dots3-note Preview es el miembro ligero de la familia multimodal dots3 de Dots Studio. El productor indica un modelo de mezcla de expertos con 280B de parámetros totales, 16B de parámetros activos y compatibilidad con hasta 512K tokens de contexto. Recibe texto, imágenes, video y audio y produce texto; entre sus tareas declaradas están el conocimiento general, las instrucciones, el razonamiento, la programación y el trabajo orientado a agentes.
El núcleo de lenguaje tiene una capa densa y 45 capas de expertos, con ocho expertos enrutados seleccionados entre 256, además de un experto compartido. Su atención combina 13 capas de atención dispersa y 33 capas de ventana deslizante. El productor indica codificadores separados de visión y audio y una capa de predicción compartida. Estos componentes admiten comprensión multimodal; la salida del modelo sigue siendo texto en lugar de imágenes, voz o video generados.
Para análisis visual, proporciona la imagen, página o gráfica y pregunta por el aspecto que afecta la decisión. Una tarea útil con documentos puede comparar una tabla visible con un requisito escrito y devolver la fila pertinente, la interpretación y cualquier información faltante. Para video, identifica el evento o la secuencia que se debe examinar; el ejemplo de entrada del productor incluye la pista de audio cuando el clip tiene una.
Para audio, indica si la tarea necesita una transcripción o una explicación del material, y proporciona los nombres o términos del dominio necesarios para interpretarlo. Una tarea combinada puede usar la grabación junto con antecedentes escritos y solicitar hallazgos organizados según la pregunta que responden. El resultado es un entregable textual que la aplicación puede presentar o procesar.
La plantilla de conversación del productor distingue el razonamiento de una respuesta directa. Habilitar el razonamiento añade una etapa de análisis; deshabilitarlo devuelve la respuesta directamente. El ejemplo documentado usa temperature 1.0 y top-p 0.95. Define explícitamente la tarea y el resultado deseado, y deja suficiente espacio de generación para la respuesta en vez de tratar una asignación de tokens del ejemplo como el límite estricto de salida del modelo.
Para una tarea de programación, proporciona la fuente pertinente, el comportamiento esperado y una falla observada o un cambio solicitado. Pide el entregable propuesto y las comprobaciones que permitirían evaluarlo. En un flujo de agentes conectado, el modelo propone interacciones con herramientas y la aplicación las ejecuta y devuelve los resultados. El fabricante publica un analizador específico de llamadas a herramientas; la aplicación que lo rodea proporciona las herramientas reales y su acceso.
El trabajo interactivo puede requerir exploración, adaptación y actualizaciones de la memoria de trabajo de la tarea. Mantén un registro compacto del objetivo, los hallazgos confirmados y la condición sin resolver. Pide que el siguiente turno identifique qué cambia con la evidencia nueva y qué debe permanecer en ese registro. La persistencia del registro y la ejecución de acciones corresponden a la aplicación que rodea al modelo.
El productor publica archivos BF16 y FP8 distintos y recetas de servicio local con diferentes longitudes de contexto configuradas. Una longitud de servicio configurada es distinta de la especificación de 512K del modelo. Conserva las distinciones de edición Preview y precisión al identificar el modelo, y solicita un resultado final que indique el hallazgo, el cambio propuesto y la evidencia que el flujo realmente reunió.
", "aboutText": "dots3-note Preview es el miembro ligero de la familia multimodal dots3 de Dots Studio. El productor indica un modelo de mezcla de expertos con 280B de parámetros totales, 16B de parámetros activos y compatibilidad con hasta 512K tokens de contexto. Recibe texto, imágenes, video y audio y produce texto; entre sus tareas declaradas están el conocimiento general, las instrucciones, el razonamiento, la programación y el trabajo orientado a agentes.\n\nEl núcleo de lenguaje tiene una capa densa y 45 capas de expertos, con ocho expertos enrutados seleccionados entre 256, además de un experto compartido. Su atención combina 13 capas de atención dispersa y 33 capas de ventana deslizante. El productor indica codificadores separados de visión y audio y una capa de predicción compartida. Estos componentes admiten comprensión multimodal; la salida del modelo sigue siendo texto en lugar de imágenes, voz o video generados.\n\nPara análisis visual, proporciona la imagen, página o gráfica y pregunta por el aspecto que afecta la decisión. Una tarea útil con documentos puede comparar una tabla visible con un requisito escrito y devolver la fila pertinente, la interpretación y cualquier información faltante. Para video, identifica el evento o la secuencia que se debe examinar; el ejemplo de entrada del productor incluye la pista de audio cuando el clip tiene una.\n\nPara audio, indica si la tarea necesita una transcripción o una explicación del material, y proporciona los nombres o términos del dominio necesarios para interpretarlo. Una tarea combinada puede usar la grabación junto con antecedentes escritos y solicitar hallazgos organizados según la pregunta que responden. El resultado es un entregable textual que la aplicación puede presentar o procesar.\n\nLa plantilla de conversación del productor distingue el razonamiento de una respuesta directa. Habilitar el razonamiento añade una etapa de análisis; deshabilitarlo devuelve la respuesta directamente. El ejemplo documentado usa temperature 1.0 y top-p 0.95. Define explícitamente la tarea y el resultado deseado, y deja suficiente espacio de generación para la respuesta en vez de tratar una asignación de tokens del ejemplo como el límite estricto de salida del modelo.\n\nPara una tarea de programación, proporciona la fuente pertinente, el comportamiento esperado y una falla observada o un cambio solicitado. Pide el entregable propuesto y las comprobaciones que permitirían evaluarlo. En un flujo de agentes conectado, el modelo propone interacciones con herramientas y la aplicación las ejecuta y devuelve los resultados. El fabricante publica un analizador específico de llamadas a herramientas; la aplicación que lo rodea proporciona las herramientas reales y su acceso.\n\nEl trabajo interactivo puede requerir exploración, adaptación y actualizaciones de la memoria de trabajo de la tarea. Mantén un registro compacto del objetivo, los hallazgos confirmados y la condición sin resolver. Pide que el siguiente turno identifique qué cambia con la evidencia nueva y qué debe permanecer en ese registro. La persistencia del registro y la ejecución de acciones corresponden a la aplicación que rodea al modelo.\n\nEl productor publica archivos BF16 y FP8 distintos y recetas de servicio local con diferentes longitudes de contexto configuradas. Una longitud de servicio configurada es distinta de la especificación de 512K del modelo. Conserva las distinciones de edición Preview y precisión al identificar el modelo, y solicita un resultado final que indique el hallazgo, el cambio propuesto y la evidencia que el flujo realmente reunió.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9d5acc27953a628f4e31f94c35f0dea86a3a93467aef9b3e092e8865d1aa93de", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "dots-studio/dots-3-note-preview:freedots3-note Preview de Dots Studio es un modelo multimodal MoE para razonamiento, programación y flujos de agentes. El productor indica 280B de parámetros totales y 16B activos, un contexto de 512K, entrada de texto, imágenes, video y audio, y salida de texto.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
dots3-note Preview es el miembro ligero de la familia multimodal dots3 de Dots Studio. El productor indica un modelo de mezcla de expertos con 280B de parámetros totales, 16B de parámetros activos y compatibilidad con hasta 512K tokens de contexto. Recibe texto, imágenes, video y audio y produce texto; entre sus tareas declaradas están el conocimiento general, las instrucciones, el razonamiento, la programación y el trabajo orientado a agentes.
El núcleo de lenguaje tiene una capa densa y 45 capas de expertos, con ocho expertos enrutados seleccionados entre 256, además de un experto compartido. Su atención combina 13 capas de atención dispersa y 33 capas de ventana deslizante. El productor indica codificadores separados de visión y audio y una capa de predicción compartida. Estos componentes admiten comprensión multimodal; la salida del modelo sigue siendo texto en lugar de imágenes, voz o video generados.
Para análisis visual, proporciona la imagen, página o gráfica y pregunta por el aspecto que afecta la decisión. Una tarea útil con documentos puede comparar una tabla visible con un requisito escrito y devolver la fila pertinente, la interpretación y cualquier información faltante. Para video, identifica el evento o la secuencia que se debe examinar; el ejemplo de entrada del productor incluye la pista de audio cuando el clip tiene una.
Para audio, indica si la tarea necesita una transcripción o una explicación del material, y proporciona los nombres o términos del dominio necesarios para interpretarlo. Una tarea combinada puede usar la grabación junto con antecedentes escritos y solicitar hallazgos organizados según la pregunta que responden. El resultado es un entregable textual que la aplicación puede presentar o procesar.
La plantilla de conversación del productor distingue el razonamiento de una respuesta directa. Habilitar el razonamiento añade una etapa de análisis; deshabilitarlo devuelve la respuesta directamente. El ejemplo documentado usa temperature 1.0 y top-p 0.95. Define explícitamente la tarea y el resultado deseado, y deja suficiente espacio de generación para la respuesta en vez de tratar una asignación de tokens del ejemplo como el límite estricto de salida del modelo.
Para una tarea de programación, proporciona la fuente pertinente, el comportamiento esperado y una falla observada o un cambio solicitado. Pide el entregable propuesto y las comprobaciones que permitirían evaluarlo. En un flujo de agentes conectado, el modelo propone interacciones con herramientas y la aplicación las ejecuta y devuelve los resultados. El fabricante publica un analizador específico de llamadas a herramientas; la aplicación que lo rodea proporciona las herramientas reales y su acceso.
El trabajo interactivo puede requerir exploración, adaptación y actualizaciones de la memoria de trabajo de la tarea. Mantén un registro compacto del objetivo, los hallazgos confirmados y la condición sin resolver. Pide que el siguiente turno identifique qué cambia con la evidencia nueva y qué debe permanecer en ese registro. La persistencia del registro y la ejecución de acciones corresponden a la aplicación que rodea al modelo.
El productor publica archivos BF16 y FP8 distintos y recetas de servicio local con diferentes longitudes de contexto configuradas. Una longitud de servicio configurada es distinta de la especificación de 512K del modelo. Conserva las distinciones de edición Preview y precisión al identificar el modelo, y solicita un resultado final que indique el hallazgo, el cambio propuesto y la evidencia que el flujo realmente reunió.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites dots-studio/dots-3-note-preview:free | Predeterminado— |
Campomessages | Tipoarray | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites false | Predeterminadofalse |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Máximo: 460,800 | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Máximo: 460,800 | Predeterminado— |
Campon | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Máximo: 128 | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites | Predeterminado— |
Camposeed | Tipointeger | RequisitoOpcional | Valores y límites | Predeterminado— |
Campostop | Tipo | RequisitoOpcional | Valores y límites | Predeterminado— |
Campofrequency_penalty | Tiponumber | RequisitoOpcional | Valores y límites | Predeterminado— |
Campopresence_penalty | Tiponumber | RequisitoOpcional | Valores y límites | Predeterminado— |
Campouser | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetrooptional | Contratostream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parámetromaterial_types | Contratotext |
Parámetroconditions | ContratoUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 512000 bytes. |
Ciclo de vida: synchronous_json
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 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "dots-studio/dots-3-note-preview:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra dots-studio/dots-3-note-preview:free
Usa las rutas de método indicadas arriba.
dots-studio/dots-3-note-preview:freedots3-note Preview de Dots Studio es un modelo multimodal MoE para razonamiento, programación y flujos de agentes. El productor indica 280B de parámetros totales y 16B activos, un contexto de 512K, entrada de texto, imágenes, video y audio, y salida de texto.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
dots3-note Preview es el miembro ligero de la familia multimodal dots3 de Dots Studio. El productor indica un modelo de mezcla de expertos con 280B de parámetros totales, 16B de parámetros activos y compatibilidad con hasta 512K tokens de contexto. Recibe texto, imágenes, video y audio y produce texto; entre sus tareas declaradas están el conocimiento general, las instrucciones, el razonamiento, la programación y el trabajo orientado a agentes.
El núcleo de lenguaje tiene una capa densa y 45 capas de expertos, con ocho expertos enrutados seleccionados entre 256, además de un experto compartido. Su atención combina 13 capas de atención dispersa y 33 capas de ventana deslizante. El productor indica codificadores separados de visión y audio y una capa de predicción compartida. Estos componentes admiten comprensión multimodal; la salida del modelo sigue siendo texto en lugar de imágenes, voz o video generados.
Para análisis visual, proporciona la imagen, página o gráfica y pregunta por el aspecto que afecta la decisión. Una tarea útil con documentos puede comparar una tabla visible con un requisito escrito y devolver la fila pertinente, la interpretación y cualquier información faltante. Para video, identifica el evento o la secuencia que se debe examinar; el ejemplo de entrada del productor incluye la pista de audio cuando el clip tiene una.
Para audio, indica si la tarea necesita una transcripción o una explicación del material, y proporciona los nombres o términos del dominio necesarios para interpretarlo. Una tarea combinada puede usar la grabación junto con antecedentes escritos y solicitar hallazgos organizados según la pregunta que responden. El resultado es un entregable textual que la aplicación puede presentar o procesar.
La plantilla de conversación del productor distingue el razonamiento de una respuesta directa. Habilitar el razonamiento añade una etapa de análisis; deshabilitarlo devuelve la respuesta directamente. El ejemplo documentado usa temperature 1.0 y top-p 0.95. Define explícitamente la tarea y el resultado deseado, y deja suficiente espacio de generación para la respuesta en vez de tratar una asignación de tokens del ejemplo como el límite estricto de salida del modelo.
Para una tarea de programación, proporciona la fuente pertinente, el comportamiento esperado y una falla observada o un cambio solicitado. Pide el entregable propuesto y las comprobaciones que permitirían evaluarlo. En un flujo de agentes conectado, el modelo propone interacciones con herramientas y la aplicación las ejecuta y devuelve los resultados. El fabricante publica un analizador específico de llamadas a herramientas; la aplicación que lo rodea proporciona las herramientas reales y su acceso.
El trabajo interactivo puede requerir exploración, adaptación y actualizaciones de la memoria de trabajo de la tarea. Mantén un registro compacto del objetivo, los hallazgos confirmados y la condición sin resolver. Pide que el siguiente turno identifique qué cambia con la evidencia nueva y qué debe permanecer en ese registro. La persistencia del registro y la ejecución de acciones corresponden a la aplicación que rodea al modelo.
El productor publica archivos BF16 y FP8 distintos y recetas de servicio local con diferentes longitudes de contexto configuradas. Una longitud de servicio configurada es distinta de la especificación de 512K del modelo. Conserva las distinciones de edición Preview y precisión al identificar el modelo, y solicita un resultado final que indique el hallazgo, el cambio propuesto y la evidencia que el flujo realmente reunió.
POST /v1/messagestexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites dots-studio/dots-3-note-preview:free | Predeterminado— |
Campomessages | Tipoarray | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites false | Predeterminadofalse |
Camposystem | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites Mínimo: 1 Máximo: 460,800 | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotop_k | Tipointeger | RequisitoOpcional | Valores y límites | Predeterminado— |
Campostop_sequences | Tipoarray | RequisitoOpcional | Valores y límites | Predeterminado— |
Campometadata | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional | Contratostream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parámetromaterial_types | Contratotext |
Parámetroconditions | ContratoUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 512000 bytes. |
Ciclo de vida: synchronous_json
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 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "dots-studio/dots-3-note-preview:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\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/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra dots-studio/dots-3-note-preview:free
Usa las rutas de método indicadas arriba.