{ "aboutHtml": "

Tencent Hy3 ist ein Modell mit Texteingabe und Textausgabe, das mit der genauen ID tencent/hy3 ausgewählt wird. Seine veröffentlichte Kontextlänge beträgt 262 144 Tokens. Verwenden Sie den verfügbaren Kontext, um umfangreiches Ausgangsmaterial mit der zu beantwortenden Frage zu ordnen: gekennzeichnete Dokumentabschnitte, ein relevantes Gespräch oder Codeauszüge. Definieren Sie das gewünschte Ergebnis, etwa eine Entscheidungszusammenfassung, einen Vergleich nach benannten Kriterien oder einen im bereitgestellten Richtlinientext verankerten Entwurf.

Rufen Sie POST /v1/chat/completions mit model und einem nicht leeren messages-Array auf. Fügen Sie das tatsächliche Ausgangsmaterial in den Nachrichtentext ein und bewahren Sie die für ein fortlaufendes Gespräch benötigten Beiträge. Geben Sie bei mehreren Dokumenten jedem eine stabile Bezeichnung und bitten Sie darum, dass die Antwort die Passagen benennt, die ihre Schlussfolgerungen stützen. Fügen Sie bei einer Codeaufgabe die relevanten Definitionen und das beobachtete Verhalten ein und geben Sie anschließend an, ob das Ergebnis eine Erklärung, eine Prüfung oder eine vorgeschlagene Änderung sein soll.

Zu den veröffentlichten Steuerungen gehören max_tokens und max_completion_tokens für das gewünschte Antwortbudget, temperature und stop für die Generierung sowie reasoning, reasoning_effort und include_reasoning für Reasoning-bezogene Anfragen. Der angegebene Standardwert von temperature ist 0.9. Wählen Sie Steuerungen bewusst für die Aufgabe und bewahren Sie die tatsächlichen Werte mit der Anfrage auf, damit ein Vergleich zwischen Antworten eine bekannte Konfiguration verwendet. Teilen Sie den Kontext auf Anweisungen, Ausgangsmaterial, Verlauf und die angeforderte Antwort auf.

Für eine Anwendung, die eine bestimmte Antwortstruktur verarbeitet, enthält das Modellprofil response_format. Es stellt außerdem tools und tool_choice für Abläufe mit Funktionswerkzeugen bereit. Geben Sie die Funktionsdefinitionen an, die die Anwendung tatsächlich implementiert, bewahren Sie alle zurückgegebenen Werkzeugaufrufkennungen und Argumente auf und führen Sie die angegebene Anwendungsaktion aus, bevor Sie ihr Ergebnis im Gespräch bereitstellen. Halten Sie das Werkzeugschema und die erwarteten Ausgabefelder ausdrücklich fest, damit die Anwendung die generierte Antwort vor dem Fortfahren prüfen kann.

Verwenden Sie stream:false für eine vollständige JSON-Antwort oder stream:true zur Übertragung von Antwortereignissen an eine interaktive Oberfläche. Bewahren Sie jedes zurückgegebene choice, jeden Inhaltsblock, Werkzeugaufruf, jedes reasoning-Feld und usage-Feld auf, das die Antwort liefert. Setzen Sie beim Streaming Deltas nach ihren choice- und Werkzeugaufrufindizes zusammen und behalten Sie die abschließenden Abschlussinformationen. Bewahren Sie die ursprünglichen Anfrage- und Antwortkennungen auf, wenn die Übertragung ungewiss wird, damit der ursprüngliche Austausch vor einer weiteren Übermittlung geprüft werden kann.

", "aboutText": "Tencent Hy3 ist ein Modell mit Texteingabe und Textausgabe, das mit der genauen ID tencent/hy3 ausgewählt wird. Seine veröffentlichte Kontextlänge beträgt 262 144 Tokens. Verwenden Sie den verfügbaren Kontext, um umfangreiches Ausgangsmaterial mit der zu beantwortenden Frage zu ordnen: gekennzeichnete Dokumentabschnitte, ein relevantes Gespräch oder Codeauszüge. Definieren Sie das gewünschte Ergebnis, etwa eine Entscheidungszusammenfassung, einen Vergleich nach benannten Kriterien oder einen im bereitgestellten Richtlinientext verankerten Entwurf.\n\nRufen Sie POST /v1/chat/completions mit model und einem nicht leeren messages-Array auf. Fügen Sie das tatsächliche Ausgangsmaterial in den Nachrichtentext ein und bewahren Sie die für ein fortlaufendes Gespräch benötigten Beiträge. Geben Sie bei mehreren Dokumenten jedem eine stabile Bezeichnung und bitten Sie darum, dass die Antwort die Passagen benennt, die ihre Schlussfolgerungen stützen. Fügen Sie bei einer Codeaufgabe die relevanten Definitionen und das beobachtete Verhalten ein und geben Sie anschließend an, ob das Ergebnis eine Erklärung, eine Prüfung oder eine vorgeschlagene Änderung sein soll.\n\nZu den veröffentlichten Steuerungen gehören max_tokens und max_completion_tokens für das gewünschte Antwortbudget, temperature und stop für die Generierung sowie reasoning, reasoning_effort und include_reasoning für Reasoning-bezogene Anfragen. Der angegebene Standardwert von temperature ist 0.9. Wählen Sie Steuerungen bewusst für die Aufgabe und bewahren Sie die tatsächlichen Werte mit der Anfrage auf, damit ein Vergleich zwischen Antworten eine bekannte Konfiguration verwendet. Teilen Sie den Kontext auf Anweisungen, Ausgangsmaterial, Verlauf und die angeforderte Antwort auf.\n\nFür eine Anwendung, die eine bestimmte Antwortstruktur verarbeitet, enthält das Modellprofil response_format. Es stellt außerdem tools und tool_choice für Abläufe mit Funktionswerkzeugen bereit. Geben Sie die Funktionsdefinitionen an, die die Anwendung tatsächlich implementiert, bewahren Sie alle zurückgegebenen Werkzeugaufrufkennungen und Argumente auf und führen Sie die angegebene Anwendungsaktion aus, bevor Sie ihr Ergebnis im Gespräch bereitstellen. Halten Sie das Werkzeugschema und die erwarteten Ausgabefelder ausdrücklich fest, damit die Anwendung die generierte Antwort vor dem Fortfahren prüfen kann.\n\nVerwenden Sie stream:false für eine vollständige JSON-Antwort oder stream:true zur Übertragung von Antwortereignissen an eine interaktive Oberfläche. Bewahren Sie jedes zurückgegebene choice, jeden Inhaltsblock, Werkzeugaufruf, jedes reasoning-Feld und usage-Feld auf, das die Antwort liefert. Setzen Sie beim Streaming Deltas nach ihren choice- und Werkzeugaufrufindizes zusammen und behalten Sie die abschließenden Abschlussinformationen. Bewahren Sie die ursprünglichen Anfrage- und Antwortkennungen auf, wenn die Übertragung ungewiss wird, damit der ursprüngliche Austausch vor einer weiteren Übermittlung geprüft werden kann.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5f244b213665447f710ec7f3ca3f831acd99c5b6bee2df08befc86eb90bf4c28", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "
•

Tencent: Hy3

Tencent /tencent/hy3

Start

Tencent Hy3 ist ein Textmodell mit einem veröffentlichten Kontext von 262 144 Tokens und Chat Completions-Zugriff unter tencent/hy3. Verwenden Sie es mit bereitgestellten Dokumenten, Gesprächsverlauf oder Codetext und definieren Sie ein konkretes Ergebnis wie eine strukturierte Zusammenfassung, einen Vergleich oder einen Antwortvorschlag. Das Profil umfasst Steuerungen für Reasoning, Antwortformat und Funktionswerkzeuge.

Zulässige Eingaben
Text
Ergebnisse
Text
Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Tencent Hy3 ist ein Modell mit Texteingabe und Textausgabe, das mit der genauen ID tencent/hy3 ausgewählt wird. Seine veröffentlichte Kontextlänge beträgt 262 144 Tokens. Verwenden Sie den verfügbaren Kontext, um umfangreiches Ausgangsmaterial mit der zu beantwortenden Frage zu ordnen: gekennzeichnete Dokumentabschnitte, ein relevantes Gespräch oder Codeauszüge. Definieren Sie das gewünschte Ergebnis, etwa eine Entscheidungszusammenfassung, einen Vergleich nach benannten Kriterien oder einen im bereitgestellten Richtlinientext verankerten Entwurf.

Rufen Sie POST /v1/chat/completions mit model und einem nicht leeren messages-Array auf. Fügen Sie das tatsächliche Ausgangsmaterial in den Nachrichtentext ein und bewahren Sie die für ein fortlaufendes Gespräch benötigten Beiträge. Geben Sie bei mehreren Dokumenten jedem eine stabile Bezeichnung und bitten Sie darum, dass die Antwort die Passagen benennt, die ihre Schlussfolgerungen stützen. Fügen Sie bei einer Codeaufgabe die relevanten Definitionen und das beobachtete Verhalten ein und geben Sie anschließend an, ob das Ergebnis eine Erklärung, eine Prüfung oder eine vorgeschlagene Änderung sein soll.

Zu den veröffentlichten Steuerungen gehören max_tokens und max_completion_tokens für das gewünschte Antwortbudget, temperature und stop für die Generierung sowie reasoning, reasoning_effort und include_reasoning für Reasoning-bezogene Anfragen. Der angegebene Standardwert von temperature ist 0.9. Wählen Sie Steuerungen bewusst für die Aufgabe und bewahren Sie die tatsächlichen Werte mit der Anfrage auf, damit ein Vergleich zwischen Antworten eine bekannte Konfiguration verwendet. Teilen Sie den Kontext auf Anweisungen, Ausgangsmaterial, Verlauf und die angeforderte Antwort auf.

Für eine Anwendung, die eine bestimmte Antwortstruktur verarbeitet, enthält das Modellprofil response_format. Es stellt außerdem tools und tool_choice für Abläufe mit Funktionswerkzeugen bereit. Geben Sie die Funktionsdefinitionen an, die die Anwendung tatsächlich implementiert, bewahren Sie alle zurückgegebenen Werkzeugaufrufkennungen und Argumente auf und führen Sie die angegebene Anwendungsaktion aus, bevor Sie ihr Ergebnis im Gespräch bereitstellen. Halten Sie das Werkzeugschema und die erwarteten Ausgabefelder ausdrücklich fest, damit die Anwendung die generierte Antwort vor dem Fortfahren prüfen kann.

Verwenden Sie stream:false für eine vollständige JSON-Antwort oder stream:true zur Übertragung von Antwortereignissen an eine interaktive Oberfläche. Bewahren Sie jedes zurückgegebene choice, jeden Inhaltsblock, Werkzeugaufruf, jedes reasoning-Feld und usage-Feld auf, das die Antwort liefert. Setzen Sie beim Streaming Deltas nach ihren choice- und Werkzeugaufrufindizes zusammen und behalten Sie die abschließenden Abschlussinformationen. Bewahren Sie die ursprünglichen Anfrage- und Antwortkennungen auf, wenn die Übertragung ungewiss wird, damit der ursprüngliche Austausch vor einer weiteren Übermittlung geprüft werden kann.

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Chat Completions POST /v1/chat/completions
Eingabetypen
text
Ausgabetypen
text
Kontext
262.144 tokens
Ausgabeformat
JSON or supported SSE
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
tencent/hy3
Standard—
FeldmessagesTyparrayAnforderungErforderlichWerte und LimitsStandard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
Feldmax_tokensTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Standard—
Feldmax_completion_tokensTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Standard—
FeldnTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Standard—
FeldtemperatureTypnumberAnforderungOptionalWerte und LimitsStandard—
Feldtop_pTypnumberAnforderungOptionalWerte und LimitsStandard—
FeldseedTypintegerAnforderungOptionalWerte und LimitsStandard—
FeldstopTypAnforderungOptionalWerte und LimitsStandard—
Feldfrequency_penaltyTypnumberAnforderungOptionalWerte und LimitsStandard—
Feldpresence_penaltyTypnumberAnforderungOptionalWerte und LimitsStandard—
FelduserTypstringAnforderungOptionalWerte und LimitsStandard—
Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, messages
ParameteroptionalVertragstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user
Parametermaterial_typesVertragtext
ParameterconditionsVertrag

Lebenszyklus: synchronous_json_or_sse

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Nicht angegeben Wenn der Modus flex ausgewählt ist
Time schedule
{"periods":[{"end_time":"16:00","multiplier":"1.6","start_time":"00:00"}],"timezone":"UTC","weekdays_only":false} At the request pricing time

Ailoot-Tarife

Preise nach Konfiguration

KonfigurationTarifstaffelGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifGebühr
Eingabe · Eingabetoken $0.000165 / 1K Token
Ausgabe · Ausgabetoken $0.00066 / 1K Token
Eingabe · Cache-Lesen $0.00004125 / 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 →

Beispielanfragen

Ailoot Ultra · Chat Completions

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy3", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "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\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Ergebnisse abrufen und speichern

Ailoot Ultra · Chat Completions

JSON or supported SSE

Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Retain the complete response, all actual results, original identifiers, usage and response headers.

Wenn die ursprüngliche Antwort geprüft werden muss

Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.

Aliasnamen

Modellaliasnamen

Ailoot Ultra tencent/hy3

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

tencent/hy3

", "method_identity": { "effective_request_model_id": "tencent/hy3", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "tencent/hy3", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|tencent%2Fhy3", "ordinal": 0, "rawMethod": { "available": null, "cache_read": "0.04125", "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "messages": [ { "content": "Summarize the supplied text in three concise points.", "role": "user" } ], "model": "tencent/hy3", "stream": false }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_json_or_sse", "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "family": "text", "format": "JSON or supported SSE" }, "parameters": [ { "default_known": false, "enum": [ "tencent/hy3" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "items": { "additionalProperties": true, "properties": { "content": { "type": "string" }, "role": { "enum": [ "user", "assistant", "system", "developer" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "default_known": false, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "default_known": false, "enum_known": false, "minimum": 1, "name": "n", "required": false, "type": "integer" }, { "default_known": false, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "default_known": false, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "default_known": false, "enum_known": false, "name": "seed", "required": false, "type": "integer" }, { "default_known": false, "enum_known": false, "name": "stop", "oneOf": [ { "type": "string" }, { "items": { "type": "string" }, "type": "array" } ], "required": false }, { "default_known": false, "enum_known": false, "name": "frequency_penalty", "required": false, "type": "number" }, { "default_known": false, "enum_known": false, "name": "presence_penalty", "required": false, "type": "number" }, { "default_known": false, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "request_schema": { "additionalProperties": true, "properties": { "frequency_penalty": { "type": "number" }, "max_completion_tokens": { "minimum": 1, "type": "integer" }, "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": true, "properties": { "content": { "type": "string" }, "role": { "enum": [ "user", "assistant", "system", "developer" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/hy3" ], "type": "string" }, "n": { "minimum": 1, "type": "integer" }, "presence_penalty": { "type": "number" }, "seed": { "type": "integer" }, "stop": { "oneOf": [ { "type": "string" }, { "items": { "type": "string" }, "type": "array" } ] }, "stream": { "default": false, "type": "boolean" }, "temperature": { "type": "number" }, "top_p": { "type": "number" }, "user": { "type": "string" } }, "required": [ "model", "messages" ], "type": "object" }, "schema_template": { "body": { "messages": [ { "content": "Summarize the supplied text in three concise points.", "role": "user" } ], "model": "tencent/hy3", "stream": false }, "content_type": "application/json" } }, "input": { "conditions": [], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "max_tokens", "max_completion_tokens", "n", "temperature", "top_p", "seed", "stop", "frequency_penalty", "presence_penalty", "user" ], "required": [ "model", "messages" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_json_or_sse", "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "output": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "family": "text", "format": "JSON or supported SSE" } }, "ctx": 262144, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.000165000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000165", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00066000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000066", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.00004125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.00000004125", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/hy3\", \"messages\": [{\"role\": \"user\", \"content\": \"Summarize the supplied text in three concise points.\"}], \"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\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "http": "POST", "img_in": null, "img_out": null, "in": "0.165", "input": [ "text" ], "label": "Chat Completions", "max_out": null, "method_aliases": [], "out": "0.66", "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Time schedule", "value": "{\"periods\":[{\"end_time\":\"16:00\",\"multiplier\":\"1.6\",\"start_time\":\"00:00\"}],\"timezone\":\"UTC\",\"weekdays_only\":false}", "when": "At the request pricing time" } ], "pricing": { "billing_mode": "token", "cache_read_price": "0.00000004125", "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": "0.000000165", "intervals": [], "output_price": "0.00000066", "per_request_price": null, "reasoning_effort_multipliers": {}, "time_pricing": { "periods": [ { "end_time": "16:00", "multiplier": "1.6", "start_time": "00:00" } ], "timezone": "UTC", "weekdays_only": false } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.000165000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000165", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00066000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000066", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.00004125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.00000004125", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "reasoning_effort_multipliers": {}, "request_model_id": "tencent/hy3", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "token", "units": [ { "amount": "0.000165000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000165", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00066000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000066", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.00004125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.00000004125", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "tencent/hy3", "nativeProvenance": { "input_facts_canonical_sha256": "25827a9fe69f2bb5852e6f089828e1eca5bad6497333f891e0780894aaf96999", "input_html_sha256": "7510475c77a12c174bec94c98e20a261e3860514aa4b88438227bf6d166f25f0", "private_audit_sha256": "7b9e490d8bedb8431c54d38e8de079e070b3781e1de1181ffcb917bd13087671", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/de/tencent-hy3/", "description": "Tencent Hy3 ist ein Textmodell mit einem veröffentlichten Kontext von 262 144 Tokens und Chat Completions-Zugriff unter tencent/hy3. Verwenden Sie es mit bereitgestellten Dokumenten, Gesprächsverlauf oder Codetext und definieren Sie ein konkretes Ergebnis wie eine strukturierte Zusammenfassung, einen Vergleich oder einen Antwortvorschlag. Das Profil umfasst Steuerungen für Reasoning, Antwortformat und Funktionswerkzeuge.", "locale": "de", "md_url": "https://ailoot.ai/models/de/tencent-hy3/index.md", "title": "Tencent: Hy3 — Ailoot", "url": "https://ailoot.ai/models/de/tencent-hy3/" }, "rawModel": { "about": "Tencent Hy3 ist ein Modell mit Texteingabe und Textausgabe, das mit der genauen ID tencent/hy3 ausgewählt wird. Seine veröffentlichte Kontextlänge beträgt 262 144 Tokens. Verwenden Sie den verfügbaren Kontext, um umfangreiches Ausgangsmaterial mit der zu beantwortenden Frage zu ordnen: gekennzeichnete Dokumentabschnitte, ein relevantes Gespräch oder Codeauszüge. Definieren Sie das gewünschte Ergebnis, etwa eine Entscheidungszusammenfassung, einen Vergleich nach benannten Kriterien oder einen im bereitgestellten Richtlinientext verankerten Entwurf.\n\nRufen Sie POST /v1/chat/completions mit model und einem nicht leeren messages-Array auf. Fügen Sie das tatsächliche Ausgangsmaterial in den Nachrichtentext ein und bewahren Sie die für ein fortlaufendes Gespräch benötigten Beiträge. Geben Sie bei mehreren Dokumenten jedem eine stabile Bezeichnung und bitten Sie darum, dass die Antwort die Passagen benennt, die ihre Schlussfolgerungen stützen. Fügen Sie bei einer Codeaufgabe die relevanten Definitionen und das beobachtete Verhalten ein und geben Sie anschließend an, ob das Ergebnis eine Erklärung, eine Prüfung oder eine vorgeschlagene Änderung sein soll.\n\nZu den veröffentlichten Steuerungen gehören max_tokens und max_completion_tokens für das gewünschte Antwortbudget, temperature und stop für die Generierung sowie reasoning, reasoning_effort und include_reasoning für Reasoning-bezogene Anfragen. Der angegebene Standardwert von temperature ist 0.9. Wählen Sie Steuerungen bewusst für die Aufgabe und bewahren Sie die tatsächlichen Werte mit der Anfrage auf, damit ein Vergleich zwischen Antworten eine bekannte Konfiguration verwendet. Teilen Sie den Kontext auf Anweisungen, Ausgangsmaterial, Verlauf und die angeforderte Antwort auf.\n\nFür eine Anwendung, die eine bestimmte Antwortstruktur verarbeitet, enthält das Modellprofil response_format. Es stellt außerdem tools und tool_choice für Abläufe mit Funktionswerkzeugen bereit. Geben Sie die Funktionsdefinitionen an, die die Anwendung tatsächlich implementiert, bewahren Sie alle zurückgegebenen Werkzeugaufrufkennungen und Argumente auf und führen Sie die angegebene Anwendungsaktion aus, bevor Sie ihr Ergebnis im Gespräch bereitstellen. Halten Sie das Werkzeugschema und die erwarteten Ausgabefelder ausdrücklich fest, damit die Anwendung die generierte Antwort vor dem Fortfahren prüfen kann.\n\nVerwenden Sie stream:false für eine vollständige JSON-Antwort oder stream:true zur Übertragung von Antwortereignissen an eine interaktive Oberfläche. Bewahren Sie jedes zurückgegebene choice, jeden Inhaltsblock, Werkzeugaufruf, jedes reasoning-Feld und usage-Feld auf, das die Antwort liefert. Setzen Sie beim Streaming Deltas nach ihren choice- und Werkzeugaufrufindizes zusammen und behalten Sie die abschließenden Abschlussinformationen. Bewahren Sie die ursprünglichen Anfrage- und Antwortkennungen auf, wenn die Übertragung ungewiss wird, damit der ursprüngliche Austausch vor einer weiteren Übermittlung geprüft werden kann.", "alias_of": null, "aliases": [], "author": "Tencent", "ctx": 262144, "formats": [ "chat" ], "id": "tencent/hy3", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": "0.04125", "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "messages": [ { "content": "Summarize the supplied text in three concise points.", "role": "user" } ], "model": "tencent/hy3", "stream": false }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_json_or_sse", "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "family": "text", "format": "JSON or supported SSE" }, "parameters": [ { "default_known": false, "enum": [ "tencent/hy3" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "items": { "additionalProperties": true, "properties": { "content": { "type": "string" }, "role": { "enum": [ "user", "assistant", "system", "developer" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "default_known": false, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "default_known": false, "enum_known": false, "minimum": 1, "name": "n", "required": false, "type": "integer" }, { "default_known": false, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "default_known": false, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "default_known": false, "enum_known": false, "name": "seed", "required": false, "type": "integer" }, { "default_known": false, "enum_known": false, "name": "stop", "oneOf": [ { "type": "string" }, { "items": { "type": "string" }, "type": "array" } ], "required": false }, { "default_known": false, "enum_known": false, "name": "frequency_penalty", "required": false, "type": "number" }, { "default_known": false, "enum_known": false, "name": "presence_penalty", "required": false, "type": "number" }, { "default_known": false, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "request_schema": { "additionalProperties": true, "properties": { "frequency_penalty": { "type": "number" }, "max_completion_tokens": { "minimum": 1, "type": "integer" }, "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": true, "properties": { "content": { "type": "string" }, "role": { "enum": [ "user", "assistant", "system", "developer" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/hy3" ], "type": "string" }, "n": { "minimum": 1, "type": "integer" }, "presence_penalty": { "type": "number" }, "seed": { "type": "integer" }, "stop": { "oneOf": [ { "type": "string" }, { "items": { "type": "string" }, "type": "array" } ] }, "stream": { "default": false, "type": "boolean" }, "temperature": { "type": "number" }, "top_p": { "type": "number" }, "user": { "type": "string" } }, "required": [ "model", "messages" ], "type": "object" }, "schema_template": { "body": { "messages": [ { "content": "Summarize the supplied text in three concise points.", "role": "user" } ], "model": "tencent/hy3", "stream": false }, "content_type": "application/json" } }, "input": { "conditions": [], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "max_tokens", "max_completion_tokens", "n", "temperature", "top_p", "seed", "stop", "frequency_penalty", "presence_penalty", "user" ], "required": [ "model", "messages" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_json_or_sse", "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "output": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "family": "text", "format": "JSON or supported SSE" } }, "ctx": 262144, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.000165000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000165", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00066000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000066", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.00004125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.00000004125", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/hy3\", \"messages\": [{\"role\": \"user\", \"content\": \"Summarize the supplied text in three concise points.\"}], \"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\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "http": "POST", "img_in": null, "img_out": null, "in": "0.165", "input": [ "text" ], "label": "Chat Completions", "max_out": null, "method_aliases": [], "out": "0.66", "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Time schedule", "value": "{\"periods\":[{\"end_time\":\"16:00\",\"multiplier\":\"1.6\",\"start_time\":\"00:00\"}],\"timezone\":\"UTC\",\"weekdays_only\":false}", "when": "At the request pricing time" } ], "pricing": { "billing_mode": "token", "cache_read_price": "0.00000004125", "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": "0.000000165", "intervals": [], "output_price": "0.00000066", "per_request_price": null, "reasoning_effort_multipliers": {}, "time_pricing": { "periods": [ { "end_time": "16:00", "multiplier": "1.6", "start_time": "00:00" } ], "timezone": "UTC", "weekdays_only": false } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.000165000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000165", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00066000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000066", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.00004125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.00000004125", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "reasoning_effort_multipliers": {}, "request_model_id": "tencent/hy3", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "token", "units": [ { "amount": "0.000165000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000165", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00066000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000066", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.00004125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.00000004125", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "tencent/hy3", "request_model_id": "tencent/hy3", "route_label": "Ultra" } ], "name": "Tencent: Hy3", "price": { "in": "0.165", "in_label": null, "out": "0.66", "out_label": null, "sort_in": "0.165", "sort_out": "0.66", "varies": false }, "short": "Tencent Hy3 ist ein Textmodell mit einem veröffentlichten Kontext von 262 144 Tokens und Chat Completions-Zugriff unter tencent/hy3. Verwenden Sie es mit bereitgestellten Dokumenten, Gesprächsverlauf oder Codetext und definieren Sie ein konkretes Ergebnis wie eine strukturierte Zusammenfassung, einen Vergleich oder einen Antwortvorschlag. Das Profil umfasst Steuerungen für Reasoning, Antwortformat und Funktionswerkzeuge." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Tencent Hy3 ist ein Textmodell mit einem veröffentlichten Kontext von 262 144 Tokens und Chat Completions-Zugriff unter tencent/hy3. Verwenden Sie es mit bereitgestellten Dokumenten, Gesprächsverlauf oder Codetext und definieren Sie ein konkretes Ergebnis wie eine strukturierte Zusammenfassung, einen Vergleich oder einen Antwortvorschlag. Das Profil umfasst Steuerungen für Reasoning, Antwortformat und Funktionswerkzeuge.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "c372d58d3f2ebe5544cfa1b05fb9b035bb5f1e0306f7b287a4dfd0bca4e7521c", "renderer_sha256": "8bd3076b303b7b3aa4d961032854071403a471ec26a4f50c64e3a32556ea2925" }, "sourceRevision": "f76cea1cbe40756129cad8caa232e46e6f2101508f6cbe2263295e019b5e298d" }