μοντέλα

Meta: Llama 4 Maverick

Markdown · JSON

Meta: Llama 4 Maverick

Το Llama 4 Maverick είναι το εγγενές μοντέλο Instruct κειμένου και εικόνας της Meta με 128 ειδικούς, 17 δισ. ενεργές και 400 δισ. συνολικές παραμέτρους. Ο δημιουργός του τεκμηριώνει παράθυρο συμφραζομένων 1 εκατ. tokens, πολυγλωσσική έξοδο κειμένου και κώδικα, οπτική αναγνώριση, σύνταξη λεζάντας και ερωτήματα εικόνων σε μια έκδοση διακριτή από το Scout.

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 4 Maverick Instruct είναι το εγγενώς πολυτροπικό μοντέλο της Meta για συνομιλία τύπου βοηθού και οπτική συλλογιστική. Λαμβάνει πολυγλωσσικό κείμενο και εικόνες και παράγει πολυγλωσσικό κείμενο ή κώδικα. Η αρχιτεκτονική μείγματος ειδικών του χρησιμοποιεί πρώιμη σύντηξη, συνδυάζοντας την οπτική και την κειμενική πληροφορία μέσα στο μοντέλο, αντί να αντιμετωπίζει την εικόνα ως άσχετη λεζάντα που παρέχει ένας ξεχωριστός βοηθός κειμένου.

Πληροφορίες μοντέλου και συμφραζόμενα

Ο δημιουργός αναφέρει 128 ειδικούς, 17 δισεκατομμύρια ενεργές παραμέτρους και 400 δισεκατομμύρια συνολικές παραμέτρους για το Maverick. Αυτά διαφέρουν από τη διαμόρφωση του Scout με 16 ειδικούς και 109 δισ. συνολικές παραμέτρους, παρότι και τα δύο φέρουν την ένδειξη ενεργού μεγέθους 17B. Το όνομα Instruct προσδιορίζει το checkpoint προσανατολισμένο σε βοηθό και όχι το προεκπαιδευμένο μοντέλο Maverick.

Η κάρτα του μοντέλου τεκμηριώνει παράθυρο συμφραζομένων 1 εκατ. tokens για το Maverick. Χρησιμοποιήστε το παράθυρο για να διατηρείτε μαζί τα σχετικά αποσπάσματα, τις εικόνες, τη συνομιλία και τη ζητούμενη απάντηση. Μια μεγάλη συλλογή πηγών εξακολουθεί να χρειάζεται καθορισμένο ερώτημα και παραδοτέο. Επισημάνετε τα πηγαία έγγραφα και τις εικόνες και ζητήστε τη θέση που υποστηρίζει κάθε εξαγόμενο εύρημα, αντί να ζητάτε μη κατευθυνόμενη σύνοψη όλου του υλικού.

Οι υποστηριζόμενες γλώσσες είναι αραβικά, αγγλικά, γαλλικά, γερμανικά, χίντι, ινδονησιακά, ιταλικά, πορτογαλικά, ισπανικά, ταγκαλόγκ, ταϊλανδικά και βιετναμικά. Ο δημιουργός διακρίνει αυτές τις δώδεκα υποστηριζόμενες γλώσσες από την ευρύτερη συλλογή περίπου διακοσίων γλωσσών που χρησιμοποιήθηκαν στην προεκπαίδευση. Η παρουσία μιας γλώσσας στην εκπαίδευση δεν πρέπει να μετατρέπεται σε υπόσχεση ίσης δυνατότητας για κάθε γλώσσα.

Εργασίες συνομιλίας, όρασης και κώδικα

Οι προβλεπόμενες οπτικές χρήσεις της κάρτας περιλαμβάνουν αναγνώριση, συλλογιστική εικόνας, σύνταξη λεζάντας και απαντήσεις σε γενικά ερωτήματα για μια εικόνα. Για φωτογραφία, ζητήστε από το μοντέλο να προσδιορίσει τα αντικείμενα ή τη σχέση που σχετίζεται με την εργασία. Για γράφημα, ζητήστε σύγκριση μεταξύ ονομασμένων σειρών, διατηρώντας άξονες και μονάδες. Για διάγραμμα, ρωτήστε ποια επισημασμένη σύνδεση υποστηρίζει μια παρεχόμενη απαίτηση.

Για σύγκριση πολλαπλών εικόνων, προσδιορίστε τον ρόλο κάθε εικόνας και ζητήστε τα ίδια κριτήρια για όλες. Για παράδειγμα, δώστε έναν αρχικό σχεδιασμό και μια αναθεώρηση και κατόπιν ζητήστε ορατές αντιστοιχίες, διαφορές και λεπτομέρειες που δεν τεκμηριώνουν οι εικόνες. Κρατήστε τις παρατηρήσεις χωριστά από συμπεράσματα που εξαρτώνται από το συνοδευτικό κείμενο. Αυτό κάνει την έξοδο ευκολότερη στην εξέταση με βάση την πραγματική πηγή.

Ο δημιουργός αναφέρει δοκιμές κατανόησης εικόνας με έως πέντε εικόνες εισόδου. Αυτό είναι το τεκμηριωμένο δοκιμασμένο πεδίο και όχι ένα άνευ όρων σκληρό μέγιστο πλήθους εικόνων. Διατηρήστε τη λεπτομέρεια που απαιτεί το ερώτημα και τη σειρά των εικόνων. Η προσθήκη μεγάλου αριθμού άσχετων εικόνων δεν ορίζει από μόνη της τι πρέπει να συγκριθεί.

Για εργασία προγραμματισμού, δώστε την απαίτηση, τον σχετικό πηγαίο κώδικα και την αναμενόμενη συμπεριφορά. Ζητήστε την προτεινόμενη υλοποίηση χωριστά από τις παραδοχές και τα παραδείγματά της. Ένα στιγμιότυπο οθόνης μπορεί να παρέχει οπτικές απαιτήσεις, ενώ η κειμενική συνθήκη παρέχει συμπεριφορά που το στιγμιότυπο δεν μπορεί να δείξει. Ο παραγόμενος κώδικας είναι παραδοτέο κειμένου· η εκτέλεσή του, η εξέταση αποδοσμένης διεπαφής ή η εφαρμογή του σε αποθετήριο απαιτεί το συνδεδεμένο περιβάλλον.

Προετοιμασία συνομιλίας και εκπαίδευση

Η κάρτα του μοντέλου παρουσιάζει τον αντίστοιχο επεξεργαστή και πρότυπο συνομιλίας με δύο εικόνες και ένα γραπτό ερώτημα σύγκρισης. Κρατήστε ρητούς τους ρόλους συνομιλίας και τη σύνδεση εικόνας και κειμένου. Μια οδηγία συστήματος μπορεί να ορίζει το κοινό, τον τόνο και τη δομή απάντησης, ενώ το μήνυμα χρήστη παρέχει την πραγματική εργασία και τα τεκμήρια. Ο δημιουργός περιγράφει βελτιώσεις μετά την προεκπαίδευση στην καθοδήγηση μέσω προτροπής συστήματος και στη μορφοποίηση συνομιλίας.

Το Maverick προεκπαιδεύεται σε περίπου 22 τρισεκατομμύρια tokens πολυτροπικών δεδομένων, με δηλωμένο όριο δεδομένων προεκπαίδευσης τον Αύγουστο του 2024. Πρόκειται για στατικό όριο δεδομένων εκπαίδευσης και όχι για ζωντανή πρόσβαση σε τρέχουσες πληροφορίες. Όταν ένα ερώτημα εξαρτάται από νεότερο ή ιδιωτικό υλικό, δώστε αυτό το υλικό ως πλαίσιο πηγής ή μέσω χωριστά συνδεδεμένης ενέργειας ανάκτησης.

Η έκδοση περιλαμβάνει βάρη BF16 και χωριστά κβαντισμένα βάρη FP8. Αυτές οι επιλογές ακρίβειας δεν δημιουργούν άλλη τροπικότητα εισόδου ούτε αποδίδουν το παράθυρο 10 εκατ. tokens του Scout στο Maverick. Διατηρήστε το ακριβές checkpoint Instruct και τη διαμόρφωσή του όταν συγκρίνετε επαναλαμβανόμενη εργασία ή παράγωγη εγκατάσταση.

Πρακτικός σχεδιασμός αποτελέσματος

Μια εργασία εικόνας εγγράφου μπορεί να ζητά το αναγνωριστικό πηγής, την ορατή δήλωση, την εξαγόμενη τιμή και την ερμηνεία ως χωριστά πεδία. Μια συνομιλιακή εξήγηση μπορεί να διατηρεί τους αρχικούς όρους και να προσαρμόζει το πεζό κείμενο στην υποστηριζόμενη γλώσσα του αναγνώστη. Ένα αίτημα προγραμματισμού μπορεί να επιστρέφει το αναθεωρημένο τμήμα και παραδείγματα που διακρίνουν την επιδιωκόμενη συμπεριφορά του.

Ορίστε πώς θα χρησιμοποιηθεί το τελικό αποτέλεσμα πριν δώσετε το υλικό. Μια σύντομη λεζάντα, ένας πίνακας σύγκρισης και ένα προτεινόμενο πρόγραμμα λύνουν διαφορετικές εργασίες, ακόμη και όταν μοιράζονται τις ίδιες εικόνες. Οι οπτικές και γλωσσικές δυνατότητες του μοντέλου παρέχουν την ερμηνεία και το κείμενο· η εξωτερική ανάκτηση, η εκτέλεση ή η παραγωγή αρχείων προέρχεται από συστατικά εφαρμογής.

Συγκεκριμένα όρια

Οι τεκμηριωμένες είσοδοι εδώ είναι κείμενο και εικόνες, με έξοδο κειμένου και κώδικα. Η κατανόηση ήχου ή βίντεο, η παραγωγή ομιλίας και τα ονομασμένα στοιχεία ελέγχου επιπέδου συλλογιστικής του Muse Spark δεν πρέπει να αποδίδονται σε αυτή την έκδοση Maverick. Το Llama Guard είναι επίσης χωριστά εκπαιδευμένος ταξινομητής και όχι αυτόματη έξοδος ταξινόμησης από μια απάντηση Maverick.

Το παράδειγμα παραγωγής 256 tokens της κάρτας είναι ενδεικτική ρύθμιση και οι πηγές που εξετάστηκαν δεν τεκμηριώνουν ξεχωριστό σκληρό μέγιστο tokens εξόδου πέρα από την προδιαγραφή συμφραζομένων του μοντέλου. Κρατήστε ρητά την ταυτότητα Maverick, το πεδίο υποστηριζόμενων γλωσσών και το τελικό παραδοτέο συνδεδεμένο με πηγές, αντί να δανείζεστε όρια ή λειτουργίες από άλλη έκδοση Llama.

Πρακτική εργασία

Πρακτική εργασία

Τεχνικό παράδειγμα στα αγγλικά

Explain a return policy in Spanish

Explain this policy in Spanish to a customer, keeping product code ZX-14 unchanged: 'Unused ZX-14 items may be returned within 14 days of delivery. Personalized items are excluded. A purchase receipt is required.' Use three short bullets and retain the distinction between ordinary and personalized items. Base the answer only on this supplied policy.

Αναμενόμενο αποτέλεσμα

Three Spanish policy bullets retaining the code, time trigger, exclusion and receipt requirement.

Έλεγχος αποτελέσματος

ZX-14 must stay exact, and the exception for personalized items must not disappear.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions llama-4-maverick

llama-4-maverick

Meta /llama-4-maverick
ID μοντέλου
  • llama-4-maverick
  • meta-llama/llama-4-maverick

Εισαγωγή

Το Llama 4 Maverick είναι το εγγενές μοντέλο Instruct κειμένου και εικόνας της Meta με 128 ειδικούς, 17 δισ. ενεργές και 400 δισ. συνολικές παραμέτρους. Ο δημιουργός του τεκμηριώνει παράθυρο συμφραζομένων 1 εκατ. tokens, πολυγλωσσική έξοδο κειμένου και κώδικα, οπτική αναγνώριση, σύνταξη λεζάντας και ερωτήματα εικόνων σε μια έκδοση διακριτή από το Scout.

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
llama-4-maverick
Προεπιλογή—
ΠεδίοmessagesΤύποςmessage[]ΑπαίτησηΥποχρεωτικόΤιμές και όρια
Ελάχιστο πλήθος στοιχείων: 1
Προεπιλογή—
Πεδίοmessages[].roleΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοmessages[].contentΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εφαρμόζεται όταν: Συνομιλία κειμένου
Προεπιλογή—
ΠεδίοstreamΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογήfalse
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
Παράμετροςcontrol_scopeΣύμβασηΣυνομιλία κειμένου· το stream είναι λογική τιμή και έχει προεπιλογή false.
Παράμετροςoutput_modalitiesΣύμβασηtext
Παράμετροςhosted_operationsΣύμβασηfalse
Παράμετροςmultimodal_input_bindingΣύμβασηnull

Εναλλακτικά ονόματα μεθόδου: /chat/completions

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 $0.000375 / 1K token
Έξοδος · Token εξόδου $0.001305 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0001 / 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 $0.000375 / 1K token
Έξοδος · Token εξόδου $0.001305 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0001 / 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 SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"llama-4-maverick","messages":[{"role":"user","content":"hello"}],"stream":false}')

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="llama-4-maverick", messages=[{"role":"user","content":"hello"}], stream=False)
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"))

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 llama-4-maverick, meta-llama/llama-4-maverick

Εναλλακτικές διαδρομές μεθόδων

/chat/completions

Σχετικά ID μοντέλων

meta-llama/llama-4-maverick, llama-4-maverick

Ailoot Ultra · Anthropic Messages POST /v1/messages llama-4-maverick

llama-4-maverick

Meta /llama-4-maverick
ID μοντέλου
  • llama-4-maverick
  • meta-llama/llama-4-maverick

Εισαγωγή

Το Llama 4 Maverick είναι το εγγενές μοντέλο Instruct κειμένου και εικόνας της Meta με 128 ειδικούς, 17 δισ. ενεργές και 400 δισ. συνολικές παραμέτρους. Ο δημιουργός του τεκμηριώνει παράθυρο συμφραζομένων 1 εκατ. tokens, πολυγλωσσική έξοδο κειμένου και κώδικα, οπτική αναγνώριση, σύνταξη λεζάντας και ερωτήματα εικόνων σε μια έκδοση διακριτή από το Scout.

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
llama-4-maverick
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 $0.000375 / 1K token
Έξοδος · Token εξόδου $0.001305 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0001 / 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 $0.000375 / 1K token
Έξοδος · Token εξόδου $0.001305 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0001 / 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": "llama-4-maverick",
  "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': 'llama-4-maverick', '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': 'llama-4-maverick', '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 llama-4-maverick, meta-llama/llama-4-maverick

Εναλλακτικές διαδρομές μεθόδων

/chat/completions

Σχετικά ID μοντέλων

meta-llama/llama-4-maverick, llama-4-maverick

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta-llama/llama-4-maverick

meta-llama/llama-4-maverick

Meta /meta-llama/llama-4-maverick
ID μοντέλου
  • llama-4-maverick
  • meta-llama/llama-4-maverick

Εισαγωγή

Το Llama 4 Maverick είναι το εγγενές μοντέλο Instruct κειμένου και εικόνας της Meta με 128 ειδικούς, 17 δισ. ενεργές και 400 δισ. συνολικές παραμέτρους. Ο δημιουργός του τεκμηριώνει παράθυρο συμφραζομένων 1 εκατ. tokens, πολυγλωσσική έξοδο κειμένου και κώδικα, οπτική αναγνώριση, σύνταξη λεζάντας και ερωτήματα εικόνων σε μια έκδοση διακριτή από το Scout.

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-4-maverick
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 $0.000375 / 1K token
Έξοδος · Token εξόδου $0.001305 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0001 / 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 $0.000375 / 1K token
Έξοδος · Token εξόδου $0.001305 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0001 / 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-4-maverick", "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-4-maverick',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-4-maverick',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 llama-4-maverick, meta-llama/llama-4-maverick

Εναλλακτικές διαδρομές μεθόδων

/chat/completions

Σχετικά ID μοντέλων

meta-llama/llama-4-maverick, llama-4-maverick

Ailoot Ultra · Anthropic Messages POST /v1/messages meta-llama/llama-4-maverick

meta-llama/llama-4-maverick

Meta /meta-llama/llama-4-maverick
ID μοντέλου
  • llama-4-maverick
  • meta-llama/llama-4-maverick

Εισαγωγή

Το Llama 4 Maverick είναι το εγγενές μοντέλο Instruct κειμένου και εικόνας της Meta με 128 ειδικούς, 17 δισ. ενεργές και 400 δισ. συνολικές παραμέτρους. Ο δημιουργός του τεκμηριώνει παράθυρο συμφραζομένων 1 εκατ. tokens, πολυγλωσσική έξοδο κειμένου και κώδικα, οπτική αναγνώριση, σύνταξη λεζάντας και ερωτήματα εικόνων σε μια έκδοση διακριτή από το Scout.

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-4-maverick
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 $0.000375 / 1K token
Έξοδος · Token εξόδου $0.001305 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0001 / 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 $0.000375 / 1K token
Έξοδος · Token εξόδου $0.001305 / 1K token
Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0001 / 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-4-maverick",
  "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-4-maverick', '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-4-maverick', '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 llama-4-maverick, meta-llama/llama-4-maverick

Εναλλακτικές διαδρομές μεθόδων

/chat/completions

Σχετικά ID μοντέλων

meta-llama/llama-4-maverick, llama-4-maverick

FAQ · Meta: Llama 4 Maverick
Ποιες είσοδοι και αποτελέσματα διατίθενται;

POST /v1/chat/completions · llama-4-maverick: text → text

POST /v1/messages · llama-4-maverick: text → json, sse

POST /v1/chat/completions · meta-llama/llama-4-maverick: text → text

POST /v1/messages · meta-llama/llama-4-maverick: text → json, sse

Ποια πεδία χρησιμοποιεί το αίτημα;

POST /v1/chat/completions · llama-4-maverick: model, messages, stream

POST /v1/messages · llama-4-maverick: model, messages, max_tokens, stream

POST /v1/chat/completions · meta-llama/llama-4-maverick: model, messages, stream, modalities, provider

POST /v1/messages · meta-llama/llama-4-maverick: model, messages, max_tokens, stream

Ποια όρια ισχύουν;

POST /v1/chat/completions · llama-4-maverick: messages.min_items: 1

POST /v1/chat/completions · meta-llama/llama-4-maverick: 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