Spark Max ist die Textmodellfamilie von iFlytek Spark, die in der Herstellerdokumentation als generalv3.5 bezeichnet wird. iFlytek hebt bei Max die strukturierte Extraktion und das logische Schlussfolgern hervor. Das Modell kommt infrage, wenn eine Aufgabe mit Text beginnt und ein definiertes Ergebnis benötigt: die Erklärung eines Ablaufs, aus einer Nachricht extrahierte Felder, eine durch ein Gespräch geprägte Antwort oder ein Entwurf mit bestimmter Rolle und Stil.
Die Eingabe besteht aus einer Nachrichtenfolge. Die dokumentierten Rollen unterscheiden die Nutzeranfrage, frühere Antworten des Assistenten, eine Systemanweisung und von Werkzeugen zurückgegebene Ergebnisse. Eine Systemanweisung kann Zweck und Antwortregeln des Assistenten festlegen. Fügen Sie bei fortgesetzten Gesprächen die relevanten vorherigen Nachrichten in ihrer Reihenfolge ein: Die für die aktuelle Antwort nötigen Informationen müssen im übermittelten Kontext stehen. Stellen Sie die unmittelbare Frage neben das zugehörige Quellmaterial und benennen Sie die Fakten, die bei einer Bearbeitung erhalten bleiben müssen.
Der Hersteller bietet gewöhnliche Textausgabe und einen JSON-Objektmodus. Auch im JSON-Modus müssen die Anweisungen JSON ausdrücklich verlangen. Das ist bei Extraktionsaufgaben mit vereinbartem Ergebnisformat nützlich. Ein Beispiel lautet: „Lesen Sie diese Serviceanfrage. Geben Sie ein JSON-Objekt mit der gewünschten Handlung, den bereits gelieferten Informationen und den noch offenen Fragen zurück.“ Listen Sie erwartete Felder und Regeln für fehlende Werte auf, statt die Ausgabeformateinstellung als Ersatz für eine präzise Aufgabe zu behandeln.
Zu den Generierungsreglern gehören Sampling-Einstellungen, Wiederholungsstrafen, eine Einstellung zur Ausgabelänge sowie Streaming oder die Lieferung einer vollständigen Antwort. Für den dokumentierten Max-Eintrag nennt iFlytek eine 8K-Eingabekonfiguration und maximal 8K Ausgabe; die Max-Einstellung max_tokens reicht von 1 bis 8.192, mit dem dokumentierten Standard 4.096. Der gesonderte Name Max-32K bezeichnet eine andere Konfiguration. Halten Sie Gespräch, Referenztext und aktuelle Frage im geltenden Eingabebudget und wählen Sie die Antwortlänge nach der Aufgabe statt nach der Menge des gelieferten Materials.
Die Werkzeugbeschreibungen des Herstellers umfassen Websuche und integrierte Hilfsmittel für Wetter, Datumsangaben, Gedichte, Wortinformationen und Aktieninformationen. Die Suche hat einen normalen und einen tiefen Modus: Der normale Modus verwendet abgerufene Zusammenfassungen, der tiefe Modus ausführlicheres abgerufenes Material. Über die Quellenkennzeichnung lassen sich Informationen zu abgerufenen Quellen anfordern. Dies sind dokumentierte Funktionen der iFlytek-Werkzeugschnittstelle. Formulieren Sie eine Frage, die die fehlenden Informationen und die zu ihrer Beantwortung nötigen Belege benennt.
Funktionsaufrufe sind für die HTTP-Schnittstelle des Herstellers beschrieben. Die Anwendung liefert einen Funktionsnamen, seinen Zweck und ein gültiges JSON Schema für die Parameter. Die Werkzeugauswahl ermöglicht automatische Auswahl, deaktivierte Aufrufe, einen verpflichtenden Aufruf oder eine bestimmte Funktion. Die Dokumentation unterscheidet außerdem alternative Darstellungen zurückgegebener Aufrufe. Das tatsächliche Funktionsergebnis wird als Nachricht mit Werkzeugrolle zurückgegeben; die umgebende Anwendung bleibt somit dafür verantwortlich, den Vorgang auszuführen und Daten bereitzustellen, die das Modell verwenden kann.
Definieren Sie für einen praktischen Assistenten eine nützliche Aufgabe und die zu ihrer Erledigung nötigen Felder. Ein Ablaufbeispiel wäre, ein gewünschtes Produktmerkmal zu extrahieren, einen ungeklärten Wert über ein Anwendungswerkzeug abzurufen und anschließend eine Antwort zu schreiben, die gelieferte Fakten von offenen Fragen trennt. Benennen Sie bei Textbearbeitung Leserschaft, Tonfall und zu bewahrende Fakten; nennen Sie bei einer logischen Frage die Bedingungen und verlangen Sie eine daran überprüfbare Schlussfolgerung. Der Name generalv3.5 gehört zur Max-Familie und bezeichnet kein eigenständig benanntes Modell für tiefes Nachdenken. Halten Sie seine Konfiguration von anderen Spark-Editionen getrennt und bestimmen Sie Grenzen und Werkzeugumfang der gewählten Verbindung, ohne Funktionen einer anderen Veröffentlichung zu übernehmen.
", "aboutText": "Spark Max ist die Textmodellfamilie von iFlytek Spark, die in der Herstellerdokumentation als generalv3.5 bezeichnet wird. iFlytek hebt bei Max die strukturierte Extraktion und das logische Schlussfolgern hervor. Das Modell kommt infrage, wenn eine Aufgabe mit Text beginnt und ein definiertes Ergebnis benötigt: die Erklärung eines Ablaufs, aus einer Nachricht extrahierte Felder, eine durch ein Gespräch geprägte Antwort oder ein Entwurf mit bestimmter Rolle und Stil.\n\nDie Eingabe besteht aus einer Nachrichtenfolge. Die dokumentierten Rollen unterscheiden die Nutzeranfrage, frühere Antworten des Assistenten, eine Systemanweisung und von Werkzeugen zurückgegebene Ergebnisse. Eine Systemanweisung kann Zweck und Antwortregeln des Assistenten festlegen. Fügen Sie bei fortgesetzten Gesprächen die relevanten vorherigen Nachrichten in ihrer Reihenfolge ein: Die für die aktuelle Antwort nötigen Informationen müssen im übermittelten Kontext stehen. Stellen Sie die unmittelbare Frage neben das zugehörige Quellmaterial und benennen Sie die Fakten, die bei einer Bearbeitung erhalten bleiben müssen.\n\nDer Hersteller bietet gewöhnliche Textausgabe und einen JSON-Objektmodus. Auch im JSON-Modus müssen die Anweisungen JSON ausdrücklich verlangen. Das ist bei Extraktionsaufgaben mit vereinbartem Ergebnisformat nützlich. Ein Beispiel lautet: „Lesen Sie diese Serviceanfrage. Geben Sie ein JSON-Objekt mit der gewünschten Handlung, den bereits gelieferten Informationen und den noch offenen Fragen zurück.“ Listen Sie erwartete Felder und Regeln für fehlende Werte auf, statt die Ausgabeformateinstellung als Ersatz für eine präzise Aufgabe zu behandeln.\n\nZu den Generierungsreglern gehören Sampling-Einstellungen, Wiederholungsstrafen, eine Einstellung zur Ausgabelänge sowie Streaming oder die Lieferung einer vollständigen Antwort. Für den dokumentierten Max-Eintrag nennt iFlytek eine 8K-Eingabekonfiguration und maximal 8K Ausgabe; die Max-Einstellung max_tokens reicht von 1 bis 8.192, mit dem dokumentierten Standard 4.096. Der gesonderte Name Max-32K bezeichnet eine andere Konfiguration. Halten Sie Gespräch, Referenztext und aktuelle Frage im geltenden Eingabebudget und wählen Sie die Antwortlänge nach der Aufgabe statt nach der Menge des gelieferten Materials.\n\nDie Werkzeugbeschreibungen des Herstellers umfassen Websuche und integrierte Hilfsmittel für Wetter, Datumsangaben, Gedichte, Wortinformationen und Aktieninformationen. Die Suche hat einen normalen und einen tiefen Modus: Der normale Modus verwendet abgerufene Zusammenfassungen, der tiefe Modus ausführlicheres abgerufenes Material. Über die Quellenkennzeichnung lassen sich Informationen zu abgerufenen Quellen anfordern. Dies sind dokumentierte Funktionen der iFlytek-Werkzeugschnittstelle. Formulieren Sie eine Frage, die die fehlenden Informationen und die zu ihrer Beantwortung nötigen Belege benennt.\n\nFunktionsaufrufe sind für die HTTP-Schnittstelle des Herstellers beschrieben. Die Anwendung liefert einen Funktionsnamen, seinen Zweck und ein gültiges JSON Schema für die Parameter. Die Werkzeugauswahl ermöglicht automatische Auswahl, deaktivierte Aufrufe, einen verpflichtenden Aufruf oder eine bestimmte Funktion. Die Dokumentation unterscheidet außerdem alternative Darstellungen zurückgegebener Aufrufe. Das tatsächliche Funktionsergebnis wird als Nachricht mit Werkzeugrolle zurückgegeben; die umgebende Anwendung bleibt somit dafür verantwortlich, den Vorgang auszuführen und Daten bereitzustellen, die das Modell verwenden kann.\n\nDefinieren Sie für einen praktischen Assistenten eine nützliche Aufgabe und die zu ihrer Erledigung nötigen Felder. Ein Ablaufbeispiel wäre, ein gewünschtes Produktmerkmal zu extrahieren, einen ungeklärten Wert über ein Anwendungswerkzeug abzurufen und anschließend eine Antwort zu schreiben, die gelieferte Fakten von offenen Fragen trennt. Benennen Sie bei Textbearbeitung Leserschaft, Tonfall und zu bewahrende Fakten; nennen Sie bei einer logischen Frage die Bedingungen und verlangen Sie eine daran überprüfbare Schlussfolgerung. Der Name generalv3.5 gehört zur Max-Familie und bezeichnet kein eigenständig benanntes Modell für tiefes Nachdenken. Halten Sie seine Konfiguration von anderen Spark-Editionen getrennt und bestimmen Sie Grenzen und Werkzeugumfang der gewählten Verbindung, ohne Funktionen einer anderen Veröffentlichung zu übernehmen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.generalv3.5Spark Max ist das textorientierte Modell von iFlytek für strukturierte Extraktion, logische Aufgaben und Gespräche. Seine dokumentierte Schnittstelle verbindet rollenbasierte Nachrichten, JSON-Objektausgabe, Regler für die Websuche und von der Anwendung definierte Funktionsaufrufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Spark Max ist die Textmodellfamilie von iFlytek Spark, die in der Herstellerdokumentation als generalv3.5 bezeichnet wird. iFlytek hebt bei Max die strukturierte Extraktion und das logische Schlussfolgern hervor. Das Modell kommt infrage, wenn eine Aufgabe mit Text beginnt und ein definiertes Ergebnis benötigt: die Erklärung eines Ablaufs, aus einer Nachricht extrahierte Felder, eine durch ein Gespräch geprägte Antwort oder ein Entwurf mit bestimmter Rolle und Stil.
Die Eingabe besteht aus einer Nachrichtenfolge. Die dokumentierten Rollen unterscheiden die Nutzeranfrage, frühere Antworten des Assistenten, eine Systemanweisung und von Werkzeugen zurückgegebene Ergebnisse. Eine Systemanweisung kann Zweck und Antwortregeln des Assistenten festlegen. Fügen Sie bei fortgesetzten Gesprächen die relevanten vorherigen Nachrichten in ihrer Reihenfolge ein: Die für die aktuelle Antwort nötigen Informationen müssen im übermittelten Kontext stehen. Stellen Sie die unmittelbare Frage neben das zugehörige Quellmaterial und benennen Sie die Fakten, die bei einer Bearbeitung erhalten bleiben müssen.
Der Hersteller bietet gewöhnliche Textausgabe und einen JSON-Objektmodus. Auch im JSON-Modus müssen die Anweisungen JSON ausdrücklich verlangen. Das ist bei Extraktionsaufgaben mit vereinbartem Ergebnisformat nützlich. Ein Beispiel lautet: „Lesen Sie diese Serviceanfrage. Geben Sie ein JSON-Objekt mit der gewünschten Handlung, den bereits gelieferten Informationen und den noch offenen Fragen zurück.“ Listen Sie erwartete Felder und Regeln für fehlende Werte auf, statt die Ausgabeformateinstellung als Ersatz für eine präzise Aufgabe zu behandeln.
Zu den Generierungsreglern gehören Sampling-Einstellungen, Wiederholungsstrafen, eine Einstellung zur Ausgabelänge sowie Streaming oder die Lieferung einer vollständigen Antwort. Für den dokumentierten Max-Eintrag nennt iFlytek eine 8K-Eingabekonfiguration und maximal 8K Ausgabe; die Max-Einstellung max_tokens reicht von 1 bis 8.192, mit dem dokumentierten Standard 4.096. Der gesonderte Name Max-32K bezeichnet eine andere Konfiguration. Halten Sie Gespräch, Referenztext und aktuelle Frage im geltenden Eingabebudget und wählen Sie die Antwortlänge nach der Aufgabe statt nach der Menge des gelieferten Materials.
Die Werkzeugbeschreibungen des Herstellers umfassen Websuche und integrierte Hilfsmittel für Wetter, Datumsangaben, Gedichte, Wortinformationen und Aktieninformationen. Die Suche hat einen normalen und einen tiefen Modus: Der normale Modus verwendet abgerufene Zusammenfassungen, der tiefe Modus ausführlicheres abgerufenes Material. Über die Quellenkennzeichnung lassen sich Informationen zu abgerufenen Quellen anfordern. Dies sind dokumentierte Funktionen der iFlytek-Werkzeugschnittstelle. Formulieren Sie eine Frage, die die fehlenden Informationen und die zu ihrer Beantwortung nötigen Belege benennt.
Funktionsaufrufe sind für die HTTP-Schnittstelle des Herstellers beschrieben. Die Anwendung liefert einen Funktionsnamen, seinen Zweck und ein gültiges JSON Schema für die Parameter. Die Werkzeugauswahl ermöglicht automatische Auswahl, deaktivierte Aufrufe, einen verpflichtenden Aufruf oder eine bestimmte Funktion. Die Dokumentation unterscheidet außerdem alternative Darstellungen zurückgegebener Aufrufe. Das tatsächliche Funktionsergebnis wird als Nachricht mit Werkzeugrolle zurückgegeben; die umgebende Anwendung bleibt somit dafür verantwortlich, den Vorgang auszuführen und Daten bereitzustellen, die das Modell verwenden kann.
Definieren Sie für einen praktischen Assistenten eine nützliche Aufgabe und die zu ihrer Erledigung nötigen Felder. Ein Ablaufbeispiel wäre, ein gewünschtes Produktmerkmal zu extrahieren, einen ungeklärten Wert über ein Anwendungswerkzeug abzurufen und anschließend eine Antwort zu schreiben, die gelieferte Fakten von offenen Fragen trennt. Benennen Sie bei Textbearbeitung Leserschaft, Tonfall und zu bewahrende Fakten; nennen Sie bei einer logischen Frage die Bedingungen und verlangen Sie eine daran überprüfbare Schlussfolgerung. Der Name generalv3.5 gehört zur Max-Familie und bezeichnet kein eigenständig benanntes Modell für tiefes Nachdenken. Halten Sie seine Konfiguration von anderen Spark-Editionen getrennt und bestimmen Sie Grenzen und Werkzeugumfang der gewählten Verbindung, ohne Funktionen einer anderen Veröffentlichung zu übernehmen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits generalv3.5 | 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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00946 / 1K Token Ausgabe · Ausgabetoken $0.00946 / 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": "generalv3.5", "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='generalv3.5',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='generalv3.5',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 generalv3.5
Verwenden Sie die oben angezeigten Methodenpfade.
generalv3.5Spark Max ist das textorientierte Modell von iFlytek für strukturierte Extraktion, logische Aufgaben und Gespräche. Seine dokumentierte Schnittstelle verbindet rollenbasierte Nachrichten, JSON-Objektausgabe, Regler für die Websuche und von der Anwendung definierte Funktionsaufrufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Spark Max ist die Textmodellfamilie von iFlytek Spark, die in der Herstellerdokumentation als generalv3.5 bezeichnet wird. iFlytek hebt bei Max die strukturierte Extraktion und das logische Schlussfolgern hervor. Das Modell kommt infrage, wenn eine Aufgabe mit Text beginnt und ein definiertes Ergebnis benötigt: die Erklärung eines Ablaufs, aus einer Nachricht extrahierte Felder, eine durch ein Gespräch geprägte Antwort oder ein Entwurf mit bestimmter Rolle und Stil.
Die Eingabe besteht aus einer Nachrichtenfolge. Die dokumentierten Rollen unterscheiden die Nutzeranfrage, frühere Antworten des Assistenten, eine Systemanweisung und von Werkzeugen zurückgegebene Ergebnisse. Eine Systemanweisung kann Zweck und Antwortregeln des Assistenten festlegen. Fügen Sie bei fortgesetzten Gesprächen die relevanten vorherigen Nachrichten in ihrer Reihenfolge ein: Die für die aktuelle Antwort nötigen Informationen müssen im übermittelten Kontext stehen. Stellen Sie die unmittelbare Frage neben das zugehörige Quellmaterial und benennen Sie die Fakten, die bei einer Bearbeitung erhalten bleiben müssen.
Der Hersteller bietet gewöhnliche Textausgabe und einen JSON-Objektmodus. Auch im JSON-Modus müssen die Anweisungen JSON ausdrücklich verlangen. Das ist bei Extraktionsaufgaben mit vereinbartem Ergebnisformat nützlich. Ein Beispiel lautet: „Lesen Sie diese Serviceanfrage. Geben Sie ein JSON-Objekt mit der gewünschten Handlung, den bereits gelieferten Informationen und den noch offenen Fragen zurück.“ Listen Sie erwartete Felder und Regeln für fehlende Werte auf, statt die Ausgabeformateinstellung als Ersatz für eine präzise Aufgabe zu behandeln.
Zu den Generierungsreglern gehören Sampling-Einstellungen, Wiederholungsstrafen, eine Einstellung zur Ausgabelänge sowie Streaming oder die Lieferung einer vollständigen Antwort. Für den dokumentierten Max-Eintrag nennt iFlytek eine 8K-Eingabekonfiguration und maximal 8K Ausgabe; die Max-Einstellung max_tokens reicht von 1 bis 8.192, mit dem dokumentierten Standard 4.096. Der gesonderte Name Max-32K bezeichnet eine andere Konfiguration. Halten Sie Gespräch, Referenztext und aktuelle Frage im geltenden Eingabebudget und wählen Sie die Antwortlänge nach der Aufgabe statt nach der Menge des gelieferten Materials.
Die Werkzeugbeschreibungen des Herstellers umfassen Websuche und integrierte Hilfsmittel für Wetter, Datumsangaben, Gedichte, Wortinformationen und Aktieninformationen. Die Suche hat einen normalen und einen tiefen Modus: Der normale Modus verwendet abgerufene Zusammenfassungen, der tiefe Modus ausführlicheres abgerufenes Material. Über die Quellenkennzeichnung lassen sich Informationen zu abgerufenen Quellen anfordern. Dies sind dokumentierte Funktionen der iFlytek-Werkzeugschnittstelle. Formulieren Sie eine Frage, die die fehlenden Informationen und die zu ihrer Beantwortung nötigen Belege benennt.
Funktionsaufrufe sind für die HTTP-Schnittstelle des Herstellers beschrieben. Die Anwendung liefert einen Funktionsnamen, seinen Zweck und ein gültiges JSON Schema für die Parameter. Die Werkzeugauswahl ermöglicht automatische Auswahl, deaktivierte Aufrufe, einen verpflichtenden Aufruf oder eine bestimmte Funktion. Die Dokumentation unterscheidet außerdem alternative Darstellungen zurückgegebener Aufrufe. Das tatsächliche Funktionsergebnis wird als Nachricht mit Werkzeugrolle zurückgegeben; die umgebende Anwendung bleibt somit dafür verantwortlich, den Vorgang auszuführen und Daten bereitzustellen, die das Modell verwenden kann.
Definieren Sie für einen praktischen Assistenten eine nützliche Aufgabe und die zu ihrer Erledigung nötigen Felder. Ein Ablaufbeispiel wäre, ein gewünschtes Produktmerkmal zu extrahieren, einen ungeklärten Wert über ein Anwendungswerkzeug abzurufen und anschließend eine Antwort zu schreiben, die gelieferte Fakten von offenen Fragen trennt. Benennen Sie bei Textbearbeitung Leserschaft, Tonfall und zu bewahrende Fakten; nennen Sie bei einer logischen Frage die Bedingungen und verlangen Sie eine daran überprüfbare Schlussfolgerung. Der Name generalv3.5 gehört zur Max-Familie und bezeichnet kein eigenständig benanntes Modell für tiefes Nachdenken. Halten Sie seine Konfiguration von anderen Spark-Editionen getrennt und bestimmen Sie Grenzen und Werkzeugumfang der gewählten Verbindung, ohne Funktionen einer anderen Veröffentlichung zu übernehmen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits generalv3.5 | 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 $0.00946 / 1K Token Ausgabe · Ausgabetoken $0.00946 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "generalv3.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'generalv3.5', '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': 'generalv3.5', '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 generalv3.5
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.