Hy-MT2-30B-A3B ist die Mixture-of-Experts-Ausgabe der Übersetzungsfamilie Hy-MT2 von Tencent Hy. Der Hersteller positioniert die Familie für komplexe schriftliche Übersetzungsaufgaben und mehrsprachige Anweisungen, einschließlich Vorgaben zu Terminologie, Stil und strukturierten Daten. Die Ausgabe 30B-A3B bleibt von den dichten Modellen 1.8B und 7B getrennt. Die Sprachtabelle des Herstellers umfasst Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.
Ihre veröffentlichte Konfiguration hat 48 Schichten, 32 Query-Attention-Köpfe und vier Key/Value-Köpfe. Jede Expertenschicht verwendet 128 Experten, von denen pro Token acht ausgewählt werden; die maximale Positionszahl beträgt 262.144. Dies sind Eigenschaften genau dieser Konfiguration. Die allgemeinere Familienbezeichnung benennt keines der separat veröffentlichten quantisierten Artefakte.
Beginnen Sie eine Übersetzungsaufgabe mit dem vollständigen Namen der Zielsprache und der gewünschten Antwortform. Die grundlegende Vorlage des Herstellers fordert nur das übersetzte Ergebnis an. Ist die Quelle Teil eines größeren Dokuments, ergänzen Sie den für ihre Interpretation nötigen Hintergrund und halten Sie diesen Kontext vom zu übersetzenden Text getrennt.
Stellen Sie für terminologieabhängige Aufgaben ein Glossar aus Ausgangsbegriffen und bevorzugten Übersetzungen bereit. Geben Sie für den Stil Zielgruppe und Ton ausdrücklich an. Eine personalisierte Übersetzung kann vor dem Ausgangstext mehrere Anforderungen auflisten, etwa die Behandlung von Namen oder die gewünschte Ausdrucksweise. Diese Prompt-Muster des Herstellers machen die Übersetzungsbedingungen zum Bestandteil der Aufgabe.
Schreiben Sie für strukturiertes Material das ursprüngliche Format, die Hierarchie und Einrückung fest. Übersetzen Sie nur sichtbaren, für Nutzende bestimmten Text und erhalten Sie Schlüssel, Code-Bezeichnungen, Eigenschaften und Variablenplatzhalter. Trennen Zeichen eine Sammlung von Textabschnitten, erhalten Sie ihre Anzahl und Position. Ein brauchbares Ergebnis bleibt durch dieselbe Anwendung verwendbar, die die ursprüngliche Struktur verarbeitet.
Die Sampling-Empfehlungen dieser MoE-Ausgabe unterscheiden sich von denen der dichten Modelle: temperature 0.7, top-p 1.0, keine top-k-Filterung und repetition penalty 1.0. Der Hersteller gibt keinen standardmäßigen System-Prompt vor. Die im Generierungsbeispiel vorgesehenen 4096 Token sind ein Anfragebeispiel und keine Aussage, dass die maximale Antwortlänge des Modells auf diesen Wert festgelegt ist.
Prüfen Sie das Ergebnis anhand beider Aufgabenbestandteile: sprachliche Bedeutung und Strukturerhalt. Bestätigen Sie in einem Dokument-Workflow die einheitliche Verwendung des Glossars über alle Abschnitte hinweg. Vergleichen Sie bei einer Anwendungssprachdatei Kennungen und Platzhalter mit der Quelle, bevor Sie die übersetzten Werte weitergeben. Diese Prüfungen bewerten die Ausgabe, statt die Erfüllung einer angeforderten Erhaltungsregel vorauszusetzen.
", "aboutText": "Hy-MT2-30B-A3B ist die Mixture-of-Experts-Ausgabe der Übersetzungsfamilie Hy-MT2 von Tencent Hy. Der Hersteller positioniert die Familie für komplexe schriftliche Übersetzungsaufgaben und mehrsprachige Anweisungen, einschließlich Vorgaben zu Terminologie, Stil und strukturierten Daten. Die Ausgabe 30B-A3B bleibt von den dichten Modellen 1.8B und 7B getrennt. Die Sprachtabelle des Herstellers umfasst Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.\n\nIhre veröffentlichte Konfiguration hat 48 Schichten, 32 Query-Attention-Köpfe und vier Key/Value-Köpfe. Jede Expertenschicht verwendet 128 Experten, von denen pro Token acht ausgewählt werden; die maximale Positionszahl beträgt 262.144. Dies sind Eigenschaften genau dieser Konfiguration. Die allgemeinere Familienbezeichnung benennt keines der separat veröffentlichten quantisierten Artefakte.\n\nBeginnen Sie eine Übersetzungsaufgabe mit dem vollständigen Namen der Zielsprache und der gewünschten Antwortform. Die grundlegende Vorlage des Herstellers fordert nur das übersetzte Ergebnis an. Ist die Quelle Teil eines größeren Dokuments, ergänzen Sie den für ihre Interpretation nötigen Hintergrund und halten Sie diesen Kontext vom zu übersetzenden Text getrennt.\n\nStellen Sie für terminologieabhängige Aufgaben ein Glossar aus Ausgangsbegriffen und bevorzugten Übersetzungen bereit. Geben Sie für den Stil Zielgruppe und Ton ausdrücklich an. Eine personalisierte Übersetzung kann vor dem Ausgangstext mehrere Anforderungen auflisten, etwa die Behandlung von Namen oder die gewünschte Ausdrucksweise. Diese Prompt-Muster des Herstellers machen die Übersetzungsbedingungen zum Bestandteil der Aufgabe.\n\nSchreiben Sie für strukturiertes Material das ursprüngliche Format, die Hierarchie und Einrückung fest. Übersetzen Sie nur sichtbaren, für Nutzende bestimmten Text und erhalten Sie Schlüssel, Code-Bezeichnungen, Eigenschaften und Variablenplatzhalter. Trennen Zeichen eine Sammlung von Textabschnitten, erhalten Sie ihre Anzahl und Position. Ein brauchbares Ergebnis bleibt durch dieselbe Anwendung verwendbar, die die ursprüngliche Struktur verarbeitet.\n\nDie Sampling-Empfehlungen dieser MoE-Ausgabe unterscheiden sich von denen der dichten Modelle: temperature 0.7, top-p 1.0, keine top-k-Filterung und repetition penalty 1.0. Der Hersteller gibt keinen standardmäßigen System-Prompt vor. Die im Generierungsbeispiel vorgesehenen 4096 Token sind ein Anfragebeispiel und keine Aussage, dass die maximale Antwortlänge des Modells auf diesen Wert festgelegt ist.\n\nPrüfen Sie das Ergebnis anhand beider Aufgabenbestandteile: sprachliche Bedeutung und Strukturerhalt. Bestätigen Sie in einem Dokument-Workflow die einheitliche Verwendung des Glossars über alle Abschnitte hinweg. Vergleichen Sie bei einer Anwendungssprachdatei Kennungen und Platzhalter mit der Quelle, bevor Sie die übersetzten Werte weitergeben. Diese Prüfungen bewerten die Ausgabe, statt die Erfüllung einer angeforderten Erhaltungsregel vorauszusetzen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Translate an interface file safely\n\nTranslate only the user-visible YAML values into Russian. Preserve keys, indentation and the {count} placeholder. Use the glossary Retry = Повторить. Return only translated YAML.\nbuttons:\n retry: "Retry"\n cancel: "Cancel"\nstatus:\n pending: "{count} files pending"YAML with the same mapping hierarchy and keys, translated visible values and the unchanged {count} placeholder.Parse the YAML and compare the key tree and placeholder multiset with the source; check the Retry glossary term.tencent/hy-mt2-30b-a3bHy-MT2-30B-A3B von Tencent ist die MoE-Ausgabe seiner Fast-Thinking-Übersetzungsfamilie. Sie verarbeitet anweisungsgeführte Übersetzungen, Terminologie und strukturierte Daten, mit einer Konfiguration von 262.144 Positionen und Sampling-Empfehlungen, die sich von den dichten Ausgaben unterscheiden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Hy-MT2-30B-A3B ist die Mixture-of-Experts-Ausgabe der Übersetzungsfamilie Hy-MT2 von Tencent Hy. Der Hersteller positioniert die Familie für komplexe schriftliche Übersetzungsaufgaben und mehrsprachige Anweisungen, einschließlich Vorgaben zu Terminologie, Stil und strukturierten Daten. Die Ausgabe 30B-A3B bleibt von den dichten Modellen 1.8B und 7B getrennt. Die Sprachtabelle des Herstellers umfasst Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.
Ihre veröffentlichte Konfiguration hat 48 Schichten, 32 Query-Attention-Köpfe und vier Key/Value-Köpfe. Jede Expertenschicht verwendet 128 Experten, von denen pro Token acht ausgewählt werden; die maximale Positionszahl beträgt 262.144. Dies sind Eigenschaften genau dieser Konfiguration. Die allgemeinere Familienbezeichnung benennt keines der separat veröffentlichten quantisierten Artefakte.
Beginnen Sie eine Übersetzungsaufgabe mit dem vollständigen Namen der Zielsprache und der gewünschten Antwortform. Die grundlegende Vorlage des Herstellers fordert nur das übersetzte Ergebnis an. Ist die Quelle Teil eines größeren Dokuments, ergänzen Sie den für ihre Interpretation nötigen Hintergrund und halten Sie diesen Kontext vom zu übersetzenden Text getrennt.
Stellen Sie für terminologieabhängige Aufgaben ein Glossar aus Ausgangsbegriffen und bevorzugten Übersetzungen bereit. Geben Sie für den Stil Zielgruppe und Ton ausdrücklich an. Eine personalisierte Übersetzung kann vor dem Ausgangstext mehrere Anforderungen auflisten, etwa die Behandlung von Namen oder die gewünschte Ausdrucksweise. Diese Prompt-Muster des Herstellers machen die Übersetzungsbedingungen zum Bestandteil der Aufgabe.
Schreiben Sie für strukturiertes Material das ursprüngliche Format, die Hierarchie und Einrückung fest. Übersetzen Sie nur sichtbaren, für Nutzende bestimmten Text und erhalten Sie Schlüssel, Code-Bezeichnungen, Eigenschaften und Variablenplatzhalter. Trennen Zeichen eine Sammlung von Textabschnitten, erhalten Sie ihre Anzahl und Position. Ein brauchbares Ergebnis bleibt durch dieselbe Anwendung verwendbar, die die ursprüngliche Struktur verarbeitet.
Die Sampling-Empfehlungen dieser MoE-Ausgabe unterscheiden sich von denen der dichten Modelle: temperature 0.7, top-p 1.0, keine top-k-Filterung und repetition penalty 1.0. Der Hersteller gibt keinen standardmäßigen System-Prompt vor. Die im Generierungsbeispiel vorgesehenen 4096 Token sind ein Anfragebeispiel und keine Aussage, dass die maximale Antwortlänge des Modells auf diesen Wert festgelegt ist.
Prüfen Sie das Ergebnis anhand beider Aufgabenbestandteile: sprachliche Bedeutung und Strukturerhalt. Bestätigen Sie in einem Dokument-Workflow die einheitliche Verwendung des Glossars über alle Abschnitte hinweg. Vergleichen Sie bei einer Anwendungssprachdatei Kennungen und Platzhalter mit der Quelle, bevor Sie die übersetzten Werte weitergeben. Diese Prüfungen bewerten die Ausgabe, statt die Erfüllung einer angeforderten Erhaltungsregel vorauszusetzen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits tencent/hy-mt2-30b-a3b | 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 $0.000148 / 1K Token Ausgabe · Ausgabetoken $0.00059 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000148 / 1K Token Ausgabe · Ausgabetoken $0.00059 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy-mt2-30b-a3b", "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='tencent/hy-mt2-30b-a3b',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='tencent/hy-mt2-30b-a3b',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 tencent/hy-mt2-30b-a3b
Verwenden Sie die oben angezeigten Methodenpfade.
tencent/hy-mt2-30b-a3bHy-MT2-30B-A3B von Tencent ist die MoE-Ausgabe seiner Fast-Thinking-Übersetzungsfamilie. Sie verarbeitet anweisungsgeführte Übersetzungen, Terminologie und strukturierte Daten, mit einer Konfiguration von 262.144 Positionen und Sampling-Empfehlungen, die sich von den dichten Ausgaben unterscheiden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Hy-MT2-30B-A3B ist die Mixture-of-Experts-Ausgabe der Übersetzungsfamilie Hy-MT2 von Tencent Hy. Der Hersteller positioniert die Familie für komplexe schriftliche Übersetzungsaufgaben und mehrsprachige Anweisungen, einschließlich Vorgaben zu Terminologie, Stil und strukturierten Daten. Die Ausgabe 30B-A3B bleibt von den dichten Modellen 1.8B und 7B getrennt. Die Sprachtabelle des Herstellers umfasst Chinesisch, traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Arabisch, Französisch und Spanisch sowie Kantonesisch, Tibetisch, Kasachisch, Mongolisch und Uigurisch.
Ihre veröffentlichte Konfiguration hat 48 Schichten, 32 Query-Attention-Köpfe und vier Key/Value-Köpfe. Jede Expertenschicht verwendet 128 Experten, von denen pro Token acht ausgewählt werden; die maximale Positionszahl beträgt 262.144. Dies sind Eigenschaften genau dieser Konfiguration. Die allgemeinere Familienbezeichnung benennt keines der separat veröffentlichten quantisierten Artefakte.
Beginnen Sie eine Übersetzungsaufgabe mit dem vollständigen Namen der Zielsprache und der gewünschten Antwortform. Die grundlegende Vorlage des Herstellers fordert nur das übersetzte Ergebnis an. Ist die Quelle Teil eines größeren Dokuments, ergänzen Sie den für ihre Interpretation nötigen Hintergrund und halten Sie diesen Kontext vom zu übersetzenden Text getrennt.
Stellen Sie für terminologieabhängige Aufgaben ein Glossar aus Ausgangsbegriffen und bevorzugten Übersetzungen bereit. Geben Sie für den Stil Zielgruppe und Ton ausdrücklich an. Eine personalisierte Übersetzung kann vor dem Ausgangstext mehrere Anforderungen auflisten, etwa die Behandlung von Namen oder die gewünschte Ausdrucksweise. Diese Prompt-Muster des Herstellers machen die Übersetzungsbedingungen zum Bestandteil der Aufgabe.
Schreiben Sie für strukturiertes Material das ursprüngliche Format, die Hierarchie und Einrückung fest. Übersetzen Sie nur sichtbaren, für Nutzende bestimmten Text und erhalten Sie Schlüssel, Code-Bezeichnungen, Eigenschaften und Variablenplatzhalter. Trennen Zeichen eine Sammlung von Textabschnitten, erhalten Sie ihre Anzahl und Position. Ein brauchbares Ergebnis bleibt durch dieselbe Anwendung verwendbar, die die ursprüngliche Struktur verarbeitet.
Die Sampling-Empfehlungen dieser MoE-Ausgabe unterscheiden sich von denen der dichten Modelle: temperature 0.7, top-p 1.0, keine top-k-Filterung und repetition penalty 1.0. Der Hersteller gibt keinen standardmäßigen System-Prompt vor. Die im Generierungsbeispiel vorgesehenen 4096 Token sind ein Anfragebeispiel und keine Aussage, dass die maximale Antwortlänge des Modells auf diesen Wert festgelegt ist.
Prüfen Sie das Ergebnis anhand beider Aufgabenbestandteile: sprachliche Bedeutung und Strukturerhalt. Bestätigen Sie in einem Dokument-Workflow die einheitliche Verwendung des Glossars über alle Abschnitte hinweg. Vergleichen Sie bei einer Anwendungssprachdatei Kennungen und Platzhalter mit der Quelle, bevor Sie die übersetzten Werte weitergeben. Diese Prüfungen bewerten die Ausgabe, statt die Erfüllung einer angeforderten Erhaltungsregel vorauszusetzen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits tencent/hy-mt2-30b-a3b | 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 $0.000148 / 1K Token Ausgabe · Ausgabetoken $0.00059 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000148 / 1K Token Ausgabe · Ausgabetoken $0.00059 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "tencent/hy-mt2-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'tencent/hy-mt2-30b-a3b', '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': 'tencent/hy-mt2-30b-a3b', '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 tencent/hy-mt2-30b-a3b
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Translate an interface file safely\n\nTranslate only the user-visible YAML values into Russian. Preserve keys, indentation and the {count} placeholder. Use the glossary Retry = Повторить. Return only translated YAML.\nbuttons:\n retry: "Retry"\n cancel: "Cancel"\nstatus:\n pending: "{count} files pending"YAML with the same mapping hierarchy and keys, translated visible values and the unchanged {count} placeholder.Parse the YAML and compare the key tree and placeholder multiset with the source; check the Retry glossary term.