre maßgeblichen Bedingungen klar machen. Prüfe wichtige Werte und das vorgeschlagene Verhalten anhand der Quelle, statt eine lange generierte Analyse als Richtigkeitsbeweis zu behandeln.\n\n### Budgets für Kontext, endgültige Ausgabe und Thinking\n\nDie AI-Studio-Modelltabelle des Anbieters nennt einen 32K-Kontext, maximal 24K Eingabe und eine Einstellung für die endgültige Ausgabe von 2 bis 16.384 Tokens mit 2K als dokumentiertem Standardwert. Separat nennt sie für X1 Turbo eine Thinking-Länge von 16K. Diese Felder haben unterschiedliche Rollen; wähle Quellenmaterial und gewünschtes Endergebnis entsprechend, statt die Kontextzahl als Versprechen einer ebenso langen Antwort auszulegen.\n\nHalte die endgültige Antwort von etwaigem Reasoning-Material getrennt, das der Anbieterablauf zurückgibt. Ein Vergleich kann die Empfehlung zuerst nennen und die Bedingungen bewahren, die sie begründen. Eine codebezogene Antwort kann den genauen Eingabefall und das erwartete Ergebnis benennen. Bewahre die ursprüngliche Frage und die Belege mit dem fertigen Arbeitsergebnis auf, damit eine Folgeanfrage einen ungelösten Schritt untersuchen kann.\n\n### Funktionen und aktuelle Informationen\n\nDer Funktionsindex des Herstellers führt X1 Turbo für Funktionsaufrufe und suchgestützte Aufgaben auf. Definiere Zweck und Argumente jeder Anwendungsfunktion und gib das tatsächliche Ergebnis zurück, wenn das Modell sie anfordert. Das Modell liefert eine strukturierte Anfrage; die umgebende Anwendung führt die Operation aus. Eine vorgeschlagene Recherche ist von einem abgerufenen Datensatz zu unterscheiden und eine angeforderte Aktion von einem abgeschlossenen Ergebnis.\n\nBewahre bei einer quellengestützten Frage das abgerufene Material zusammen mit der Antwort auf und prüfe, ob es die Aussage belegt. Ein veränderlicher Fakt sollte aus aktuellen Belegen stammen und nicht aus einer unbelegten Antwort aus dem Gedächtnis. Behandle Funktions- und Suchintegration als verbundenen Ablauf des Anbieters, wobei die tatsächlich zurückgegebenen Belege bestimmen, welche Schlussfolgerung die Antwort verantwortbar ziehen kann.\n\n### Die X1-Turbo-Ausgabe mit dem Ergebnis bewahren\n\nDas 32K-Profil X1 Turbo ist ein Reasoning-Ablauf für Text und nicht die umfassendere Spezifikation nativer multimodaler Generierung einer anderen ERNIE-Familie. Seine Eingabe-, endgültigen Ausgabe- und Thinking-Budgets bleiben die des ausgewählten Anbieterprofils. Eine nützliche Übergabe kann die Lösung, den Vergleich oder die werkzeuggestützte Antwort zusammen mit den Quellpassagen und Ergebnissen abgeschlossener Operationen enthalten. Das unterstützt eine gezielte Fortsetzung und bewahrt zugleich die ursprüngliche Aufgabe und ihre Unsicherheit.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c8c542942470c3fd0688e234ddca648cca0d24aa0b082e2dcc207e4807f61a46", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "ernie-x1-turbo-32kERNIE X1 Turbo ist das Reasoning-Profil von Baidu für mathematische, logische und werkzeuggebundene Textaufgaben. Seine AI-Studio-Spezifikation unterscheidet einen 32K-Kontext, maximal 24K Eingabe, Einstellungen für die endgültige Ausgabe bis zu 16.384 Tokens und eine separate Thinking-Länge von 16K.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
ERNIE X1 Turbo ist das Reasoning-Modellprofil von Baidu für Fragen, die ausführliche Analyse, logische Problemlösung und werkzeuggebundene Textarbeit erfordern. Der Hersteller bezeichnet Turbo als verbesserte Version der X1-Reihe. Sein dokumentiertes 32K-Anbieterprofil bleibt von ERNIE X1.1 Preview und ERNIE 5.0 Thinking getrennt, die andere Eingabe- und Generierungsbudgets besitzen.
Stelle die Frage, vorgegebene Werte, Vorgaben und die benötigte Ergebnisart bereit. Eine mathematische Aufgabe kann eine Lösung verlangen, deren entscheidende Berechnung überprüfbar ist; eine Planungsaufgabe kann Alternativen anhand festgelegter Bedingungen vergleichen. Halte Annahmen von bereitgestellten Fakten getrennt und benenne, was unbekannt bleibt. So erhält der Denkprozess ein eingegrenztes Problem statt der Erlaubnis, fehlende Anforderungen zu erfinden.
Füge bei einer technischen Frage die relevante Quellpassage oder das Codefragment und das zu untersuchende Verhalten hinzu. Fordere ein konkretes Gegenbeispiel oder eine Erklärung an, wenn sich zwei Implementierungen unterscheiden. Das nützliche Arbeitsergebnis sollte die Schlussfolgerung und ihre maßgeblichen Bedingungen klar machen. Prüfe wichtige Werte und das vorgeschlagene Verhalten anhand der Quelle, statt eine lange generierte Analyse als Richtigkeitsbeweis zu behandeln.
Die AI-Studio-Modelltabelle des Anbieters nennt einen 32K-Kontext, maximal 24K Eingabe und eine Einstellung für die endgültige Ausgabe von 2 bis 16.384 Tokens mit 2K als dokumentiertem Standardwert. Separat nennt sie für X1 Turbo eine Thinking-Länge von 16K. Diese Felder haben unterschiedliche Rollen; wähle Quellenmaterial und gewünschtes Endergebnis entsprechend, statt die Kontextzahl als Versprechen einer ebenso langen Antwort auszulegen.
Halte die endgültige Antwort von etwaigem Reasoning-Material getrennt, das der Anbieterablauf zurückgibt. Ein Vergleich kann die Empfehlung zuerst nennen und die Bedingungen bewahren, die sie begründen. Eine codebezogene Antwort kann den genauen Eingabefall und das erwartete Ergebnis benennen. Bewahre die ursprüngliche Frage und die Belege mit dem fertigen Arbeitsergebnis auf, damit eine Folgeanfrage einen ungelösten Schritt untersuchen kann.
Der Funktionsindex des Herstellers führt X1 Turbo für Funktionsaufrufe und suchgestützte Aufgaben auf. Definiere Zweck und Argumente jeder Anwendungsfunktion und gib das tatsächliche Ergebnis zurück, wenn das Modell sie anfordert. Das Modell liefert eine strukturierte Anfrage; die umgebende Anwendung führt die Operation aus. Eine vorgeschlagene Recherche ist von einem abgerufenen Datensatz zu unterscheiden und eine angeforderte Aktion von einem abgeschlossenen Ergebnis.
Bewahre bei einer quellengestützten Frage das abgerufene Material zusammen mit der Antwort auf und prüfe, ob es die Aussage belegt. Ein veränderlicher Fakt sollte aus aktuellen Belegen stammen und nicht aus einer unbelegten Antwort aus dem Gedächtnis. Behandle Funktions- und Suchintegration als verbundenen Ablauf des Anbieters, wobei die tatsächlich zurückgegebenen Belege bestimmen, welche Schlussfolgerung die Antwort verantwortbar ziehen kann.
Das 32K-Profil X1 Turbo ist ein Reasoning-Ablauf für Text und nicht die umfassendere Spezifikation nativer multimodaler Generierung einer anderen ERNIE-Familie. Seine Eingabe-, endgültigen Ausgabe- und Thinking-Budgets bleiben die des ausgewählten Anbieterprofils. Eine nützliche Übergabe kann die Lösung, den Vergleich oder die werkzeuggestützte Antwort zusammen mit den Quellpassagen und Ergebnissen abgeschlossener Operationen enthalten. Das unterstützt eine gezielte Fortsetzung und bewahrt zugleich die ursprüngliche Aufgabe und ihre Unsicherheit.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ernie-x1-turbo-32k | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
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 |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00033 / 1K Token Ausgabe · Ausgabetoken $0.00132 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"ernie-x1-turbo-32k","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="ernie-x1-turbo-32k", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 ernie-x1-turbo-32k
/chat/completions
ernie-x1-turbo-32kERNIE X1 Turbo ist das Reasoning-Profil von Baidu für mathematische, logische und werkzeuggebundene Textaufgaben. Seine AI-Studio-Spezifikation unterscheidet einen 32K-Kontext, maximal 24K Eingabe, Einstellungen für die endgültige Ausgabe bis zu 16.384 Tokens und eine separate Thinking-Länge von 16K.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
ERNIE X1 Turbo ist das Reasoning-Modellprofil von Baidu für Fragen, die ausführliche Analyse, logische Problemlösung und werkzeuggebundene Textarbeit erfordern. Der Hersteller bezeichnet Turbo als verbesserte Version der X1-Reihe. Sein dokumentiertes 32K-Anbieterprofil bleibt von ERNIE X1.1 Preview und ERNIE 5.0 Thinking getrennt, die andere Eingabe- und Generierungsbudgets besitzen.
Stelle die Frage, vorgegebene Werte, Vorgaben und die benötigte Ergebnisart bereit. Eine mathematische Aufgabe kann eine Lösung verlangen, deren entscheidende Berechnung überprüfbar ist; eine Planungsaufgabe kann Alternativen anhand festgelegter Bedingungen vergleichen. Halte Annahmen von bereitgestellten Fakten getrennt und benenne, was unbekannt bleibt. So erhält der Denkprozess ein eingegrenztes Problem statt der Erlaubnis, fehlende Anforderungen zu erfinden.
Füge bei einer technischen Frage die relevante Quellpassage oder das Codefragment und das zu untersuchende Verhalten hinzu. Fordere ein konkretes Gegenbeispiel oder eine Erklärung an, wenn sich zwei Implementierungen unterscheiden. Das nützliche Arbeitsergebnis sollte die Schlussfolgerung und ihre maßgeblichen Bedingungen klar machen. Prüfe wichtige Werte und das vorgeschlagene Verhalten anhand der Quelle, statt eine lange generierte Analyse als Richtigkeitsbeweis zu behandeln.
Die AI-Studio-Modelltabelle des Anbieters nennt einen 32K-Kontext, maximal 24K Eingabe und eine Einstellung für die endgültige Ausgabe von 2 bis 16.384 Tokens mit 2K als dokumentiertem Standardwert. Separat nennt sie für X1 Turbo eine Thinking-Länge von 16K. Diese Felder haben unterschiedliche Rollen; wähle Quellenmaterial und gewünschtes Endergebnis entsprechend, statt die Kontextzahl als Versprechen einer ebenso langen Antwort auszulegen.
Halte die endgültige Antwort von etwaigem Reasoning-Material getrennt, das der Anbieterablauf zurückgibt. Ein Vergleich kann die Empfehlung zuerst nennen und die Bedingungen bewahren, die sie begründen. Eine codebezogene Antwort kann den genauen Eingabefall und das erwartete Ergebnis benennen. Bewahre die ursprüngliche Frage und die Belege mit dem fertigen Arbeitsergebnis auf, damit eine Folgeanfrage einen ungelösten Schritt untersuchen kann.
Der Funktionsindex des Herstellers führt X1 Turbo für Funktionsaufrufe und suchgestützte Aufgaben auf. Definiere Zweck und Argumente jeder Anwendungsfunktion und gib das tatsächliche Ergebnis zurück, wenn das Modell sie anfordert. Das Modell liefert eine strukturierte Anfrage; die umgebende Anwendung führt die Operation aus. Eine vorgeschlagene Recherche ist von einem abgerufenen Datensatz zu unterscheiden und eine angeforderte Aktion von einem abgeschlossenen Ergebnis.
Bewahre bei einer quellengestützten Frage das abgerufene Material zusammen mit der Antwort auf und prüfe, ob es die Aussage belegt. Ein veränderlicher Fakt sollte aus aktuellen Belegen stammen und nicht aus einer unbelegten Antwort aus dem Gedächtnis. Behandle Funktions- und Suchintegration als verbundenen Ablauf des Anbieters, wobei die tatsächlich zurückgegebenen Belege bestimmen, welche Schlussfolgerung die Antwort verantwortbar ziehen kann.
Das 32K-Profil X1 Turbo ist ein Reasoning-Ablauf für Text und nicht die umfassendere Spezifikation nativer multimodaler Generierung einer anderen ERNIE-Familie. Seine Eingabe-, endgültigen Ausgabe- und Thinking-Budgets bleiben die des ausgewählten Anbieterprofils. Eine nützliche Übergabe kann die Lösung, den Vergleich oder die werkzeuggestützte Antwort zusammen mit den Quellpassagen und Ergebnissen abgeschlossener Operationen enthalten. Das unterstützt eine gezielte Fortsetzung und bewahrt zugleich die ursprüngliche Aufgabe und ihre Unsicherheit.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ernie-x1-turbo-32k | 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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00033 / 1K Token Ausgabe · Ausgabetoken $0.00132 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "ernie-x1-turbo-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ernie-x1-turbo-32k', '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': 'ernie-x1-turbo-32k', '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 ernie-x1-turbo-32k
/chat/completions