μοντέλα

Meta: Llama 3.1 8B Instruct

Markdown · JSON

Meta: Llama 3.1 8B Instruct

Το Llama 3.1 8B Instruct είναι το μικρότερο μοντέλο κειμένου της Meta που ακολουθεί οδηγίες, για πολυγλωσσικό διάλογο, συνόψεις και απαντήσεις βάσει πηγών. Διαθέτει 8 δισ. παραμέτρους, παράθυρο συμφραζομένων 128 χιλ. tokens κατά τον δημιουργό, προσοχή ομαδοποιημένων ερωτημάτων και τεκμηριωμένες μορφές χρήσης εργαλείων, επιστρέφοντας κείμενο ή 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 8B Instruct είναι το μοντέλο κειμένου οκτώ δισεκατομμυρίων παραμέτρων της Meta για πολυγλωσσικό διάλογο και βοηθούς βασισμένους σε οδηγίες. Δέχεται γραπτή συνομιλία και πηγαίο υλικό και παράγει κείμενο ή κώδικα. Είναι η έκδοση Instruct του μεγέθους 8B, διαφορετική από την προεκπαιδευμένη βάση της και τα μοντέλα 70B και 405B της οικογένειας.

Αρχιτεκτονική, συμφραζόμενα και γλώσσες

Το μοντέλο χρησιμοποιεί αυτοπαλίνδρομη αρχιτεκτονική Transformer με προσοχή ομαδοποιημένων ερωτημάτων. Η οικογένεια που έχει προσαρμοστεί σε οδηγίες χρησιμοποιεί εποπτευόμενη λεπτομερή προσαρμογή και ενισχυτική μάθηση με ανθρώπινη ανατροφοδότηση για την ευθυγράμμιση των συνομιλιακών απαντήσεών της. Ο δημιουργός τεκμηριώνει παράθυρο συμφραζομένων 128 χιλ. tokens για αυτή την έκδοση κειμένου· δεν πρόκειται για την προδιαγραφή όρασης ή εκτενούς παραθύρου ενός μεταγενέστερου μοντέλου Llama 4.

Οι οκτώ επίσημα υποστηριζόμενες γλώσσες είναι αγγλικά, γερμανικά, γαλλικά, ιταλικά, πορτογαλικά, χίντι, ισπανικά και ταϊλανδικά. Τα δεδομένα προεκπαίδευσης καλύπτουν ευρύτερη συλλογή, διαφορετική από τις γλώσσες που υποστηρίζει ρητά η κάρτα. Δηλώστε την τελική γλώσσα και οποιαδήποτε ονόματα, αναγνωριστικά μεταβλητών ή όρους πρέπει να παραμένουν αμετάβλητα σε ένα πολυγλωσσικό αποτέλεσμα.

Η οικογένεια προεκπαιδεύεται σε περίπου δεκαπέντε τρισεκατομμύρια tokens, με όριο δεδομένων τον Δεκέμβριο του 2023. Η λεπτομερής προσαρμογή περιλαμβάνει υλικό οδηγιών και περισσότερα από είκοσι πέντε εκατομμύρια συνθετικά παραδείγματα. Αυτό περιγράφει την εκπαίδευση του μοντέλου, όχι πρόσβαση σε ιδιωτική βάση γνώσεων ή ζωντανές πληροφορίες όταν φτάνει ένα νέο ερώτημα.

Καθορισμένες ενέργειες κειμένου

Ένα αίτημα προσανατολισμένο στην υποστήριξη μπορεί να παρέχει το μήνυμα του χρήστη και σχετικά αποσπάσματα αναφοράς και κατόπιν να ζητά την απάντηση και τη συνθήκη που την υποστηρίζει. Μια συνοπτική εγγραφή μπορεί να διαχωρίζει το ζήτημα, τις ήδη παρεχόμενες πληροφορίες και το επόμενο απαιτούμενο βήμα. Ορίστε τα ονόματα πεδίων και τον χειρισμό ελλειπουσών τιμών όταν μια εφαρμογή πρέπει να επεξεργαστεί αυτό το αποτέλεσμα.

Για σύνοψη, δώστε το πραγματικό απόσπασμα ή την ανταλλαγή μηνυμάτων και προσδιορίστε το κοινό, το μήκος και τα γεγονότα που πρέπει να διατηρηθούν. Ζητήστε τις αποφάσεις ή τα άλυτα ερωτήματα που σχετίζονται με ένα θέμα, αντί για μια μη κατευθυνόμενη σύνοψη άσχετου υλικού. Ένα επόμενο αίτημα μπορεί να ζητά συντομότερη απάντηση ή σαφέστερη εξήγηση μιας συνθήκης, διατηρώντας τα ίδια γεγονότα της πηγής.

Για επιμέλεια, προσδιορίστε τον αναγνώστη και τον τόνο και ορίστε το νόημα που πρέπει να παραμείνει αμετάβλητο. Μια πρακτική εργασία μπορεί να ζητά σαφέστερο μήνυμα ακολουθούμενο από σύντομο κατάλογο αλλαγών ή μόνο το αναθεωρημένο μήνυμα αν θα χρησιμοποιηθεί απευθείας. Μια εργασία ταξινόμησης πρέπει να παρέχει τις επιτρεπόμενες ετικέτες και τη διάκριση μεταξύ τους, αντί να βασίζεται στο όνομα μιας ετικέτας για τον ορισμό του κανόνα.

Παραγωγή κώδικα και παραδειγμάτων

Η τεκμηριωμένη έξοδος περιλαμβάνει επίσης κώδικα. Δώστε τη γλώσσα, τις απαιτούμενες εισόδους και το αναμενόμενο αποτέλεσμα πριν ζητήσετε μια συνάρτηση. Για εξήγηση, δώστε την υπάρχουσα συνάρτηση και μια συγκεκριμένη είσοδο και ρωτήστε ποια βήματα καθορίζουν την επιστρεφόμενη τιμή της. Για διόρθωση, συμπεριλάβετε την παρατηρημένη αποτυχία και την επιδιωκόμενη συμπεριφορά, διατηρώντας τη διεπαφή που πρέπει να παραμένει συμβατή.

Μια χρήσιμη έξοδος μπορεί να διαχωρίζει τον προτεινόμενο κώδικα, τις παραδοχές του και παραδείγματα εισόδων. Η εφαρμογή ή ο προγραμματιστής πραγματοποιεί την πραγματική μεταγλώττιση, εκτέλεση ή αλλαγή αποθετηρίου. Ο γραπτός πηγαίος κώδικας είναι παραδοτέο προς εξέταση, όχι ολοκληρωμένη εξωτερική ενέργεια απλώς επειδή τον επέστρεψε το μοντέλο.

Η οικογένεια υποστηρίζει επίσης τη χρήση παραγόμενης εξόδου για συνθετικά παραδείγματα και απόσταξη. Ένα καθορισμένο αίτημα κειμένου μπορεί να παράγει παραλλαγές σύμφωνα με παρεχόμενους κανόνες και σε συγκεκριμένη μορφή. Διατηρήστε τους κανόνες και τις ετικέτες, ώστε κάθε παράδειγμα να μπορεί να εξεταστεί· τα παραγόμενα παραδείγματα δεν τεκμηριώνουν ανεξάρτητα την ορθότητα ενός συνόλου δεδομένων εκπαίδευσης.

Ρόλοι συνομιλίας και χρήση εργαλείων

Η κάρτα του μοντέλου παρουσιάζει πρότυπο συνομιλίας με χωριστά μηνύματα συστήματος και χρήστη. Ορίστε τον ρόλο του βοηθού και τις απαιτήσεις απάντησης στο πλαίσιο συστήματος και κατόπιν δώστε το ερώτημα και το πηγαίο υλικό ως εργασία. Κρατήστε τα σχετικά προηγούμενα μηνύματα όταν κάνετε επόμενο αίτημα ή παρέχετε νέα τεκμήρια που αλλάζουν το αποτέλεσμα.

Το Llama 3.1 τεκμηριώνει πολλές μορφές χρήσης εργαλείων. Η εφαρμογή περιγράφει μια συνάρτηση, το μοντέλο παράγει την προτεινόμενη κλήση και τα ορίσματα, η εφαρμογή την εκτελεί και επιστρέφει το αποτέλεσμα με τον ρόλο εργαλείου. Η επόμενη απάντηση μπορεί τότε να χρησιμοποιήσει τις επιστρεφόμενες πληροφορίες. Κρατήστε την αρχική ενέργεια και το αποτέλεσμα συνδεδεμένα σε όλη τη συνομιλία.

Για παράδειγμα, μια αναζήτηση μπορεί να επιστρέψει την τρέχουσα τιμή αναφοράς που λείπει από ένα απόσπασμα ή ένα εργαλείο υπολογισμού να παρέχει το αριθμητικό αποτέλεσμα που απαιτεί η εξήγηση. Ένας βοηθός με ενεργοποιημένα εργαλεία χρειάζεται αυτές τις ενέργειες παρεχόμενες από το περιβάλλον. Η κειμενική συμπεριφορά του μοντέλου δεν δημιουργεί από μόνη της σύνδεση με εξωτερική πηγή ούτε ολοκληρώνει παρενέργεια.

Πρακτικά όρια

Η ένδειξη παραθύρου συμφραζομένων 128 χιλ. tokens του δημιουργού πρέπει να διατηρείται με την ακριβή έκδοση 8B Instruct και την ισχύουσα διαμόρφωση. Το παράδειγμα παραγωγής 256 tokens είναι μόνο επιλογή χρήσης· οι πηγές που εξετάστηκαν δεν δηλώνουν ξεχωριστή σκληρή μέγιστη χωρητικότητα απάντησης. Το μέγεθος 8B δεν πρέπει να κληρονομεί τον αριθμό παραμέτρων άλλου μέλους ή τα ονομασμένα στοιχεία ελέγχου συλλογιστικής μιας άλλης οικογένειας.

Αυτό είναι μοντέλο αποκλειστικά κειμένου. Η οπτική είσοδος, η κατανόηση ήχου και η παραγωγή ομιλίας απαιτούν χωριστά καθορισμένα συστατικά. Ορίστε το τελικό παραδοτέο πριν δώσετε το υλικό: συνοπτική απάντηση, εξαγόμενη εγγραφή, αναθεωρημένο απόσπασμα, εξήγηση ή πρόταση κώδικα. Διατηρήστε τις πληροφορίες πηγής που χρειάζονται για την εξέταση του νοήματος και της μορφής αυτού του παραδοτέου.

Πρακτική εργασία

Πρακτική εργασία

Τεχνικό παράδειγμα στα αγγλικά

Translate a delivery notice into German

Translate this customer notice into German: 'Order BN-42 will leave our warehouse on Thursday. Delivery normally takes three business days. We will send tracking details after dispatch.' Preserve BN-42, distinguish dispatch from delivery and use a polite professional tone. Return only the translation; do not turn the normal transit time into a guaranteed arrival date.

Αναμενόμενο αποτέλεσμα

One German customer notice preserving the identifier, event sequence and qualified transit time.

Έλεγχος αποτελέσματος

The translation distinguishes warehouse dispatch from delivery and retains the word's sense of a normal estimate.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta-llama/llama-3.1-8b-instruct

meta-llama/llama-3.1-8b-instruct

Meta /meta-llama/llama-3.1-8b-instruct

Εισαγωγή

Το Llama 3.1 8B Instruct είναι το μικρότερο μοντέλο κειμένου της Meta που ακολουθεί οδηγίες, για πολυγλωσσικό διάλογο, συνόψεις και απαντήσεις βάσει πηγών. Διαθέτει 8 δισ. παραμέτρους, παράθυρο συμφραζομένων 128 χιλ. tokens κατά τον δημιουργό, προσοχή ομαδοποιημένων ερωτημάτων και τεκμηριωμένες μορφές χρήσης εργαλείων, επιστρέφοντας κείμενο ή 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-3.1-8b-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 $0.00044 / 1K token
Έξοδος · Token εξόδου $0.00044 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.00044 / 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 $0.00044 / 1K token
Έξοδος · Token εξόδου $0.00044 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.00044 / 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-3.1-8b-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-3.1-8b-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-3.1-8b-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-3.1-8b-instruct

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

meta-llama/llama-3.1-8b-instruct

Ailoot Ultra · Anthropic Messages POST /v1/messages meta-llama/llama-3.1-8b-instruct

meta-llama/llama-3.1-8b-instruct

Meta /meta-llama/llama-3.1-8b-instruct

Εισαγωγή

Το Llama 3.1 8B Instruct είναι το μικρότερο μοντέλο κειμένου της Meta που ακολουθεί οδηγίες, για πολυγλωσσικό διάλογο, συνόψεις και απαντήσεις βάσει πηγών. Διαθέτει 8 δισ. παραμέτρους, παράθυρο συμφραζομένων 128 χιλ. tokens κατά τον δημιουργό, προσοχή ομαδοποιημένων ερωτημάτων και τεκμηριωμένες μορφές χρήσης εργαλείων, επιστρέφοντας κείμενο ή 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-3.1-8b-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 $0.00044 / 1K token
Έξοδος · Token εξόδου $0.00044 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.00044 / 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 $0.00044 / 1K token
Έξοδος · Token εξόδου $0.00044 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.00044 / 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-3.1-8b-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-3.1-8b-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-3.1-8b-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-3.1-8b-instruct

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

meta-llama/llama-3.1-8b-instruct

FAQ · Meta: Llama 3.1 8B Instruct
Ποιες είσοδοι και αποτελέσματα διατίθενται;

POST /v1/chat/completions · meta-llama/llama-3.1-8b-instruct: text → text

POST /v1/messages · meta-llama/llama-3.1-8b-instruct: text → json, sse

Ποια πεδία χρησιμοποιεί το αίτημα;

POST /v1/chat/completions · meta-llama/llama-3.1-8b-instruct: model, messages, stream, modalities, provider

POST /v1/messages · meta-llama/llama-3.1-8b-instruct: model, messages, max_tokens, stream

Ποια όρια ισχύουν;

POST /v1/chat/completions · meta-llama/llama-3.1-8b-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