ERNIE-4.5-21B-A3B-Thinking es la edición textual de razonamiento del modelo 21B-A3B publicada por separado por Baidu. Su desarrollo amplía la capacidad de pensamiento del modelo original, con énfasis en razonamiento lógico, matemáticas, preguntas científicas, programación y generación de texto. También añade capacidades de uso de herramientas y comprensión de contexto largo. El desarrollador recomienda específicamente la versión de pensamiento más largo para tareas de razonamiento muy complejas.
El modelo es una mezcla de expertos posentrenada con 21 mil millones de parámetros totales y 3 mil millones activados por token. Su configuración contiene 28 capas, 20 cabezas de consulta y cuatro cabezas de clave/valor. Tiene 64 expertos de texto con seis seleccionados a la vez y dos expertos compartidos. La longitud de contexto es de 131,072 tokens. Su entrada y salida son texto, y el nombre Thinking conserva una edición distinta en lugar de un ajuste que convierta automáticamente el modelo ordinario 21B-A3B en la misma versión.
Para una tarea analítica exigente, proporciona las condiciones, la evidencia y el criterio que establecerá una respuesta válida. Pide el resultado en una forma comprobable: una derivación matemática, una comparación de casos, una propuesta de implementación o una secuencia de decisiones con suposiciones declaradas. Para código, incluye el fragmento pertinente, el comportamiento esperado y un ejemplo concreto de entrada. Un razonamiento más largo resulta útil cuando la respuesta depende de varios pasos relacionados en lugar de un hecho aislado corto.
El desarrollador documenta llamadas a funciones con una herramienta descrita y un esquema de sus argumentos. Esto permite tareas que necesitan información o acciones proporcionadas por la aplicación. Define qué aporta cada función, qué entradas espera y cómo se utilizará el resultado devuelto. Los argumentos de función propuestos por el modelo y el resultado de ejecución de la aplicación son partes separadas de ese flujo. Las herramientas conectadas amplían la información disponible para la tarea; no otorgan al modelo acceso independiente a sistemas externos.
En una tarea con Ailoot API, selecciona un recurso final y especifica su estructura. Un resultado de razonamiento puede separar la conclusión, los cálculos de respaldo, las suposiciones y las preguntas restantes. Un resultado de programación puede separar el cambio propuesto de su justificación y de las comprobaciones requeridas para validarlo. Mantén junto el material de la tarea para que el contexto extendido sirva a un problema coherente en lugar de antecedentes ajenos.
Baidu publica esta edición en pesos de estilo Transformer y proporciona ejemplos de generación de texto y llamadas a funciones. La versión está bajo Apache 2.0. Su aumento deliberado de la longitud de pensamiento es una característica específica de la edición y la ficha del modelo no indica un límite máximo separado de tokens de salida. Mantén este modelo Thinking distinto de la edición textual ordinaria y de la rama VL al elegir las capacidades del desarrollador necesarias para la tarea.
", "aboutText": "ERNIE-4.5-21B-A3B-Thinking es la edición textual de razonamiento del modelo 21B-A3B publicada por separado por Baidu. Su desarrollo amplía la capacidad de pensamiento del modelo original, con énfasis en razonamiento lógico, matemáticas, preguntas científicas, programación y generación de texto. También añade capacidades de uso de herramientas y comprensión de contexto largo. El desarrollador recomienda específicamente la versión de pensamiento más largo para tareas de razonamiento muy complejas.\n\nEl modelo es una mezcla de expertos posentrenada con 21 mil millones de parámetros totales y 3 mil millones activados por token. Su configuración contiene 28 capas, 20 cabezas de consulta y cuatro cabezas de clave/valor. Tiene 64 expertos de texto con seis seleccionados a la vez y dos expertos compartidos. La longitud de contexto es de 131,072 tokens. Su entrada y salida son texto, y el nombre Thinking conserva una edición distinta en lugar de un ajuste que convierta automáticamente el modelo ordinario 21B-A3B en la misma versión.\n\nPara una tarea analítica exigente, proporciona las condiciones, la evidencia y el criterio que establecerá una respuesta válida. Pide el resultado en una forma comprobable: una derivación matemática, una comparación de casos, una propuesta de implementación o una secuencia de decisiones con suposiciones declaradas. Para código, incluye el fragmento pertinente, el comportamiento esperado y un ejemplo concreto de entrada. Un razonamiento más largo resulta útil cuando la respuesta depende de varios pasos relacionados en lugar de un hecho aislado corto.\n\nEl desarrollador documenta llamadas a funciones con una herramienta descrita y un esquema de sus argumentos. Esto permite tareas que necesitan información o acciones proporcionadas por la aplicación. Define qué aporta cada función, qué entradas espera y cómo se utilizará el resultado devuelto. Los argumentos de función propuestos por el modelo y el resultado de ejecución de la aplicación son partes separadas de ese flujo. Las herramientas conectadas amplían la información disponible para la tarea; no otorgan al modelo acceso independiente a sistemas externos.\n\nEn una tarea con Ailoot API, selecciona un recurso final y especifica su estructura. Un resultado de razonamiento puede separar la conclusión, los cálculos de respaldo, las suposiciones y las preguntas restantes. Un resultado de programación puede separar el cambio propuesto de su justificación y de las comprobaciones requeridas para validarlo. Mantén junto el material de la tarea para que el contexto extendido sirva a un problema coherente en lugar de antecedentes ajenos.\n\nBaidu publica esta edición en pesos de estilo Transformer y proporciona ejemplos de generación de texto y llamadas a funciones. La versión está bajo Apache 2.0. Su aumento deliberado de la longitud de pensamiento es una característica específica de la edición y la ficha del modelo no indica un límite máximo separado de tokens de salida. Mantén este modelo Thinking distinto de la edición textual ordinaria y de la rama VL al elegir las capacidades del desarrollador necesarias para la tarea.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Resolve a precedence constraint\n\nThree maintenance jobs A, B and C share one machine and last 2, 3 and 1 hours. B must follow A; C must finish by hour 3. Work starts at hour 0 with no interruptions. Find the feasible order with the earliest finish, give start and end times, and explain why other orders fail the constraints.A schedule table, the finish time and a short elimination of infeasible orders.Check each duration, the A-before-B constraint and the deadline for C directly against the table.baidu/ernie-4.5-21b-a3b-thinkingLa edición Thinking independiente de ERNIE 4.5 de Baidu utiliza razonamiento más largo para tareas muy complejas de lógica, matemáticas, ciencia y código. Combina una arquitectura de mezcla de expertos de 21B/3B, un contexto de 131,072 tokens y compatibilidad con llamadas a funciones.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
ERNIE-4.5-21B-A3B-Thinking es la edición textual de razonamiento del modelo 21B-A3B publicada por separado por Baidu. Su desarrollo amplía la capacidad de pensamiento del modelo original, con énfasis en razonamiento lógico, matemáticas, preguntas científicas, programación y generación de texto. También añade capacidades de uso de herramientas y comprensión de contexto largo. El desarrollador recomienda específicamente la versión de pensamiento más largo para tareas de razonamiento muy complejas.
El modelo es una mezcla de expertos posentrenada con 21 mil millones de parámetros totales y 3 mil millones activados por token. Su configuración contiene 28 capas, 20 cabezas de consulta y cuatro cabezas de clave/valor. Tiene 64 expertos de texto con seis seleccionados a la vez y dos expertos compartidos. La longitud de contexto es de 131,072 tokens. Su entrada y salida son texto, y el nombre Thinking conserva una edición distinta en lugar de un ajuste que convierta automáticamente el modelo ordinario 21B-A3B en la misma versión.
Para una tarea analítica exigente, proporciona las condiciones, la evidencia y el criterio que establecerá una respuesta válida. Pide el resultado en una forma comprobable: una derivación matemática, una comparación de casos, una propuesta de implementación o una secuencia de decisiones con suposiciones declaradas. Para código, incluye el fragmento pertinente, el comportamiento esperado y un ejemplo concreto de entrada. Un razonamiento más largo resulta útil cuando la respuesta depende de varios pasos relacionados en lugar de un hecho aislado corto.
El desarrollador documenta llamadas a funciones con una herramienta descrita y un esquema de sus argumentos. Esto permite tareas que necesitan información o acciones proporcionadas por la aplicación. Define qué aporta cada función, qué entradas espera y cómo se utilizará el resultado devuelto. Los argumentos de función propuestos por el modelo y el resultado de ejecución de la aplicación son partes separadas de ese flujo. Las herramientas conectadas amplían la información disponible para la tarea; no otorgan al modelo acceso independiente a sistemas externos.
En una tarea con Ailoot API, selecciona un recurso final y especifica su estructura. Un resultado de razonamiento puede separar la conclusión, los cálculos de respaldo, las suposiciones y las preguntas restantes. Un resultado de programación puede separar el cambio propuesto de su justificación y de las comprobaciones requeridas para validarlo. Mantén junto el material de la tarea para que el contexto extendido sirva a un problema coherente en lugar de antecedentes ajenos.
Baidu publica esta edición en pesos de estilo Transformer y proporciona ejemplos de generación de texto y llamadas a funciones. La versión está bajo Apache 2.0. Su aumento deliberado de la longitud de pensamiento es una característica específica de la edición y la ficha del modelo no indica un límite máximo separado de tokens de salida. Mantén este modelo Thinking distinto de la edición textual ordinaria y de la rama VL al elegir las capacidades del desarrollador necesarias para la tarea.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites baidu/ernie-4.5-21b-a3b-thinking | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.000144 / 1K tokens Salida · Tokens de salida $0.000572 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "baidu/ernie-4.5-21b-a3b-thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='baidu/ernie-4.5-21b-a3b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='baidu/ernie-4.5-21b-a3b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra baidu/ernie-4.5-21b-a3b-thinking
Usa las rutas de método indicadas arriba.
baidu/ernie-4.5-21b-a3b-thinkingLa edición Thinking independiente de ERNIE 4.5 de Baidu utiliza razonamiento más largo para tareas muy complejas de lógica, matemáticas, ciencia y código. Combina una arquitectura de mezcla de expertos de 21B/3B, un contexto de 131,072 tokens y compatibilidad con llamadas a funciones.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
ERNIE-4.5-21B-A3B-Thinking es la edición textual de razonamiento del modelo 21B-A3B publicada por separado por Baidu. Su desarrollo amplía la capacidad de pensamiento del modelo original, con énfasis en razonamiento lógico, matemáticas, preguntas científicas, programación y generación de texto. También añade capacidades de uso de herramientas y comprensión de contexto largo. El desarrollador recomienda específicamente la versión de pensamiento más largo para tareas de razonamiento muy complejas.
El modelo es una mezcla de expertos posentrenada con 21 mil millones de parámetros totales y 3 mil millones activados por token. Su configuración contiene 28 capas, 20 cabezas de consulta y cuatro cabezas de clave/valor. Tiene 64 expertos de texto con seis seleccionados a la vez y dos expertos compartidos. La longitud de contexto es de 131,072 tokens. Su entrada y salida son texto, y el nombre Thinking conserva una edición distinta en lugar de un ajuste que convierta automáticamente el modelo ordinario 21B-A3B en la misma versión.
Para una tarea analítica exigente, proporciona las condiciones, la evidencia y el criterio que establecerá una respuesta válida. Pide el resultado en una forma comprobable: una derivación matemática, una comparación de casos, una propuesta de implementación o una secuencia de decisiones con suposiciones declaradas. Para código, incluye el fragmento pertinente, el comportamiento esperado y un ejemplo concreto de entrada. Un razonamiento más largo resulta útil cuando la respuesta depende de varios pasos relacionados en lugar de un hecho aislado corto.
El desarrollador documenta llamadas a funciones con una herramienta descrita y un esquema de sus argumentos. Esto permite tareas que necesitan información o acciones proporcionadas por la aplicación. Define qué aporta cada función, qué entradas espera y cómo se utilizará el resultado devuelto. Los argumentos de función propuestos por el modelo y el resultado de ejecución de la aplicación son partes separadas de ese flujo. Las herramientas conectadas amplían la información disponible para la tarea; no otorgan al modelo acceso independiente a sistemas externos.
En una tarea con Ailoot API, selecciona un recurso final y especifica su estructura. Un resultado de razonamiento puede separar la conclusión, los cálculos de respaldo, las suposiciones y las preguntas restantes. Un resultado de programación puede separar el cambio propuesto de su justificación y de las comprobaciones requeridas para validarlo. Mantén junto el material de la tarea para que el contexto extendido sirva a un problema coherente en lugar de antecedentes ajenos.
Baidu publica esta edición en pesos de estilo Transformer y proporciona ejemplos de generación de texto y llamadas a funciones. La versión está bajo Apache 2.0. Su aumento deliberado de la longitud de pensamiento es una característica específica de la edición y la ficha del modelo no indica un límite máximo separado de tokens de salida. Mantén este modelo Thinking distinto de la edición textual ordinaria y de la rama VL al elegir las capacidades del desarrollador necesarias para la tarea.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites baidu/ernie-4.5-21b-a3b-thinking | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.000144 / 1K tokens Salida · Tokens de salida $0.000572 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "baidu/ernie-4.5-21b-a3b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'baidu/ernie-4.5-21b-a3b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'baidu/ernie-4.5-21b-a3b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra baidu/ernie-4.5-21b-a3b-thinking
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Resolve a precedence constraint\n\nThree maintenance jobs A, B and C share one machine and last 2, 3 and 1 hours. B must follow A; C must finish by hour 3. Work starts at hour 0 with no interruptions. Find the feasible order with the earliest finish, give start and end times, and explain why other orders fail the constraints.A schedule table, the finish time and a short elimination of infeasible orders.Check each duration, the A-before-B constraint and the deadline for C directly against the table.