μοντέλα

Meta: Llama 3.1 70B Instruct

Markdown · JSON

Meta: Llama 3.1 70B Instruct

Το Llama 3.1 70B Instruct είναι το μοντέλο κειμένου της Meta για πολυγλωσσικό διάλογο, συλλογιστική σε έγγραφα και κώδικα. Η έκδοση 70 δισ. παραμέτρων που έχει προσαρμοστεί σε οδηγίες χρησιμοποιεί προσοχή ομαδοποιημένων ερωτημάτων, παράθυρο συμφραζομένων 128 χιλ. tokens κατά τον δημιουργό και τεκμηριωμένες μορφές συνομιλίας με κλήσεις εργαλείων, με έξοδο κειμένου και κώδικα.

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Το Llama 3.1 70B Instruct είναι το μοντέλο κειμένου 70 δισεκατομμυρίων παραμέτρων της Meta, βελτιστοποιημένο για πολυγλωσσικό διάλογο και αιτήματα τύπου βοηθού. Είναι checkpoint προσαρμοσμένο σε οδηγίες μέσα σε μια οικογένεια που περιλαμβάνει επίσης μεγέθη 8B και 405B και ξεχωριστά προεκπαιδευμένα μοντέλα. Δέχεται κείμενο και επιστρέφει πολυγλωσσικό κείμενο ή κώδικα· η ονομασμένη έκδοση 70B διατηρεί το δικό της μέγεθος και ταυτότητα.

Πληροφορίες μοντέλου και εκπαίδευση

Η έκδοση χρησιμοποιεί αυτοπαλίνδρομη αρχιτεκτονική Transformer με προσοχή ομαδοποιημένων ερωτημάτων. Τα προσαρμοσμένα μοντέλα ευθυγραμμίζονται μέσω εποπτευόμενης λεπτομερούς προσαρμογής και ενισχυτικής μάθησης με ανθρώπινη ανατροφοδότηση. Αυτά είναι στάδια εκπαίδευσης για χρήσιμη συνομιλιακή συμπεριφορά, όχι ένας ονομασμένος διακόπτης κατά την εκτέλεση μεταξύ ξεχωριστών λειτουργιών με και χωρίς συλλογιστική.

Ο δημιουργός τεκμηριώνει παράθυρο συμφραζομένων 128 χιλ. tokens για τα μοντέλα κειμένου και υποστηρίζει επίσημα αγγλικά, γερμανικά, γαλλικά, ιταλικά, πορτογαλικά, χίντι, ισπανικά και ταϊλανδικά. Η εκπαίδευση περιλαμβάνει ευρύτερη συλλογή γλωσσών, πράγμα που δεν καθιστά κάθε γλώσσα εξίσου υποστηριζόμενη. Προσδιορίστε τη γλώσσα εξόδου, την ορολογία και τον αναγνώστη πριν ζητήσετε ένα πολυγλωσσικό παραδοτέο.

Το σώμα προεκπαίδευσης της οικογένειας περιγράφεται ως περίπου δεκαπέντε τρισεκατομμύρια tokens, με όριο τον Δεκέμβριο του 2023. Η λεπτομερής προσαρμογή περιλαμβάνει σύνολα δεδομένων οδηγιών και περισσότερα από είκοσι πέντε εκατομμύρια συνθετικά παραδείγματα. Το όριο αφορά τα δεδομένα εκπαίδευσης· ένα ερώτημα που εξαρτάται από νεότερες ή ιδιωτικές πληροφορίες χρειάζεται αυτές τις πληροφορίες παρεχόμενες στην εργασία ή επιστρεφόμενες από συνδεδεμένη πηγή.

Συνομιλία τύπου βοηθού και ανάλυση πηγών

Η έκδοση Instruct προορίζεται να ανταποκρίνεται σε συνομιλιακό αίτημα, ενώ η προεκπαιδευμένη έκδοση είναι βάση που μπορεί να προσαρμοστεί για άλλες εργασίες παραγωγής. Για απάντηση βασισμένη σε πηγές, δώστε το ερώτημα και τα αποσπάσματα που καθορίζουν το αποτέλεσμα. Επισημάνετε τις πηγές και ζητήστε την υποστηρικτική ενότητα ή δήλωση δίπλα σε κάθε εύρημα.

Μια πρακτική σύγκριση μπορεί να παρέχει δύο διαδικασίες και να ζητά κοινές συνθήκες, διαφορές και άλυτες συγκρούσεις. Ένας οδηγός που προκύπτει μπορεί να διατηρεί την αρχική ακολουθία και τις συνθήκες υπό τις οποίες ισχύει κάθε ενέργεια. Μια εργασία επιμέλειας εγγράφου μπορεί να προσδιορίζει το κοινό, τα γεγονότα που πρέπει να διατηρηθούν και αν το τελικό παραδοτέο πρέπει να είναι μόνο ένα αναθεωρημένο απόσπασμα ή ένα απόσπασμα με εξήγηση.

Για μεγαλύτερη απάντηση, ονομάστε τις απαιτούμενες ενότητες και τον σκοπό καθεμιάς. Ένα μεγάλο παράθυρο συμφραζομένων μπορεί να κρατά μαζί σχετικό υλικό, ενώ το τελικό αποτέλεσμα παραμένει ένας συνοπτικός πίνακας ή εξήγηση. Οι ταυτότητες πηγών και ένα σαφώς ορισμένο ερώτημα έχουν μεγαλύτερη σημασία από την απλή συμπερίληψη κάθε διαθέσιμου εγγράφου.

Κώδικας και παραγόμενα παραδείγματα

Η τεκμηριωμένη έξοδος περιλαμβάνει κώδικα. Για προτεινόμενη υλοποίηση, δώστε τη γλώσσα, τους τύπους εισόδου, το αναμενόμενο αποτέλεσμα και τη διεπαφή που πρέπει να παραμένει συμβατή. Συμπεριλάβετε το υπάρχον τμήμα και τις σχετικές δηλώσεις όταν η εργασία είναι διόρθωση. Ζητήστε τον κώδικα χωριστά από τις παραδοχές και τα παραδείγματά του, ώστε το επόμενο βήμα ανάπτυξης να μπορεί να τον εξετάσει.

Για εξήγηση κώδικα, δώστε την είσοδο προς ιχνηλάτηση και ρωτήστε πώς η παρεχόμενη συνάρτηση φτάνει στην επιστρεφόμενη τιμή. Για μαθηματική εξήγηση, ορίστε σύμβολα και παραδοχές και δηλώστε αν το αποτέλεσμα πρέπει να είναι ακριβές, προσεγγιστικό ή απόδειξη. Η παραγωγή κώδικα και η γραπτή συλλογιστική δεν μεταγλωττίζουν από μόνες τους πρόγραμμα ούτε εκτελούν υπολογισμό.

Ο δημιουργός προσδιορίζει επίσης την παραγωγή συνθετικών δεδομένων και την απόσταξη ως χρήσεις της οικογένειας. Μια εργασία κειμένου μπορεί να ζητά ποικίλα παραδείγματα σε συγκεκριμένη μορφή, διατηρώντας τους παρεχόμενους κανόνες. Το αν αυτά τα παραδείγματα είναι κατάλληλα για περαιτέρω εκπαίδευση είναι ξεχωριστή απόφαση της εφαρμογής· η έξοδος κειμένου από μόνη της δεν αποτελεί ανεξάρτητη επαλήθευση της ορθότητάς τους.

Μορφή συνομιλίας και εργαλεία

Η κάρτα παρουσιάζει χωριστά μηνύματα συστήματος και χρήστη με το αντίστοιχο πρότυπο συνομιλίας. Χρησιμοποιήστε την οδηγία συστήματος για ρόλο, τόνο και σταθερούς κανόνες απάντησης, ενώ το αίτημα χρήστη περιέχει το πραγματικό πρόβλημα και τις πηγές. Διατηρήστε τα σχετικά προηγούμενα μηνύματα όταν ζητάτε συνέχεια που βασίζεται σε προηγούμενη απάντηση.

Το Llama 3.1 υποστηρίζει πολλές τεκμηριωμένες μορφές χρήσης εργαλείων. Η εφαρμογή παρέχει τις συναρτήσεις και τις παραμέτρους, το μοντέλο προετοιμάζει μια προτεινόμενη κλήση, η εφαρμογή την εκτελεί και προσθέτει το αποτέλεσμά της στη συνομιλία. Μια επόμενη παραγωγή μπορεί να χρησιμοποιήσει αυτό το αποτέλεσμα. Το σύντομο παράδειγμα της κάρτας δείχνει ρητά την προσθήκη της κλήσης του βοηθού και κατόπιν του αποτελέσματος εργαλείου· η επιλογή μιας συνάρτησης διαφέρει από την ολοκλήρωση της ενέργειάς της.

Για αναζήτηση, δηλώστε ποιες πληροφορίες απαιτούνται και ορίστε τη συνάρτηση που τις επιστρέφει. Κρατήστε την πραγματική επιστρεφόμενη τιμή μαζί με την αρχική κλήση πριν ζητήσετε την τελική εξήγηση. Για υπολογισμό, διακρίνετε την προτεινόμενη ενέργεια του μοντέλου από το αποτέλεσμα που επιστρέφει η αριθμομηχανή. Η εγγενής μορφοποίηση εργαλείων και η ορατή αναπαράσταση μιας περιβάλλουσας διεπαφής πρέπει να διατηρούν τις δικές τους τεκμηριωμένες συμβάσεις.

Έκδοση και πρακτικά όρια

Η ρύθμιση παραγωγής 256 tokens της κάρτας που εξετάστηκε είναι παράδειγμα χρήσης και όχι ανεξάρτητα δηλωμένη μέγιστη χωρητικότητα εξόδου. Το παράθυρο 128 χιλ. tokens αφορά το υλικό και την παραγόμενη συνομιλία μέσα στη ρυθμισμένη έκδοση. Μην αποδίδετε σε αυτή την έκδοση το παράθυρο συμφραζομένων ή τις οπτικές δυνατότητες του Llama 4 ούτε το μέγεθος άλλου checkpoint Llama 3.1.

Αυτό είναι μοντέλο Instruct αποκλειστικά κειμένου. Μια εικόνα, ηχογράφηση ή βίντεο χρειάζεται το σχετικό περιεχόμενό του προετοιμασμένο μέσω άλλου συστατικού. Η εξωτερική ανάκτηση, η εκτέλεση προγραμμάτων και οι αλλαγές αρχείων ανήκουν επίσης στην εφαρμογή που συνδέεται με τον βοηθό. Διατηρήστε την ακριβή έκδοση 70B Instruct και ζητήστε την εξήγηση συνδεδεμένη με πηγές, το αναθεωρημένο έγγραφο, τον κώδικα ή το δομημένο κείμενο που χρειάζεται η εργασία.

Πρακτική εργασία

Πρακτική εργασία

Τεχνικό παράδειγμα στα αγγλικά

Produce a bilingual maintenance notice

Write a maintenance notice in English and Spanish from these facts: warehouse entrance B closes on Tuesday from 08:00 to 11:00; deliveries must use entrance A; pedestrian access is unchanged. Use three short sentences per language and preserve entrance letters and times. Do not add a date, delay estimate or closure of pedestrian access.

Αναμενόμενο αποτέλεσμα

Two labelled language blocks with equivalent three-sentence notices.

Έλεγχος αποτελέσματος

Compare both versions for entrance A/B, Tuesday, the time range and unchanged pedestrian access.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta-llama/llama-3.1-70b-instruct

meta-llama/llama-3.1-70b-instruct

Meta /meta-llama/llama-3.1-70b-instruct

Εισαγωγή

Το Llama 3.1 70B Instruct είναι το μοντέλο κειμένου της Meta για πολυγλωσσικό διάλογο, συλλογιστική σε έγγραφα και κώδικα. Η έκδοση 70 δισ. παραμέτρων που έχει προσαρμοστεί σε οδηγίες χρησιμοποιεί προσοχή ομαδοποιημένων ερωτημάτων, παράθυρο συμφραζομένων 128 χιλ. tokens κατά τον δημιουργό και τεκμηριωμένες μορφές συνομιλίας με κλήσεις εργαλείων, με έξοδο κειμένου και κώδικα.

Αποδεκτές είσοδοι
Κείμενο
Αποτελέσματα
Κείμενο

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Είσοδος
text
Έξοδος
text
Μορφή εξόδου
json ή SSE
ΠεδίοΤύποςΑπαίτησηΤιμές και όριαΠροεπιλογή
ΠεδίοmodelΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
meta-llama/llama-3.1-70b-instruct
Προεπιλογή—
ΠεδίοmessagesΤύποςmessage[]ΑπαίτησηΥποχρεωτικόΤιμές και όρια
Ελάχιστο πλήθος στοιχείων: 1
Προεπιλογή—
Πεδίοmessages[].roleΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
Παραδείγματα: system, user, assistant, tool, function
Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο.
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοmessages[].contentΤύποςstring|content_part[]|nullΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοmessages[].tool_callsΤύποςtool_call[]ΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοmessages[].tool_call_idΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε
Προεπιλογή—
Πεδίοmessages[].nameΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοmessages[].reasoning_contentΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί
Προεπιλογή—
Πεδίοmessages[].reasoning_detailsΤύποςobject|arrayΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοmax_tokensΤύποςintegerΑπαίτησηΠροαιρετικόΤιμές και όρια
Ελάχιστο: 1
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοmax_completion_tokensΤύποςintegerΑπαίτησηΠροαιρετικόΤιμές και όρια
Ελάχιστο: 1
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοstreamΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογήfalse
Πεδίοstream_options.include_usageΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοtemperatureΤύποςnumberΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοtop_pΤύποςnumberΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοstopΤύποςstring|string[]ΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοtoolsΤύποςfunction_tool[]ΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοtools[].typeΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
function
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοtools[].function.nameΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης
Προεπιλογή—
Πεδίοtools[].function.descriptionΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοtools[].function.parametersΤύποςJSON_schemaΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοtool_choiceΤύποςstring|objectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοparallel_tool_callsΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοresponse_formatΤύποςobjectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοreasoning_effortΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοreasoningΤύποςobjectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοservice_tierΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοinstructionsΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Πεδίο συμβατότητας
Προεπιλογή—
ΠεδίοfunctionsΤύποςfunction[]ΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοfunction_callΤύποςstring|objectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοprompt_cache_optionsΤύποςobjectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοmodalitiesΤύποςstring[]ΑπαίτησηΠροαιρετικόΤιμές και όρια
text
Προεπιλογή—
ΠεδίοproviderΤύποςobjectΑπαίτησηΠροαιρετικόΤιμές και όρια
Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra
Προεπιλογή—
Πεδίοcache_control.ttlΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών
Προεπιλογή—
Συνδυασμοί υλικών εισόδου

Κείμενο · Κείμενο UTF8

messages[].content

Παράμετροι και κύκλος ζωής μεθόδου
ΠαράμετροςΣύμβαση
Παράμετροςcontent_typeΣύμβασηapplication/json
ΠαράμετροςrequiredΣύμβασηmodel, messages
Παράμετροςmaterial_typesΣύμβασηtext
ΠαράμετροςmessagesΣύμβασηΠίνακας μηνυμάτων με δομή role/content
Παράμετροςfile_materialΣύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου
Παράμετροςoptional_controlsΣύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Παράμετροςcontrol_scopeΣύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία
Παράμετροςoutput_modalitiesΣύμβασηtext
Παράμετροςhosted_operationsΣύμβασηfalse
Παράμετροςmultimodal_input_bindingΣύμβασηnull

Κύκλος ζωής: synchronous_or_streamed

Στείλτε το ακριβές ID μοντέλου μαζί με το messages.

Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.

Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία
Τυπική χρέωση Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex
Τυπική χρέωση Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού
Τυπική χρέωση Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.

ΔιαμόρφωσηΠίνακας χρεώσεωνToken συμφραζομένων, πάνω απόToken συμφραζομένων, έως καιΧρέωση
ΔιαμόρφωσηΒασικές χρεώσεις ανά tokenΠίνακας χρεώσεωνΒασική χρέωσηToken συμφραζομένων, πάνω από—Token συμφραζομένων, έως καιΧωρίς ανώτατο όριοΧρέωση
Είσοδος · Token εισόδου $0.00144 / 1K token
Έξοδος · Token εξόδου $0.00144 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token
ΔιαμόρφωσηΕπίπεδο 1 βάσει μήκους αιτήματοςΠίνακας χρεώσεων—Token συμφραζομένων, πάνω από0Token συμφραζομένων, έως καιΧωρίς ανώτατο όριοΧρέωση
Είσοδος · Token εισόδου $0.00144 / 1K token
Έξοδος · Token εξόδου $0.00144 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token

Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →

Παραδείγματα αιτημάτων

Ailoot Ultra · OpenAI Chat

curlPython SDKΡοή σε Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "meta-llama/llama-3.1-70b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='meta-llama/llama-3.1-70b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='meta-llama/llama-3.1-70b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · OpenAI Chat

json ή SSE

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.

Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.

Πεδία απάντησης
ΠεδίοΤύπος
Πεδίοchoices[].indexΤύποςinteger
Πεδίοchoices[].message.contentΤύποςstring|null
Πεδίοchoices[].message.tool_callsΤύποςtool_call[]
Πεδίοchoices[].message.reasoning_contentΤύποςstring
Πεδίοchoices[].message.reasoning_detailsΤύποςobject|array
Πεδίοchoices[].finish_reasonΤύποςstring|null
ΠεδίοusageΤύποςobject
Σφάλματα και επόμενα βήματα
ΑπάντησηΣυνθήκηΕπόμενο βήμα
Απάντηση400 · invalid_request_errorΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρουΕπόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra meta-llama/llama-3.1-70b-instruct

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

meta-llama/llama-3.1-70b-instruct

Ailoot Ultra · Anthropic Messages POST /v1/messages meta-llama/llama-3.1-70b-instruct

meta-llama/llama-3.1-70b-instruct

Meta /meta-llama/llama-3.1-70b-instruct

Εισαγωγή

Το Llama 3.1 70B Instruct είναι το μοντέλο κειμένου της Meta για πολυγλωσσικό διάλογο, συλλογιστική σε έγγραφα και κώδικα. Η έκδοση 70 δισ. παραμέτρων που έχει προσαρμοστεί σε οδηγίες χρησιμοποιεί προσοχή ομαδοποιημένων ερωτημάτων, παράθυρο συμφραζομένων 128 χιλ. tokens κατά τον δημιουργό και τεκμηριωμένες μορφές συνομιλίας με κλήσεις εργαλείων, με έξοδο κειμένου και κώδικα.

Αποδεκτές είσοδοι
Κείμενο
Αποτελέσματα
json · sse

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · Anthropic Messages POST /v1/messages
Είσοδος
text
Έξοδος
json, sse
Μορφή εξόδου
JSON ή SSE
ΠεδίοΤύποςΑπαίτησηΤιμές και όριαΠροεπιλογή
ΠεδίοmodelΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
meta-llama/llama-3.1-70b-instruct
Προεπιλογή—
ΠεδίοmessagesΤύποςmessage[]ΑπαίτησηΥποχρεωτικόΤιμές και όριαΠροεπιλογή—
Πεδίοmessages[].roleΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
user, assistant
Προεπιλογή—
Πεδίοmessages[].contentΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όριαΠροεπιλογή—
Πεδίοmax_tokensΤύποςintegerΑπαίτησηΥποχρεωτικόΤιμές και όριαΠροεπιλογή—
ΠεδίοstreamΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογήfalse
Συνδυασμοί υλικών εισόδου

Κείμενο · Κείμενο UTF-8

Συμβολοσειρά messages[].content

Παράμετροι και κύκλος ζωής μεθόδου
ΠαράμετροςΣύμβαση
Παράμετροςcontent_typeΣύμβασηapplication/json
ΠαράμετροςrequiredΣύμβασηmodel, messages, max_tokens
Παράμετροςoptional_controlsΣύμβασηstream
Παράμετροςmaterial_typesΣύμβασηtext
Παράμετροςtext_file_materialΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος.

Κύκλος ζωής: synchronous_or_streamed

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία
Τυπική χρέωση Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex
Τυπική χρέωση Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού
Τυπική χρέωση Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.

ΔιαμόρφωσηΠίνακας χρεώσεωνToken συμφραζομένων, πάνω απόToken συμφραζομένων, έως καιΧρέωση
ΔιαμόρφωσηΒασικές χρεώσεις ανά tokenΠίνακας χρεώσεωνΒασική χρέωσηToken συμφραζομένων, πάνω από—Token συμφραζομένων, έως καιΧωρίς ανώτατο όριοΧρέωση
Είσοδος · Token εισόδου $0.00144 / 1K token
Έξοδος · Token εξόδου $0.00144 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token
ΔιαμόρφωσηΕπίπεδο 1 βάσει μήκους αιτήματοςΠίνακας χρεώσεων—Token συμφραζομένων, πάνω από0Token συμφραζομένων, έως καιΧωρίς ανώτατο όριοΧρέωση
Είσοδος · Token εισόδου $0.00144 / 1K token
Έξοδος · Token εξόδου $0.00144 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token
Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token

Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →

Παραδείγματα αιτημάτων

Ailoot Ultra · Anthropic Messages

Πλήρες ελάχιστο σώμα JSONcurl · χρησιμοποιήστε το έγγραφό σας σε UTF-8Python · αποθηκεύστε το πλήρες αποτέλεσμα
{
  "model": "meta-llama/llama-3.1-70b-instruct",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'meta-llama/llama-3.1-70b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'meta-llama/llama-3.1-70b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · Anthropic Messages

JSON ή SSE

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.

Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.

Πεδία απάντησης
ΠεδίοΤύπος
ΠεδίοidΤύποςstring
ΠεδίοmodelΤύποςstring
Πεδίοcontent[]Τύποςtext|thinking|tool_use|other content block
Πεδίοstop_reasonΤύποςstring|null
ΠεδίοusageΤύποςobject
Σφάλματα και επόμενα βήματα
ΑπάντησηΣυνθήκηΕπόμενο βήμα
Απάντηση400 · invalid_request_errorΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρουΕπόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra meta-llama/llama-3.1-70b-instruct

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

meta-llama/llama-3.1-70b-instruct

FAQ · Meta: Llama 3.1 70B Instruct
Ποιες είσοδοι και αποτελέσματα διατίθενται;

POST /v1/chat/completions · meta-llama/llama-3.1-70b-instruct: text → text

POST /v1/messages · meta-llama/llama-3.1-70b-instruct: text → json, sse

Ποια πεδία χρησιμοποιεί το αίτημα;

POST /v1/chat/completions · meta-llama/llama-3.1-70b-instruct: model, messages, stream, modalities, provider

POST /v1/messages · meta-llama/llama-3.1-70b-instruct: model, messages, max_tokens, stream

Ποια όρια ισχύουν;

POST /v1/chat/completions · meta-llama/llama-3.1-70b-instruct: messages.min_items: 1

Περισσότερες λεπτομέρειες

Συνδέστε το Ailoot με Claude Code, OpenCode, Hermes ή τη δική σας εφαρμογή.

Η εταιρεία και το χαρτοφυλάκιο έργων της

Η εταιρεία και το χαρτοφυλάκιο έργων της: εκατομμύρια πελάτες· μηνιαίες πωλήσεις δισεκατομμυρίων.

Αγοράστε token με έκπτωση.

Έκπτωση συνδρομής για τακτική χρήση. Προωθητικοί κωδικοί — έως 50% στην αγορά token.

Συνδρομή
Επιλέξτε πρόγραμμα με έκπτωση για τα τακτικά αιτήματά σας.
Προωθητικός κωδικός έως 50%
Εισαγάγετε τον κωδικό στην αγορά. Η τιμή επανυπολογίζεται σύμφωνα με την ενεργή προσφορά.
Δαπάνες στο ιστορικό
Μοντέλο, token και ποσό αποθηκεύονται για κάθε αίτημα.

Επιλέξτε συνδρομή · Δείτε τιμές μοντέλων

Συνδέστε το API με το προϊόν που πουλάτε.

SaaS, εφαρμογές και bot — σύμφωνα με τη δημόσια προσφορά και τη σύμβαση άδειας χρήσης Ailoot. Για μεταπώληση ζητήστε σχετική άδεια.

Εμπορική εφαρμογή
Ενσωματώστε δημιουργία κειμένου, εικόνων, βίντεο και ήχου στις πληρωμένες λειτουργίες της υπηρεσίας σας.
Άδεια για μεταπωλητή
Στείλτε περιγραφή έργου και τρόπο πρόσβασης. Ζητήστε γραπτούς όρους χρήσης και μεταπώλησης.
Έγγραφα στον ιστότοπο
Δημόσια προσφορά, σύμβαση άδειας χρήσης και πολιτική επεξεργασίας δεδομένων είναι διαθέσιμες πριν τη σύνδεση.

Ζητήστε άδεια μεταπώλησης · Δημόσια προσφορά και σύμβαση άδειας χρήσης