Hermes 3 Llama 3.1 70B es la edición generalista de modelo de lenguaje de 70B de Nous Research dentro de la serie Hermes 3. Acepta texto y genera una respuesta, un pasaje escrito, código, un registro estructurado o una llamada a herramienta propuesta. Su desarrollador enfatiza la capacidad de dirección por parte del usuario, el razonamiento, la interpretación de roles, el diálogo de varios turnos y la coherencia con contexto largo, junto con mejoras en llamadas a funciones y generación de código.
Una instrucción de sistema puede definir el rol, las reglas, el estilo y los requisitos de salida. Para interpretación de roles, proporciona el escenario, el punto de vista y los límites de los personajes; para una asignación analítica, proporciona los pasajes fuente y los criterios para la conclusión. Un documento de instrucciones útil es: «Explica las diferencias entre estos requisitos, conserva los nombres técnicos e identifica el pasaje que respalda cada hallazgo».
Para programación, proporciona la implementación relevante, el fallo observado, el comportamiento esperado y las interfaces que deben permanecer estables. Solicita el artefacto de código propuesto y su explicación, y después usa observaciones reales de validación cuando se necesite una revisión. La capacidad de dirección del modelo ayuda a dar forma a la respuesta, pero las instrucciones todavía deben definir el resultado útil.
Hermes 3 usa ChatML con turnos separados de sistema, usuario y asistente y límites explícitos. Su desarrollador recomienda dar formato a la conversación mediante la plantilla propia del modelo y agregar el prompt de generación del asistente. Un mensaje de sistema es opcional; cuando se usa, debe describir el contexto de la tarea y el comportamiento deseado, sin reemplazar la solicitud real del usuario.
Mantén el historial de diálogo en los roles correctos. Para una tarea continua de escritura, conserva los hechos establecidos e indica al modelo qué pasaje puede cambiar. Para trabajo con fuentes, identifica el material como evidencia y sepáralo de las instrucciones. Esto ayuda a una respuesta posterior a conservar las restricciones de la tarea sin confundir texto citado con una nueva orden.
La ficha exacta entrena el uso de funciones con una representación específica de sistema, firmas de funciones y esquemas de parámetros. El modelo devuelve objetos JSON que contienen el nombre de la función seleccionada y sus argumentos dentro de etiquetas de llamadas a herramientas. La aplicación que lo integra interpreta esa propuesta, realiza la función y devuelve una respuesta de herramienta identificada por nombre. El modelo usa después los datos devueltos para producir la respuesta.
Define las funciones con precisión y exige valores reales para los argumentos, en lugar de suposiciones sobre un sistema externo. Una función de consulta puede aportar un campo de producto o cálculo faltante, mientras que la respuesta explica qué significa la información devuelta. Una llamada generada es distinta de un resultado ejecutado; conserva la observación junto con la tarea.
Hermes 3 también documenta una instrucción de sistema condicionada por un esquema para respuestas únicamente JSON. Define los campos y tipos y explica cómo representar la información faltante en la fuente. Comprueba el objeto generado tanto por su estructura como por su concordancia con la entrada. Una respuesta compatible con el esquema no debe tratarse como prueba de que un valor fue recuperado o verificado.
La configuración publicada del modelo 70B tiene 131,072 posiciones. El texto fuente, la conversación y el contenido generado comparten el contexto del flujo seleccionado, y el tamaño de generación de ejemplo no es un límite universal estricto de respuesta. Reserva espacio para el resultado y mantén las entradas largas relacionadas con la pregunta.
El entregable útil es un texto, propuesta de código o registro estructurado que se pueda revisar y esté basado en el contexto proporcionado y en observaciones reales de herramientas. Esta edición exacta 70B de Hermes 3 sigue separada del modelo más grande 405B y del formato y controles de razonamiento híbrido de Hermes 4.
", "aboutText": "Hermes 3 Llama 3.1 70B es la edición generalista de modelo de lenguaje de 70B de Nous Research dentro de la serie Hermes 3. Acepta texto y genera una respuesta, un pasaje escrito, código, un registro estructurado o una llamada a herramienta propuesta. Su desarrollador enfatiza la capacidad de dirección por parte del usuario, el razonamiento, la interpretación de roles, el diálogo de varios turnos y la coherencia con contexto largo, junto con mejoras en llamadas a funciones y generación de código.\n\n### Dirige la tarea y la respuesta\n\nUna instrucción de sistema puede definir el rol, las reglas, el estilo y los requisitos de salida. Para interpretación de roles, proporciona el escenario, el punto de vista y los límites de los personajes; para una asignación analítica, proporciona los pasajes fuente y los criterios para la conclusión. Un documento de instrucciones útil es: «Explica las diferencias entre estos requisitos, conserva los nombres técnicos e identifica el pasaje que respalda cada hallazgo».\n\nPara programación, proporciona la implementación relevante, el fallo observado, el comportamiento esperado y las interfaces que deben permanecer estables. Solicita el artefacto de código propuesto y su explicación, y después usa observaciones reales de validación cuando se necesite una revisión. La capacidad de dirección del modelo ayuda a dar forma a la respuesta, pero las instrucciones todavía deben definir el resultado útil.\n\n### Conversación ChatML\n\nHermes 3 usa ChatML con turnos separados de sistema, usuario y asistente y límites explícitos. Su desarrollador recomienda dar formato a la conversación mediante la plantilla propia del modelo y agregar el prompt de generación del asistente. Un mensaje de sistema es opcional; cuando se usa, debe describir el contexto de la tarea y el comportamiento deseado, sin reemplazar la solicitud real del usuario.\n\nMantén el historial de diálogo en los roles correctos. Para una tarea continua de escritura, conserva los hechos establecidos e indica al modelo qué pasaje puede cambiar. Para trabajo con fuentes, identifica el material como evidencia y sepáralo de las instrucciones. Esto ayuda a una respuesta posterior a conservar las restricciones de la tarea sin confundir texto citado con una nueva orden.\n\n### Llamadas a funciones\n\nLa ficha exacta entrena el uso de funciones con una representación específica de sistema, firmas de funciones y esquemas de parámetros. El modelo devuelve objetos JSON que contienen el nombre de la función seleccionada y sus argumentos dentro de etiquetas de llamadas a herramientas. La aplicación que lo integra interpreta esa propuesta, realiza la función y devuelve una respuesta de herramienta identificada por nombre. El modelo usa después los datos devueltos para producir la respuesta.\n\nDefine las funciones con precisión y exige valores reales para los argumentos, en lugar de suposiciones sobre un sistema externo. Una función de consulta puede aportar un campo de producto o cálculo faltante, mientras que la respuesta explica qué significa la información devuelta. Una llamada generada es distinta de un resultado ejecutado; conserva la observación junto con la tarea.\n\n### Modo JSON y límites\n\nHermes 3 también documenta una instrucción de sistema condicionada por un esquema para respuestas únicamente JSON. Define los campos y tipos y explica cómo representar la información faltante en la fuente. Comprueba el objeto generado tanto por su estructura como por su concordancia con la entrada. Una respuesta compatible con el esquema no debe tratarse como prueba de que un valor fue recuperado o verificado.\n\nLa configuración publicada del modelo 70B tiene 131,072 posiciones. El texto fuente, la conversación y el contenido generado comparten el contexto del flujo seleccionado, y el tamaño de generación de ejemplo no es un límite universal estricto de respuesta. Reserva espacio para el resultado y mantén las entradas largas relacionadas con la pregunta.\n\nEl entregable útil es un texto, propuesta de código o registro estructurado que se pueda revisar y esté basado en el contexto proporcionado y en observaciones reales de herramientas. Esta edición exacta 70B de Hermes 3 sigue separada del modelo más grande 405B y del formato y controles de razonamiento híbrido de Hermes 4.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Continue a constrained roleplay\n\nPlay Irena, the archivist who knows a bridge is unsafe but fears closing it will isolate the town. I play the mayor. Begin with two or three lines of dialogue that reveal the conflict through subtext. Keep Irena’s knowledge consistent and stop before choosing the mayor’s answer or actions.Two or three in-character lines, with optional short stage direction and room for the mayor’s response.Check that the safety-versus-isolation conflict is present and that the user’s character remains under user control.nousresearch/hermes-3-llama-3.1-70bHermes 3 Llama 3.1 70B es el modelo generalista dirigible de texto de Nous Research para diálogo de varios turnos, interpretación de roles, código y tareas con agentes. Su perfil ChatML incluye JSON guiado por esquemas y llamadas a funciones etiquetadas, con una configuración publicada de 131,072 posiciones.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Hermes 3 Llama 3.1 70B es la edición generalista de modelo de lenguaje de 70B de Nous Research dentro de la serie Hermes 3. Acepta texto y genera una respuesta, un pasaje escrito, código, un registro estructurado o una llamada a herramienta propuesta. Su desarrollador enfatiza la capacidad de dirección por parte del usuario, el razonamiento, la interpretación de roles, el diálogo de varios turnos y la coherencia con contexto largo, junto con mejoras en llamadas a funciones y generación de código.
Una instrucción de sistema puede definir el rol, las reglas, el estilo y los requisitos de salida. Para interpretación de roles, proporciona el escenario, el punto de vista y los límites de los personajes; para una asignación analítica, proporciona los pasajes fuente y los criterios para la conclusión. Un documento de instrucciones útil es: «Explica las diferencias entre estos requisitos, conserva los nombres técnicos e identifica el pasaje que respalda cada hallazgo».
Para programación, proporciona la implementación relevante, el fallo observado, el comportamiento esperado y las interfaces que deben permanecer estables. Solicita el artefacto de código propuesto y su explicación, y después usa observaciones reales de validación cuando se necesite una revisión. La capacidad de dirección del modelo ayuda a dar forma a la respuesta, pero las instrucciones todavía deben definir el resultado útil.
Hermes 3 usa ChatML con turnos separados de sistema, usuario y asistente y límites explícitos. Su desarrollador recomienda dar formato a la conversación mediante la plantilla propia del modelo y agregar el prompt de generación del asistente. Un mensaje de sistema es opcional; cuando se usa, debe describir el contexto de la tarea y el comportamiento deseado, sin reemplazar la solicitud real del usuario.
Mantén el historial de diálogo en los roles correctos. Para una tarea continua de escritura, conserva los hechos establecidos e indica al modelo qué pasaje puede cambiar. Para trabajo con fuentes, identifica el material como evidencia y sepáralo de las instrucciones. Esto ayuda a una respuesta posterior a conservar las restricciones de la tarea sin confundir texto citado con una nueva orden.
La ficha exacta entrena el uso de funciones con una representación específica de sistema, firmas de funciones y esquemas de parámetros. El modelo devuelve objetos JSON que contienen el nombre de la función seleccionada y sus argumentos dentro de etiquetas de llamadas a herramientas. La aplicación que lo integra interpreta esa propuesta, realiza la función y devuelve una respuesta de herramienta identificada por nombre. El modelo usa después los datos devueltos para producir la respuesta.
Define las funciones con precisión y exige valores reales para los argumentos, en lugar de suposiciones sobre un sistema externo. Una función de consulta puede aportar un campo de producto o cálculo faltante, mientras que la respuesta explica qué significa la información devuelta. Una llamada generada es distinta de un resultado ejecutado; conserva la observación junto con la tarea.
Hermes 3 también documenta una instrucción de sistema condicionada por un esquema para respuestas únicamente JSON. Define los campos y tipos y explica cómo representar la información faltante en la fuente. Comprueba el objeto generado tanto por su estructura como por su concordancia con la entrada. Una respuesta compatible con el esquema no debe tratarse como prueba de que un valor fue recuperado o verificado.
La configuración publicada del modelo 70B tiene 131,072 posiciones. El texto fuente, la conversación y el contenido generado comparten el contexto del flujo seleccionado, y el tamaño de generación de ejemplo no es un límite universal estricto de respuesta. Reserva espacio para el resultado y mantén las entradas largas relacionadas con la pregunta.
El entregable útil es un texto, propuesta de código o registro estructurado que se pueda revisar y esté basado en el contexto proporcionado y en observaciones reales de herramientas. Esta edición exacta 70B de Hermes 3 sigue separada del modelo más grande 405B y del formato y controles de razonamiento híbrido de Hermes 4.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites nousresearch/hermes-3-llama-3.1-70b | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0014 / 1K tokens Salida · Tokens de salida $0.0014 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0014 / 1K tokens Salida · Tokens de salida $0.0014 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nousresearch/hermes-3-llama-3.1-70b", "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='nousresearch/hermes-3-llama-3.1-70b',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='nousresearch/hermes-3-llama-3.1-70b',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 nousresearch/hermes-3-llama-3.1-70b
Usa las rutas de método indicadas arriba.
nousresearch/hermes-3-llama-3.1-70bHermes 3 Llama 3.1 70B es el modelo generalista dirigible de texto de Nous Research para diálogo de varios turnos, interpretación de roles, código y tareas con agentes. Su perfil ChatML incluye JSON guiado por esquemas y llamadas a funciones etiquetadas, con una configuración publicada de 131,072 posiciones.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Hermes 3 Llama 3.1 70B es la edición generalista de modelo de lenguaje de 70B de Nous Research dentro de la serie Hermes 3. Acepta texto y genera una respuesta, un pasaje escrito, código, un registro estructurado o una llamada a herramienta propuesta. Su desarrollador enfatiza la capacidad de dirección por parte del usuario, el razonamiento, la interpretación de roles, el diálogo de varios turnos y la coherencia con contexto largo, junto con mejoras en llamadas a funciones y generación de código.
Una instrucción de sistema puede definir el rol, las reglas, el estilo y los requisitos de salida. Para interpretación de roles, proporciona el escenario, el punto de vista y los límites de los personajes; para una asignación analítica, proporciona los pasajes fuente y los criterios para la conclusión. Un documento de instrucciones útil es: «Explica las diferencias entre estos requisitos, conserva los nombres técnicos e identifica el pasaje que respalda cada hallazgo».
Para programación, proporciona la implementación relevante, el fallo observado, el comportamiento esperado y las interfaces que deben permanecer estables. Solicita el artefacto de código propuesto y su explicación, y después usa observaciones reales de validación cuando se necesite una revisión. La capacidad de dirección del modelo ayuda a dar forma a la respuesta, pero las instrucciones todavía deben definir el resultado útil.
Hermes 3 usa ChatML con turnos separados de sistema, usuario y asistente y límites explícitos. Su desarrollador recomienda dar formato a la conversación mediante la plantilla propia del modelo y agregar el prompt de generación del asistente. Un mensaje de sistema es opcional; cuando se usa, debe describir el contexto de la tarea y el comportamiento deseado, sin reemplazar la solicitud real del usuario.
Mantén el historial de diálogo en los roles correctos. Para una tarea continua de escritura, conserva los hechos establecidos e indica al modelo qué pasaje puede cambiar. Para trabajo con fuentes, identifica el material como evidencia y sepáralo de las instrucciones. Esto ayuda a una respuesta posterior a conservar las restricciones de la tarea sin confundir texto citado con una nueva orden.
La ficha exacta entrena el uso de funciones con una representación específica de sistema, firmas de funciones y esquemas de parámetros. El modelo devuelve objetos JSON que contienen el nombre de la función seleccionada y sus argumentos dentro de etiquetas de llamadas a herramientas. La aplicación que lo integra interpreta esa propuesta, realiza la función y devuelve una respuesta de herramienta identificada por nombre. El modelo usa después los datos devueltos para producir la respuesta.
Define las funciones con precisión y exige valores reales para los argumentos, en lugar de suposiciones sobre un sistema externo. Una función de consulta puede aportar un campo de producto o cálculo faltante, mientras que la respuesta explica qué significa la información devuelta. Una llamada generada es distinta de un resultado ejecutado; conserva la observación junto con la tarea.
Hermes 3 también documenta una instrucción de sistema condicionada por un esquema para respuestas únicamente JSON. Define los campos y tipos y explica cómo representar la información faltante en la fuente. Comprueba el objeto generado tanto por su estructura como por su concordancia con la entrada. Una respuesta compatible con el esquema no debe tratarse como prueba de que un valor fue recuperado o verificado.
La configuración publicada del modelo 70B tiene 131,072 posiciones. El texto fuente, la conversación y el contenido generado comparten el contexto del flujo seleccionado, y el tamaño de generación de ejemplo no es un límite universal estricto de respuesta. Reserva espacio para el resultado y mantén las entradas largas relacionadas con la pregunta.
El entregable útil es un texto, propuesta de código o registro estructurado que se pueda revisar y esté basado en el contexto proporcionado y en observaciones reales de herramientas. Esta edición exacta 70B de Hermes 3 sigue separada del modelo más grande 405B y del formato y controles de razonamiento híbrido de Hermes 4.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites nousresearch/hermes-3-llama-3.1-70b | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0014 / 1K tokens Salida · Tokens de salida $0.0014 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0014 / 1K tokens Salida · Tokens de salida $0.0014 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "nousresearch/hermes-3-llama-3.1-70b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'nousresearch/hermes-3-llama-3.1-70b', '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': 'nousresearch/hermes-3-llama-3.1-70b', '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 nousresearch/hermes-3-llama-3.1-70b
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Continue a constrained roleplay\n\nPlay Irena, the archivist who knows a bridge is unsafe but fears closing it will isolate the town. I play the mayor. Begin with two or three lines of dialogue that reveal the conflict through subtext. Keep Irena’s knowledge consistent and stop before choosing the mayor’s answer or actions.Two or three in-character lines, with optional short stage direction and room for the mayor’s response.Check that the safety-versus-isolation conflict is present and that the user’s character remains under user control.