Source: https://ailoot.ai/models/el/meta-llama-llama-3-2-3b-instruct/
Canonical: https://ailoot.ai/models/el/meta-llama-llama-3-2-3b-instruct/
Language: el

# Meta: Llama 3.2 3B Instruct

[Markdown](https://ailoot.ai/models/el/meta-llama-llama-3-2-3b-instruct/index.md) · [JSON](https://ailoot.ai/models/el/meta-llama-llama-3-2-3b-instruct/facts.json)

## [Meta: Llama 3.2 3B Instruct](https://ailoot.ai/models/el/meta-llama-llama-3-2-3b-instruct/)

Το Meta Llama 3.2 3B Instruct είναι ένα συμπαγές μοντέλο κειμένου για πολυγλωσσική συνομιλία, συνόψεις βασισμένες σε ανακτημένες πηγές και βοήθεια στη συγγραφή. Το τυπικό checkpoint του διαθέτει παράθυρο συμφραζομένων 128 χιλ. tokens· οι χωριστά δημοσιευμένες κβαντισμένες παραλλαγές έχουν διαφορετικό λειτουργικό παράθυρο.

- [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta-llama/llama-3.2-3b-instruct`](https://ailoot.ai/models/el/meta-llama-llama-3-2-3b-instruct/#method-0)
- [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `meta-llama/llama-3.2-3b-instruct`](https://ailoot.ai/models/el/meta-llama-llama-3-2-3b-instruct/#method-1)

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 Meta Llama 3.2 3B Instruct είναι μοντέλο κειμένου προσαρμοσμένο σε οδηγίες, σχεδιασμένο για πολυγλωσσικές συνομιλίες βοηθού, εργασία βασισμένη σε ανακτημένες πηγές και σύνοψη. Ο πίνακας μοντέλων του δημιουργού προσδιορίζει κατηγορία 3B με 3,21 δισ. παραμέτρους. Δέχεται κείμενο και παράγει κείμενο ή κώδικα. Η ανάπτυξή του συνδυάζει κλάδεμα μοντέλου και απόσταξη γνώσης με προσαρμογή σε οδηγίες, δημιουργώντας ένα μικρό προφίλ μοντέλου για στοχευμένες εργασίες συγγραφής και βοηθού.

#### Ορίστε ένα οριοθετημένο αποτέλεσμα κειμένου

Δώστε στο μοντέλο το πηγαίο υλικό, το ερώτημα και την αναμενόμενη μορφή της απάντησης. Ένα αίτημα βοήθειας στη συγγραφή μπορεί να προσδιορίζει το κοινό, τον τόνο και τις λεπτομέρειες που πρέπει να διατηρηθούν. Μια σύνοψη μπορεί να προσδιορίζει τις ενότητες που πρέπει να καλυφθούν και το επιθυμητό μήκος ή τη δομή. Για μια σύντομη απάντηση βάσης γνώσεων, δώστε το σχετικό απόσπασμα και ζητήστε εξήγηση βασισμένη σε αυτή την πηγή.

Ο δημιουργός αναφέρει την ανάκτηση γνώσης, τη σύνοψη, τους βοηθούς συγγραφής σε κινητά, την αναδιατύπωση ερωτημάτων και την αναδιατύπωση προτροπών μεταξύ των προβλεπόμενων χρήσεων των μοντέλων κειμένου που έχουν προσαρμοστεί σε οδηγίες. Μια εφαρμογή ανάκτησης μπορεί να παρέχει τα αποσπάσματα που βρήκε και να ζητά από το μοντέλο να συνθέσει την απάντηση. Κρατήστε τα αναγνωριστικά αποσπασμάτων μαζί με το αποτέλεσμα, ώστε ο αναγνώστης ή άλλο συστατικό να μπορεί να εξετάσει τα τεκμήρια.

Για αναδιατύπωση ερωτήματος, διατηρήστε το αρχικό ερώτημα και ζητήστε μια συνοπτική διατύπωση αναζήτησης που διατηρεί την πρόθεσή του. Για σύνοψη εγγράφου, ζητήστε τους κύριους ισχυρισμούς και τις επιφυλάξεις που τους επηρεάζουν. Ελέγξτε την πραγματική έξοδο για παραλειπόμενες συνθήκες, αλλαγμένους αριθμούς ή επινοημένες πληροφορίες, ιδίως όταν μια σύντομη απάντηση συμπυκνώνει μια μεγαλύτερη πηγή.

#### Γλώσσες και συμφραζόμενα

Αγγλικά, γερμανικά, γαλλικά, ιταλικά, πορτογαλικά, χίντι, ισπανικά και ταϊλανδικά είναι οι οκτώ επίσημα υποστηριζόμενες γλώσσες. Δηλώστε την επιθυμητή γλώσσα εξόδου και διατηρήστε την ορθογραφία ονομάτων ή εξειδικευμένης ορολογίας που πρέπει να παραμείνει αμετάβλητη. Μια πολυγλωσσική εργασία πρέπει να μεταφέρει αρκετό πλαίσιο πηγής ώστε να κριθεί το νόημα της επιστρεφόμενης διατύπωσης, αντί να βασίζεται μόνο στην ευχέρεια λόγου.

Το τυπικό checkpoint κειμένου Llama 3.2 διαθέτει παράθυρο συμφραζομένων 128 χιλ. tokens. Χρησιμοποιήστε αυτόν τον προϋπολογισμό για σχετικό πηγαίο υλικό, ιστορικό συνομιλίας και το παραγόμενο αποτέλεσμα. Διατηρήστε τις προηγούμενες αποφάσεις που χρειάζονται για τη συνέχεια και αφήστε χώρο για την απάντηση. Το όριο δεδομένων προεκπαίδευσης είναι ο Δεκέμβριος του 2023, επομένως οι μεταγενέστερες πληροφορίες χρειάζονται τεκμήρια παρεχόμενα με την εργασία ή από την περιβάλλουσα εφαρμογή ανάκτησης.

#### Προσαρμογή σε οδηγίες και μορφή συνομιλίας

Αυτό είναι το checkpoint Instruct, προετοιμασμένο για διάλογο τύπου βοηθού. Η κάρτα του μοντέλου περιγράφει εποπτευόμενη λεπτομερή προσαρμογή και ευθυγράμμιση με ανθρώπινες προτιμήσεις, με πρόσθετη απόσταξη κατά την ανάπτυξη των μικρών μοντέλων. Τα παραδείγματα χρήσης παρέχουν μηνύματα συστήματος και χρήστη μέσω μορφής συνομιλίας. Μια οδηγία συστήματος μπορεί να ορίζει τον ρόλο και τις προσδοκίες εξόδου, ενώ το μήνυμα χρήστη παρέχει την τρέχουσα εργασία και τις πηγές.

Κρατήστε τη μορφή συνομιλίας κατάλληλη για την επιλεγμένη έκδοση όταν χρησιμοποιείτε απευθείας το checkpoint της. Ορίστε σαφώς το αποτέλεσμα και εξετάστε την παραγόμενη απάντηση, συμπεριλαμβανομένης της σχέσης της με τα παρεχόμενα τεκμήρια. Για ένα δομημένο παραδοτέο κειμένου, προσδιορίστε τα απαιτούμενα πεδία ή τις επικεφαλίδες και επικυρώστε την πραγματική έξοδο πριν τη χρησιμοποιήσει μια εφαρμογή· ένα γραπτό αίτημα μορφής δεν εγγυάται ότι κάθε τιμή είναι σωστή.

#### Τυπικά, κβαντισμένα και οπτικά προφίλ

Ο δημιουργός διακρίνει το τυπικό μοντέλο κειμένου από τα χωριστά δημοσιευμένα κβαντισμένα προφίλ κειμένου Llama 3.2. Ο πίνακας μοντέλων του αναφέρει παράθυρο 8 χιλ. tokens για αυτά τα κβαντισμένα προφίλ, διαφορετικό από το τυπικό παράθυρο 128 χιλ. tokens. Επιλέξτε μαζί το μοντέλο και τον προϋπολογισμό εργασίας, αντί να υποθέτετε ότι κάθε εγκατάσταση με την ένδειξη 3B διατηρεί το ίδιο διαθέσιμο παράθυρο συμφραζομένων.

Το μοντέλο 3B Instruct είναι επίσης ξεχωριστό από τα μεγαλύτερα μοντέλα όρασης του Llama 3.2. Για αυτό το προφίλ κειμένου, προετοιμάστε κειμενικό πηγαίο υλικό ή κείμενο που εξασφαλίζει η περιβάλλουσα εφαρμογή. Χρησιμοποιήστε το μοντέλο για στοχευμένη απάντηση, αναδιατύπωση, σύνοψη ή σύντομη εξήγηση κώδικα. Διατηρήστε το επιλεγμένο checkpoint, την προτροπή και την πηγή μαζί με το αποτέλεσμα και κατόπιν δώστε επόμενη οδηγία ειδικά για τη λεπτομέρεια που λείπει ή το παρατηρημένο σφάλμα.

Πρακτική εργασία

### Πρακτική εργασία

Τεχνικό παράδειγμα στα αγγλικά

```
Rewrite a knowledge-base query

Rewrite this support question into one concise search query: 'I changed my work email yesterday and now the old address still gets export notifications, even though I log in with the new one.' Preserve the distinction between login identity and notification destination. Return the query and two key concepts it must retain; do not answer the question.
```

#### Αναμενόμενο αποτέλεσμα

```
One search query plus two retained concepts covering changed login email and stale export-notification address.
```

#### Έλεγχος αποτελέσματος

```
The rewrite keeps the notification problem and does not collapse it into a login failure.
```

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta-llama/llama-3.2-3b-instruct`

[`meta-llama/llama-3.2-3b-instruct`](https://ailoot.ai/models/el/#m=meta-llama%2Fllama-3.2-3b-instruct&route=Ultra&caller=meta-llama%2Fllama-3.2-3b-instruct&fmt=chat)

Meta /`meta-llama/llama-3.2-3b-instruct`

### Εισαγωγή

Το Meta Llama 3.2 3B Instruct είναι ένα συμπαγές μοντέλο κειμένου για πολυγλωσσική συνομιλία, συνόψεις βασισμένες σε ανακτημένες πηγές και βοήθεια στη συγγραφή. Το τυπικό checkpoint του διαθέτει παράθυρο συμφραζομένων 128 χιλ. tokens· οι χωριστά δημοσιευμένες κβαντισμένες παραλλαγές έχουν διαφορετικό λειτουργικό παράθυρο.

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

| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
| --- | --- | --- | --- | --- |
| Πεδίο`model` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια meta-llama/llama-3.2-3b-instruct | Προεπιλογή— |
| Πεδίο`messages` | Τύπος`message[]` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
| Πεδίο`messages[].role` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές 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— |
| Πεδίο`messages[].content` | Τύπος`string\|content_part[]\|null` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
| Πεδίο`messages[].tool_calls` | Τύπος`tool_call[]` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
| Πεδίο`messages[].tool_call_id` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
| Πεδίο`messages[].name` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
| Πεδίο`messages[].reasoning_content` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
| Πεδίο`messages[].reasoning_details` | Τύπος`object\|array` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`max_tokens` | Τύπος`integer` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`max_completion_tokens` | Τύπος`integer` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`stream` | Τύπος`boolean` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
| Πεδίο`stream_options.include_usage` | Τύπος`boolean` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`temperature` | Τύπος`number` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`top_p` | Τύπος`number` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`stop` | Τύπος`string\|string[]` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`tools` | Τύπος`function_tool[]` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`tools[].type` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`tools[].function.name` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
| Πεδίο`tools[].function.description` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
| Πεδίο`tools[].function.parameters` | Τύπος`JSON_schema` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
| Πεδίο`tool_choice` | Τύπος`string\|object` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`parallel_tool_calls` | Τύπος`boolean` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`response_format` | Τύπος`object` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`reasoning_effort` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`reasoning` | Τύπος`object` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`service_tier` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`instructions` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
| Πεδίο`functions` | Τύπος`function[]` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`function_call` | Τύπος`string\|object` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`prompt_cache_options` | Τύπος`object` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
| Πεδίο`modalities` | Τύπος`string[]` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
| Πεδίο`provider` | Τύπος`object` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
| Πεδίο`cache_control.ttl` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές 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

| Παράμετρος | Σύμβαση |
| --- | --- |
| Παράμετρος`content_type` | Σύμβασηapplication/json |
| Παράμετρος`required` | Σύμβασηmodel, messages |
| Παράμετρος`material_types` | Σύμβασηtext |
| Παράμετρος`messages` | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
| Παράμετρος`file_material` | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
| Παράμετρος`optional_controls` | Σύμβασηstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice |
| Παράμετρος`control_scope` | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
| Παράμετρος`output_modalities` | Σύμβασηtext |
| Παράμετρος`hosted_operations` | Σύμβασηfalse |
| Παράμετρος`multimodal_input_binding` | Σύμβασηnull |

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.

| Διαμόρφωση | Πίνακας χρεώσεων | Token συμφραζομένων, πάνω από | Token συμφραζομένων, έως και | Χρέωση |
| --- | --- | --- | --- | --- |
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Token συμφραζομένων, πάνω από— | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου **$0.0001** / 1K token Έξοδος · Token εξόδου **$0.00066** / 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 αιτήματος | Πίνακας χρεώσεων— | Token συμφραζομένων, πάνω από0 | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου **$0.0001** / 1K token Έξοδος · Token εξόδου **$0.00066** / 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 →](https://ailoot.ai/docs/el/billing/reserve/)

### Παραδείγματα αιτημάτων

#### Ailoot Ultra · OpenAI Chat

curlPython SDKΡοή σε Python

```bash
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-3.2-3b-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
```

```python
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-3.2-3b-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"))
```

```python
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-3.2-3b-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

| Πεδίο | Τύπος |
| --- | --- |
| Πεδίο`choices[].index` | Τύποςinteger |
| Πεδίο`choices[].message.content` | Τύποςstring\|null |
| Πεδίο`choices[].message.tool_calls` | Τύποςtool\_call\[\] |
| Πεδίο`choices[].message.reasoning_content` | Τύποςstring |
| Πεδίο`choices[].message.reasoning_details` | Τύποςobject\|array |
| Πεδίο`choices[].finish_reason` | Τύποςstring\|null |
| Πεδίο`usage` | Τύποςobject |

Σφάλματα και επόμενα βήματα

| Απάντηση | Συνθήκη | Επόμενο βήμα |
| --- | --- | --- |
| Απάντηση400 · `invalid_request_error` | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |

### Εναλλακτικά ονόματα

#### Εναλλακτικά ονόματα μοντέλου

**Ailoot Ultra** [`meta-llama/llama-3.2-3b-instruct`](https://ailoot.ai/models/el/#m=meta-llama%2Fllama-3.2-3b-instruct&route=Ultra&caller=meta-llama%2Fllama-3.2-3b-instruct&fmt=chat)

#### Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

#### Σχετικά ID μοντέλων

[`meta-llama/llama-3.2-3b-instruct`](https://ailoot.ai/models/el/#m=meta-llama%2Fllama-3.2-3b-instruct&route=Ultra&caller=meta-llama%2Fllama-3.2-3b-instruct&fmt=chat)

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `meta-llama/llama-3.2-3b-instruct`

[`meta-llama/llama-3.2-3b-instruct`](https://ailoot.ai/models/el/#m=meta-llama%2Fllama-3.2-3b-instruct&route=Ultra&caller=meta-llama%2Fllama-3.2-3b-instruct&fmt=messages)

Meta /`meta-llama/llama-3.2-3b-instruct`

### Εισαγωγή

Το Meta Llama 3.2 3B Instruct είναι ένα συμπαγές μοντέλο κειμένου για πολυγλωσσική συνομιλία, συνόψεις βασισμένες σε ανακτημένες πηγές και βοήθεια στη συγγραφή. Το τυπικό checkpoint του διαθέτει παράθυρο συμφραζομένων 128 χιλ. tokens· οι χωριστά δημοσιευμένες κβαντισμένες παραλλαγές έχουν διαφορετικό λειτουργικό παράθυρο.

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

| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
| --- | --- | --- | --- | --- |
| Πεδίο`model` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια meta-llama/llama-3.2-3b-instruct | Προεπιλογή— |
| Πεδίο`messages` | Τύπος`message[]` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
| Πεδίο`messages[].role` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
| Πεδίο`messages[].content` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
| Πεδίο`max_tokens` | Τύπος`integer` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
| Πεδίο`stream` | Τύπος`boolean` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |

Συνδυασμοί υλικών εισόδου

**Κείμενο** · Κείμενο UTF-8

`Συμβολοσειρά messages[].content`

Παράμετροι και κύκλος ζωής μεθόδου

| Παράμετρος | Σύμβαση |
| --- | --- |
| Παράμετρος`content_type` | Σύμβασηapplication/json |
| Παράμετρος`required` | Σύμβασηmodel, messages, max\_tokens |
| Παράμετρος`optional_controls` | Σύμβασηstream |
| Παράμετρος`material_types` | Σύμβασηtext |
| Παράμετρος`text_file_material` | ΣύμβασηΔιαβάστε 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.

| Διαμόρφωση | Πίνακας χρεώσεων | Token συμφραζομένων, πάνω από | Token συμφραζομένων, έως και | Χρέωση |
| --- | --- | --- | --- | --- |
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Token συμφραζομένων, πάνω από— | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου **$0.0001** / 1K token Έξοδος · Token εξόδου **$0.00066** / 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 αιτήματος | Πίνακας χρεώσεων— | Token συμφραζομένων, πάνω από0 | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου **$0.0001** / 1K token Έξοδος · Token εξόδου **$0.00066** / 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 →](https://ailoot.ai/docs/el/billing/reserve/)

### Παραδείγματα αιτημάτων

#### Ailoot Ultra · Anthropic Messages

Πλήρες ελάχιστο σώμα JSONcurl · χρησιμοποιήστε το έγγραφό σας σε UTF-8Python · αποθηκεύστε το πλήρες αποτέλεσμα

```json
{
  "model": "meta-llama/llama-3.2-3b-instruct",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
```

```bash
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-3.2-3b-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
```

```python
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-3.2-3b-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

| Πεδίο | Τύπος |
| --- | --- |
| Πεδίο`id` | Τύποςstring |
| Πεδίο`model` | Τύποςstring |
| Πεδίο`content[]` | Τύποςtext\|thinking\|tool\_use\|other content block |
| Πεδίο`stop_reason` | Τύποςstring\|null |
| Πεδίο`usage` | Τύποςobject |

Σφάλματα και επόμενα βήματα

| Απάντηση | Συνθήκη | Επόμενο βήμα |
| --- | --- | --- |
| Απάντηση400 · `invalid_request_error` | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |

### Εναλλακτικά ονόματα

#### Εναλλακτικά ονόματα μοντέλου

**Ailoot Ultra** [`meta-llama/llama-3.2-3b-instruct`](https://ailoot.ai/models/el/#m=meta-llama%2Fllama-3.2-3b-instruct&route=Ultra&caller=meta-llama%2Fllama-3.2-3b-instruct&fmt=messages)

#### Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

#### Σχετικά ID μοντέλων

[`meta-llama/llama-3.2-3b-instruct`](https://ailoot.ai/models/el/#m=meta-llama%2Fllama-3.2-3b-instruct&route=Ultra&caller=meta-llama%2Fllama-3.2-3b-instruct&fmt=messages)

FAQ · Meta: Llama 3.2 3B Instruct

Ποιες είσοδοι και αποτελέσματα διατίθενται;

`POST /v1/chat/completions` · `meta-llama/llama-3.2-3b-instruct`: `text` → `text` `POST /v1/messages` · `meta-llama/llama-3.2-3b-instruct`: `text` → `json`, `sse`

Ποια πεδία χρησιμοποιεί το αίτημα;

`POST /v1/chat/completions` · `meta-llama/llama-3.2-3b-instruct`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `meta-llama/llama-3.2-3b-instruct`: `model`, `messages`, `max_tokens`, `stream`

Ποια όρια ισχύουν;

`POST /v1/chat/completions` · `meta-llama/llama-3.2-3b-instruct`: `messages.min_items`: `1`

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](https://ailoot.ai/docs/el/billing/subscriptions/) · [Δείτε τιμές μοντέλων](https://ailoot.ai/models/el/)

## 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](mailto:support@ailoot.ai) · [Δημόσια προσφορά και σύμβαση άδειας χρήσης](https://ailoot.ai/legal/offer?lang=el)

## Ailoot · Η εταιρεία και το χαρτοφυλάκιο έργων της





Η Ailoot στηρίζεται στη συσσωρευμένη λειτουργική εμπειρία, τη μεγάλη πελατειακή βάση, τη σταθερή εξυπηρέτηση και τον συνεχή έλεγχο KPI.





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





Η Ailoot αξιοποιεί αυτή τη λειτουργική εμπειρία για πρόσβαση μέσω API σε λειτουργίες AI στα προϊόντα, τους πράκτορες, τις εφαρμογές και τους αυτοματισμούς των πελατών.