Hy-MT2-7B es el modelo denso de traducción de 7B de Tencent Hy, perteneciente a la familia Hy-MT2 de razonamiento rápido. Recibe material de origen escrito e instrucciones de traducción y produce texto traducido. La familia está diseñada para tareas reales en las que la terminología, el público, los antecedentes y los requisitos de formato importan junto con el par de idiomas. La tabla de idiomas del fabricante incluye chino, chino tradicional, inglés, japonés, coreano, ruso, árabe, francés y español, además de cantonés, tibetano, kazajo, mongol y uigur.
La configuración exacta de 7B tiene 32 capas, 32 cabezas de atención de consulta y ocho cabezas de clave/valor, con un máximo de 262,144 posiciones. Es distinta de la configuración más pequeña de 1.8B y de la edición de mezcla de expertos 30B-A3B. Las versiones comprimidas publicadas por separado tienen su propia identidad de artefacto y sus propias condiciones de despliegue.
El patrón predeterminado de traducción del productor indica el nombre completo del idioma de destino y solicita únicamente el resultado traducido. Usa nombres completos de idiomas coherentes con el idioma del prompt. Separa la fuente de las instrucciones para que una instrucción citada dentro del material se trate como texto que se debe traducir, en lugar de una tarea nueva para el modelo.
Proporciona la terminología preferida como pares explícitos de origen y destino. Una instrucción de estilo puede definir la voz y el público, mientras que la personalización puede enumerar los requisitos que debe cumplir el pasaje. El contexto de antecedentes resulta útil cuando una palabra tiene varios significados o una oración depende de información situada en otra parte del documento. Proporciona ese contexto antes de pedir la traducción.
Para datos estructurados, conserva el anidamiento, la jerarquía y la sangría originales, y traduce únicamente el contenido visible para el usuario. Los ejemplos del fabricante conservan claves, etiquetas de código, propiedades y marcadores de posición. Los delimitadores también deben conservar su cantidad y ubicación originales. Estas instrucciones ayudan a que el material traducido siga siendo utilizable en el flujo que lo consume.
Tencent recomienda temperature 0.7, top-p 0.6, top-k 20 y una penalización por repetición de 1.05 para las ediciones 7B y 1.8B, sin un prompt de sistema predeterminado. El ejemplo asigna 4096 tokens generados; muestra un presupuesto de solicitud, no un máximo intrínseco del modelo. Esos ajustes son indicaciones del productor, distintas de una garantía sobre los controles expuestos por una aplicación específica.
Para obtener un resultado útil, pide el pasaje traducido o el objeto estructurado intacto; después evalúa el significado, la terminología y la sintaxis conservada contra el original. Un documento multilingüe puede usar el mismo glosario en todas sus secciones; un archivo de idioma de una aplicación puede conservar cada identificador y variable mientras cambia las cadenas visibles. La salida final debe cumplir tanto la parte lingüística como la estructural del encargo.
", "aboutText": "Hy-MT2-7B es el modelo denso de traducción de 7B de Tencent Hy, perteneciente a la familia Hy-MT2 de razonamiento rápido. Recibe material de origen escrito e instrucciones de traducción y produce texto traducido. La familia está diseñada para tareas reales en las que la terminología, el público, los antecedentes y los requisitos de formato importan junto con el par de idiomas. La tabla de idiomas del fabricante incluye chino, chino tradicional, inglés, japonés, coreano, ruso, árabe, francés y español, además de cantonés, tibetano, kazajo, mongol y uigur.\n\nLa configuración exacta de 7B tiene 32 capas, 32 cabezas de atención de consulta y ocho cabezas de clave/valor, con un máximo de 262,144 posiciones. Es distinta de la configuración más pequeña de 1.8B y de la edición de mezcla de expertos 30B-A3B. Las versiones comprimidas publicadas por separado tienen su propia identidad de artefacto y sus propias condiciones de despliegue.\n\nEl patrón predeterminado de traducción del productor indica el nombre completo del idioma de destino y solicita únicamente el resultado traducido. Usa nombres completos de idiomas coherentes con el idioma del prompt. Separa la fuente de las instrucciones para que una instrucción citada dentro del material se trate como texto que se debe traducir, en lugar de una tarea nueva para el modelo.\n\nProporciona la terminología preferida como pares explícitos de origen y destino. Una instrucción de estilo puede definir la voz y el público, mientras que la personalización puede enumerar los requisitos que debe cumplir el pasaje. El contexto de antecedentes resulta útil cuando una palabra tiene varios significados o una oración depende de información situada en otra parte del documento. Proporciona ese contexto antes de pedir la traducción.\n\nPara datos estructurados, conserva el anidamiento, la jerarquía y la sangría originales, y traduce únicamente el contenido visible para el usuario. Los ejemplos del fabricante conservan claves, etiquetas de código, propiedades y marcadores de posición. Los delimitadores también deben conservar su cantidad y ubicación originales. Estas instrucciones ayudan a que el material traducido siga siendo utilizable en el flujo que lo consume.\n\nTencent recomienda temperature 0.7, top-p 0.6, top-k 20 y una penalización por repetición de 1.05 para las ediciones 7B y 1.8B, sin un prompt de sistema predeterminado. El ejemplo asigna 4096 tokens generados; muestra un presupuesto de solicitud, no un máximo intrínseco del modelo. Esos ajustes son indicaciones del productor, distintas de una garantía sobre los controles expuestos por una aplicación específica.\n\nPara obtener un resultado útil, pide el pasaje traducido o el objeto estructurado intacto; después evalúa el significado, la terminología y la sintaxis conservada contra el original. Un documento multilingüe puede usar el mismo glosario en todas sus secciones; un archivo de idioma de una aplicación puede conservar cada identificador y variable mientras cambia las cadenas visibles. La salida final debe cumplir tanto la parte lingüística como la estructural del encargo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Translate UI strings with placeholders\n\nTranslate only the user-facing values in this YAML into Russian. Preserve keys, indentation and placeholders exactly. Source:\ncheckout:\n title: "Confirm order"\n greeting: "Hello, {name}"\n total: "Total: {amount} RUB"\nUse a neutral interface tone. Return only the translated YAML; do not translate RUB or add fields.A YAML block with the same hierarchy and keys, translated visible strings and intact placeholders and RUB.Compare keys, indentation, {name}, {amount} and RUB byte-for-byte with the source.tencent/hy-mt2-7bHy-MT2-7B de Tencent es el modelo denso de 7B de su familia de traducción guiada por instrucciones. Admite prompts con glosario, estilo, antecedentes y conservación de estructura, con una configuración de 262,144 posiciones y una identidad distinta de las variantes de 1.8B y MoE.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Hy-MT2-7B es el modelo denso de traducción de 7B de Tencent Hy, perteneciente a la familia Hy-MT2 de razonamiento rápido. Recibe material de origen escrito e instrucciones de traducción y produce texto traducido. La familia está diseñada para tareas reales en las que la terminología, el público, los antecedentes y los requisitos de formato importan junto con el par de idiomas. La tabla de idiomas del fabricante incluye chino, chino tradicional, inglés, japonés, coreano, ruso, árabe, francés y español, además de cantonés, tibetano, kazajo, mongol y uigur.
La configuración exacta de 7B tiene 32 capas, 32 cabezas de atención de consulta y ocho cabezas de clave/valor, con un máximo de 262,144 posiciones. Es distinta de la configuración más pequeña de 1.8B y de la edición de mezcla de expertos 30B-A3B. Las versiones comprimidas publicadas por separado tienen su propia identidad de artefacto y sus propias condiciones de despliegue.
El patrón predeterminado de traducción del productor indica el nombre completo del idioma de destino y solicita únicamente el resultado traducido. Usa nombres completos de idiomas coherentes con el idioma del prompt. Separa la fuente de las instrucciones para que una instrucción citada dentro del material se trate como texto que se debe traducir, en lugar de una tarea nueva para el modelo.
Proporciona la terminología preferida como pares explícitos de origen y destino. Una instrucción de estilo puede definir la voz y el público, mientras que la personalización puede enumerar los requisitos que debe cumplir el pasaje. El contexto de antecedentes resulta útil cuando una palabra tiene varios significados o una oración depende de información situada en otra parte del documento. Proporciona ese contexto antes de pedir la traducción.
Para datos estructurados, conserva el anidamiento, la jerarquía y la sangría originales, y traduce únicamente el contenido visible para el usuario. Los ejemplos del fabricante conservan claves, etiquetas de código, propiedades y marcadores de posición. Los delimitadores también deben conservar su cantidad y ubicación originales. Estas instrucciones ayudan a que el material traducido siga siendo utilizable en el flujo que lo consume.
Tencent recomienda temperature 0.7, top-p 0.6, top-k 20 y una penalización por repetición de 1.05 para las ediciones 7B y 1.8B, sin un prompt de sistema predeterminado. El ejemplo asigna 4096 tokens generados; muestra un presupuesto de solicitud, no un máximo intrínseco del modelo. Esos ajustes son indicaciones del productor, distintas de una garantía sobre los controles expuestos por una aplicación específica.
Para obtener un resultado útil, pide el pasaje traducido o el objeto estructurado intacto; después evalúa el significado, la terminología y la sintaxis conservada contra el original. Un documento multilingüe puede usar el mismo glosario en todas sus secciones; un archivo de idioma de una aplicación puede conservar cada identificador y variable mientras cambia las cadenas visibles. La salida final debe cumplir tanto la parte lingüística como la estructural del encargo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites tencent/hy-mt2-7b | 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 $0.000148 / 1K tokens Salida · Tokens de salida $0.00059 / 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 $0.000148 / 1K tokens Salida · Tokens de salida $0.00059 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy-mt2-7b", "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='tencent/hy-mt2-7b',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='tencent/hy-mt2-7b',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 tencent/hy-mt2-7b
Usa las rutas de método indicadas arriba.
tencent/hy-mt2-7bHy-MT2-7B de Tencent es el modelo denso de 7B de su familia de traducción guiada por instrucciones. Admite prompts con glosario, estilo, antecedentes y conservación de estructura, con una configuración de 262,144 posiciones y una identidad distinta de las variantes de 1.8B y MoE.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Hy-MT2-7B es el modelo denso de traducción de 7B de Tencent Hy, perteneciente a la familia Hy-MT2 de razonamiento rápido. Recibe material de origen escrito e instrucciones de traducción y produce texto traducido. La familia está diseñada para tareas reales en las que la terminología, el público, los antecedentes y los requisitos de formato importan junto con el par de idiomas. La tabla de idiomas del fabricante incluye chino, chino tradicional, inglés, japonés, coreano, ruso, árabe, francés y español, además de cantonés, tibetano, kazajo, mongol y uigur.
La configuración exacta de 7B tiene 32 capas, 32 cabezas de atención de consulta y ocho cabezas de clave/valor, con un máximo de 262,144 posiciones. Es distinta de la configuración más pequeña de 1.8B y de la edición de mezcla de expertos 30B-A3B. Las versiones comprimidas publicadas por separado tienen su propia identidad de artefacto y sus propias condiciones de despliegue.
El patrón predeterminado de traducción del productor indica el nombre completo del idioma de destino y solicita únicamente el resultado traducido. Usa nombres completos de idiomas coherentes con el idioma del prompt. Separa la fuente de las instrucciones para que una instrucción citada dentro del material se trate como texto que se debe traducir, en lugar de una tarea nueva para el modelo.
Proporciona la terminología preferida como pares explícitos de origen y destino. Una instrucción de estilo puede definir la voz y el público, mientras que la personalización puede enumerar los requisitos que debe cumplir el pasaje. El contexto de antecedentes resulta útil cuando una palabra tiene varios significados o una oración depende de información situada en otra parte del documento. Proporciona ese contexto antes de pedir la traducción.
Para datos estructurados, conserva el anidamiento, la jerarquía y la sangría originales, y traduce únicamente el contenido visible para el usuario. Los ejemplos del fabricante conservan claves, etiquetas de código, propiedades y marcadores de posición. Los delimitadores también deben conservar su cantidad y ubicación originales. Estas instrucciones ayudan a que el material traducido siga siendo utilizable en el flujo que lo consume.
Tencent recomienda temperature 0.7, top-p 0.6, top-k 20 y una penalización por repetición de 1.05 para las ediciones 7B y 1.8B, sin un prompt de sistema predeterminado. El ejemplo asigna 4096 tokens generados; muestra un presupuesto de solicitud, no un máximo intrínseco del modelo. Esos ajustes son indicaciones del productor, distintas de una garantía sobre los controles expuestos por una aplicación específica.
Para obtener un resultado útil, pide el pasaje traducido o el objeto estructurado intacto; después evalúa el significado, la terminología y la sintaxis conservada contra el original. Un documento multilingüe puede usar el mismo glosario en todas sus secciones; un archivo de idioma de una aplicación puede conservar cada identificador y variable mientras cambia las cadenas visibles. La salida final debe cumplir tanto la parte lingüística como la estructural del encargo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites tencent/hy-mt2-7b | 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 $0.000148 / 1K tokens Salida · Tokens de salida $0.00059 / 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 $0.000148 / 1K tokens Salida · Tokens de salida $0.00059 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "tencent/hy-mt2-7b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'tencent/hy-mt2-7b', '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': 'tencent/hy-mt2-7b', '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 tencent/hy-mt2-7b
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Translate UI strings with placeholders\n\nTranslate only the user-facing values in this YAML into Russian. Preserve keys, indentation and placeholders exactly. Source:\ncheckout:\n title: "Confirm order"\n greeting: "Hello, {name}"\n total: "Total: {amount} RUB"\nUse a neutral interface tone. Return only the translated YAML; do not translate RUB or add fields.A YAML block with the same hierarchy and keys, translated visible strings and intact placeholders and RUB.Compare keys, indentation, {name}, {amount} and RUB byte-for-byte with the source.