Hermes 4 405B es el modelo de razonamiento de modo híbrido de Nous Research basado en Llama 3.1 405B. Acepta texto y produce texto, incluida una respuesta final, código, JSON estructurado o contenido de llamadas a herramientas. Su desarrollador construye la edición alrededor de trazas verificadas de razonamiento, alta capacidad de dirección por parte del usuario y salida fiel al formato, a la vez que conserva tareas de asistente general y escritura creativa.
Su desarrollador describe un corpus ampliado de posentrenamiento de aproximadamente cinco millones de muestras y sesenta mil millones de tokens, que combina datos de razonamiento y sin razonamiento. Hermes 4 agrega un modo explícito de razonamiento híbrido, mejora el comportamiento objetivo en matemáticas, código, ciencia, tecnología, ingeniería, matemáticas y lógica, y está entrenado para seguir esquemas JSON y reparar objetos mal formados. Son cambios de la edición; no deben sustituirse por la representación de prompts ni el comportamiento anterior de Hermes 3.
Para una asignación de razonamiento, proporciona el problema completo, las definiciones y las restricciones. Solicita la solución final o el artefacto de código por separado del análisis intermedio. Un documento práctico de instrucciones es: «Compara estas condiciones con la solución propuesta, identifica el paso sin respaldo y devuelve una conclusión corregida con las suposiciones que utiliza».
Hermes 4 usa el formato de chat Llama 3 con encabezados de roles. Su desarrollador puede activar el razonamiento mediante el indicador thinking de la plantilla de chat o una instrucción de sistema que defina ese comportamiento. Cuando el modelo delibera, el razonamiento se encierra en sus marcadores dedicados antes de la respuesta final. Instrucciones de sistema adicionales pueden dar forma al rol, estilo y formato de respuesta.
La referencia también ofrece keep_cots para conservar el contenido de razonamiento. Es una opción de plantilla, no una afirmación de memoria ilimitada. Mantén claros los hechos aceptados y los requisitos de la tarea para que las ideas intermedias se distingan de los hallazgos finales. Para escribir, especifica el punto de vista, el tono y el material que debe permanecer; para extraer información, define el registro deseado en lugar de depender de un estilo abierto de asistente.
Hermes 4 admite llamadas a funciones intercaladas con razonamiento en un turno del asistente. Las herramientas tienen nombres, descripciones y esquemas de parámetros, proporcionados mediante la representación de sistema de su desarrollador o el campo tools interpretado por la plantilla. El modelo emite objetos JSON de llamada con etiquetas. La aplicación interpreta y ejecuta la función seleccionada y devuelve una respuesta de herramienta, tras lo cual el modelo puede continuar el análisis y dar la respuesta.
Para un resultado JSON, proporciona el esquema y el significado de cada campo. El entrenamiento para seguir esquemas o reparar objetos mal formados no establece que todos los valores devueltos sean hechos reales. Compara el objeto con la fuente, conserva evidencia para los campos extraídos y valida los argumentos de funciones propuestos antes de aplicarlos.
La configuración publicada del modelo establece max_position_embeddings en 131,072. Distribuye el material fuente, la conversación, el razonamiento, los resultados de herramientas y la respuesta dentro del contexto del flujo seleccionado; este campo de posiciones no es un límite estricto e independiente de salida. Nous recomienda una temperatura de 0.6, top-p de 0.95 y top-k de 20 para su perfil de muestreo de referencia.
Un resultado útil es una respuesta respaldada por fuentes, una propuesta de código, un registro estructurado o un pasaje escrito cuyas restricciones puedan comprobarse. Revisa el código generado en su aplicación prevista y usa observaciones realmente devueltas en cualquier seguimiento. Mantén la edición exacta 405B de Hermes 4, su formato de chat Llama y su flujo híbrido de herramientas distintos de las variantes pequeñas, ChatML de Hermes 3 y otros modelos derivados de Llama.
", "aboutText": "Hermes 4 405B es el modelo de razonamiento de modo híbrido de Nous Research basado en Llama 3.1 405B. Acepta texto y produce texto, incluida una respuesta final, código, JSON estructurado o contenido de llamadas a herramientas. Su desarrollador construye la edición alrededor de trazas verificadas de razonamiento, alta capacidad de dirección por parte del usuario y salida fiel al formato, a la vez que conserva tareas de asistente general y escritura creativa.\n\n### Qué cambia frente a Hermes 3\n\nSu desarrollador describe un corpus ampliado de posentrenamiento de aproximadamente cinco millones de muestras y sesenta mil millones de tokens, que combina datos de razonamiento y sin razonamiento. Hermes 4 agrega un modo explícito de razonamiento híbrido, mejora el comportamiento objetivo en matemáticas, código, ciencia, tecnología, ingeniería, matemáticas y lógica, y está entrenado para seguir esquemas JSON y reparar objetos mal formados. Son cambios de la edición; no deben sustituirse por la representación de prompts ni el comportamiento anterior de Hermes 3.\n\nPara una asignación de razonamiento, proporciona el problema completo, las definiciones y las restricciones. Solicita la solución final o el artefacto de código por separado del análisis intermedio. Un documento práctico de instrucciones es: «Compara estas condiciones con la solución propuesta, identifica el paso sin respaldo y devuelve una conclusión corregida con las suposiciones que utiliza».\n\n### Formato de prompt y razonamiento\n\nHermes 4 usa el formato de chat Llama 3 con encabezados de roles. Su desarrollador puede activar el razonamiento mediante el indicador thinking de la plantilla de chat o una instrucción de sistema que defina ese comportamiento. Cuando el modelo delibera, el razonamiento se encierra en sus marcadores dedicados antes de la respuesta final. Instrucciones de sistema adicionales pueden dar forma al rol, estilo y formato de respuesta.\n\nLa referencia también ofrece keep_cots para conservar el contenido de razonamiento. Es una opción de plantilla, no una afirmación de memoria ilimitada. Mantén claros los hechos aceptados y los requisitos de la tarea para que las ideas intermedias se distingan de los hallazgos finales. Para escribir, especifica el punto de vista, el tono y el material que debe permanecer; para extraer información, define el registro deseado en lugar de depender de un estilo abierto de asistente.\n\n### Herramientas y salidas estructuradas\n\nHermes 4 admite llamadas a funciones intercaladas con razonamiento en un turno del asistente. Las herramientas tienen nombres, descripciones y esquemas de parámetros, proporcionados mediante la representación de sistema de su desarrollador o el campo tools interpretado por la plantilla. El modelo emite objetos JSON de llamada con etiquetas. La aplicación interpreta y ejecuta la función seleccionada y devuelve una respuesta de herramienta, tras lo cual el modelo puede continuar el análisis y dar la respuesta.\n\nPara un resultado JSON, proporciona el esquema y el significado de cada campo. El entrenamiento para seguir esquemas o reparar objetos mal formados no establece que todos los valores devueltos sean hechos reales. Compara el objeto con la fuente, conserva evidencia para los campos extraídos y valida los argumentos de funciones propuestos antes de aplicarlos.\n\n### Contexto y recomendaciones de generación\n\nLa configuración publicada del modelo establece max_position_embeddings en 131,072. Distribuye el material fuente, la conversación, el razonamiento, los resultados de herramientas y la respuesta dentro del contexto del flujo seleccionado; este campo de posiciones no es un límite estricto e independiente de salida. Nous recomienda una temperatura de 0.6, top-p de 0.95 y top-k de 20 para su perfil de muestreo de referencia.\n\nUn resultado útil es una respuesta respaldada por fuentes, una propuesta de código, un registro estructurado o un pasaje escrito cuyas restricciones puedan comprobarse. Revisa el código generado en su aplicación prevista y usa observaciones realmente devueltas en cualquier seguimiento. Mantén la edición exacta 405B de Hermes 4, su formato de chat Llama y su flujo híbrido de herramientas distintos de las variantes pequeñas, ChatML de Hermes 3 y otros modelos derivados de Llama.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Repair an extracted record\n\nRepair this draft record using only the source sentence. Source: 'Shipment R18 contains 14 blue lamps; delivery date is not yet agreed.' Draft: {shipment: 'R18', quantity: '41', colour: 'blue', delivery_date: 'Friday'}. Return valid JSON with shipment, quantity, colour and delivery_date; quantity must be an integer and an unknown date must be null. Briefly list the corrected fields afterward.A requested JSON object with corrected quantity and unknown date, followed by a brief correction list.Parsing succeeds and no field contradicts the source; quantity is 14 and delivery_date is null.nousresearch/hermes-4-405bHermes 4 405B es el modelo de razonamiento híbrido de texto de Nous Research basado en Llama 3.1 405B. Combina chat dirigible, razonamiento explícito, JSON entrenado con esquemas y llamadas intercaladas a funciones para matemáticas, programación, análisis y escritura creativa controlada.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Hermes 4 405B es el modelo de razonamiento de modo híbrido de Nous Research basado en Llama 3.1 405B. Acepta texto y produce texto, incluida una respuesta final, código, JSON estructurado o contenido de llamadas a herramientas. Su desarrollador construye la edición alrededor de trazas verificadas de razonamiento, alta capacidad de dirección por parte del usuario y salida fiel al formato, a la vez que conserva tareas de asistente general y escritura creativa.
Su desarrollador describe un corpus ampliado de posentrenamiento de aproximadamente cinco millones de muestras y sesenta mil millones de tokens, que combina datos de razonamiento y sin razonamiento. Hermes 4 agrega un modo explícito de razonamiento híbrido, mejora el comportamiento objetivo en matemáticas, código, ciencia, tecnología, ingeniería, matemáticas y lógica, y está entrenado para seguir esquemas JSON y reparar objetos mal formados. Son cambios de la edición; no deben sustituirse por la representación de prompts ni el comportamiento anterior de Hermes 3.
Para una asignación de razonamiento, proporciona el problema completo, las definiciones y las restricciones. Solicita la solución final o el artefacto de código por separado del análisis intermedio. Un documento práctico de instrucciones es: «Compara estas condiciones con la solución propuesta, identifica el paso sin respaldo y devuelve una conclusión corregida con las suposiciones que utiliza».
Hermes 4 usa el formato de chat Llama 3 con encabezados de roles. Su desarrollador puede activar el razonamiento mediante el indicador thinking de la plantilla de chat o una instrucción de sistema que defina ese comportamiento. Cuando el modelo delibera, el razonamiento se encierra en sus marcadores dedicados antes de la respuesta final. Instrucciones de sistema adicionales pueden dar forma al rol, estilo y formato de respuesta.
La referencia también ofrece keep_cots para conservar el contenido de razonamiento. Es una opción de plantilla, no una afirmación de memoria ilimitada. Mantén claros los hechos aceptados y los requisitos de la tarea para que las ideas intermedias se distingan de los hallazgos finales. Para escribir, especifica el punto de vista, el tono y el material que debe permanecer; para extraer información, define el registro deseado en lugar de depender de un estilo abierto de asistente.
Hermes 4 admite llamadas a funciones intercaladas con razonamiento en un turno del asistente. Las herramientas tienen nombres, descripciones y esquemas de parámetros, proporcionados mediante la representación de sistema de su desarrollador o el campo tools interpretado por la plantilla. El modelo emite objetos JSON de llamada con etiquetas. La aplicación interpreta y ejecuta la función seleccionada y devuelve una respuesta de herramienta, tras lo cual el modelo puede continuar el análisis y dar la respuesta.
Para un resultado JSON, proporciona el esquema y el significado de cada campo. El entrenamiento para seguir esquemas o reparar objetos mal formados no establece que todos los valores devueltos sean hechos reales. Compara el objeto con la fuente, conserva evidencia para los campos extraídos y valida los argumentos de funciones propuestos antes de aplicarlos.
La configuración publicada del modelo establece max_position_embeddings en 131,072. Distribuye el material fuente, la conversación, el razonamiento, los resultados de herramientas y la respuesta dentro del contexto del flujo seleccionado; este campo de posiciones no es un límite estricto e independiente de salida. Nous recomienda una temperatura de 0.6, top-p de 0.95 y top-k de 20 para su perfil de muestreo de referencia.
Un resultado útil es una respuesta respaldada por fuentes, una propuesta de código, un registro estructurado o un pasaje escrito cuyas restricciones puedan comprobarse. Revisa el código generado en su aplicación prevista y usa observaciones realmente devueltas en cualquier seguimiento. Mantén la edición exacta 405B de Hermes 4, su formato de chat Llama y su flujo híbrido de herramientas distintos de las variantes pequeñas, ChatML de Hermes 3 y otros modelos derivados de Llama.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites nousresearch/hermes-4-405b | 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 $0.002 / 1K tokens Salida · Tokens de salida $0.006 / 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 $0.002 / 1K tokens Salida · Tokens de salida $0.006 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nousresearch/hermes-4-405b", "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-4-405b',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-4-405b',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-4-405b
Usa las rutas de método indicadas arriba.
nousresearch/hermes-4-405bHermes 4 405B es el modelo de razonamiento híbrido de texto de Nous Research basado en Llama 3.1 405B. Combina chat dirigible, razonamiento explícito, JSON entrenado con esquemas y llamadas intercaladas a funciones para matemáticas, programación, análisis y escritura creativa controlada.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Hermes 4 405B es el modelo de razonamiento de modo híbrido de Nous Research basado en Llama 3.1 405B. Acepta texto y produce texto, incluida una respuesta final, código, JSON estructurado o contenido de llamadas a herramientas. Su desarrollador construye la edición alrededor de trazas verificadas de razonamiento, alta capacidad de dirección por parte del usuario y salida fiel al formato, a la vez que conserva tareas de asistente general y escritura creativa.
Su desarrollador describe un corpus ampliado de posentrenamiento de aproximadamente cinco millones de muestras y sesenta mil millones de tokens, que combina datos de razonamiento y sin razonamiento. Hermes 4 agrega un modo explícito de razonamiento híbrido, mejora el comportamiento objetivo en matemáticas, código, ciencia, tecnología, ingeniería, matemáticas y lógica, y está entrenado para seguir esquemas JSON y reparar objetos mal formados. Son cambios de la edición; no deben sustituirse por la representación de prompts ni el comportamiento anterior de Hermes 3.
Para una asignación de razonamiento, proporciona el problema completo, las definiciones y las restricciones. Solicita la solución final o el artefacto de código por separado del análisis intermedio. Un documento práctico de instrucciones es: «Compara estas condiciones con la solución propuesta, identifica el paso sin respaldo y devuelve una conclusión corregida con las suposiciones que utiliza».
Hermes 4 usa el formato de chat Llama 3 con encabezados de roles. Su desarrollador puede activar el razonamiento mediante el indicador thinking de la plantilla de chat o una instrucción de sistema que defina ese comportamiento. Cuando el modelo delibera, el razonamiento se encierra en sus marcadores dedicados antes de la respuesta final. Instrucciones de sistema adicionales pueden dar forma al rol, estilo y formato de respuesta.
La referencia también ofrece keep_cots para conservar el contenido de razonamiento. Es una opción de plantilla, no una afirmación de memoria ilimitada. Mantén claros los hechos aceptados y los requisitos de la tarea para que las ideas intermedias se distingan de los hallazgos finales. Para escribir, especifica el punto de vista, el tono y el material que debe permanecer; para extraer información, define el registro deseado en lugar de depender de un estilo abierto de asistente.
Hermes 4 admite llamadas a funciones intercaladas con razonamiento en un turno del asistente. Las herramientas tienen nombres, descripciones y esquemas de parámetros, proporcionados mediante la representación de sistema de su desarrollador o el campo tools interpretado por la plantilla. El modelo emite objetos JSON de llamada con etiquetas. La aplicación interpreta y ejecuta la función seleccionada y devuelve una respuesta de herramienta, tras lo cual el modelo puede continuar el análisis y dar la respuesta.
Para un resultado JSON, proporciona el esquema y el significado de cada campo. El entrenamiento para seguir esquemas o reparar objetos mal formados no establece que todos los valores devueltos sean hechos reales. Compara el objeto con la fuente, conserva evidencia para los campos extraídos y valida los argumentos de funciones propuestos antes de aplicarlos.
La configuración publicada del modelo establece max_position_embeddings en 131,072. Distribuye el material fuente, la conversación, el razonamiento, los resultados de herramientas y la respuesta dentro del contexto del flujo seleccionado; este campo de posiciones no es un límite estricto e independiente de salida. Nous recomienda una temperatura de 0.6, top-p de 0.95 y top-k de 20 para su perfil de muestreo de referencia.
Un resultado útil es una respuesta respaldada por fuentes, una propuesta de código, un registro estructurado o un pasaje escrito cuyas restricciones puedan comprobarse. Revisa el código generado en su aplicación prevista y usa observaciones realmente devueltas en cualquier seguimiento. Mantén la edición exacta 405B de Hermes 4, su formato de chat Llama y su flujo híbrido de herramientas distintos de las variantes pequeñas, ChatML de Hermes 3 y otros modelos derivados de Llama.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites nousresearch/hermes-4-405b | 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 $0.002 / 1K tokens Salida · Tokens de salida $0.006 / 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 $0.002 / 1K tokens Salida · Tokens de salida $0.006 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "nousresearch/hermes-4-405b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-405b', '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-4-405b', '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-4-405b
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Repair an extracted record\n\nRepair this draft record using only the source sentence. Source: 'Shipment R18 contains 14 blue lamps; delivery date is not yet agreed.' Draft: {shipment: 'R18', quantity: '41', colour: 'blue', delivery_date: 'Friday'}. Return valid JSON with shipment, quantity, colour and delivery_date; quantity must be an integer and an unknown date must be null. Briefly list the corrected fields afterward.A requested JSON object with corrected quantity and unknown date, followed by a brief correction list.Parsing succeeds and no field contradicts the source; quantity is 14 and delivery_date is null.