Baichuan3-Turbo es un modelo de conversación general de texto de la gama de tercera generación de Baichuan. El fabricante indica un contexto de 32K para este nombre exacto. Baichuan3-Turbo-128k es una entrada independiente con un contexto mayor, y los modelos de cuarta generación son ediciones con nombres distintos. Mantenga explícitos el modelo seleccionado y su perfil de contexto al preparar una conversación o comparar resultados.
La referencia de conversación general del proveedor proporciona un nombre de modelo y una lista de mensajes. Coloque los turnos anteriores antes de los posteriores. Un mensaje de sistema, cuando se utiliza, va primero y define el papel o los requisitos de respuesta; los mensajes del usuario aportan la tarea y los del asistente conservan las respuestas anteriores. El contenido de texto puede ser una cadena o una estructura de contenido de texto tipada.
Para una tarea documental, identifique el pasaje y el resultado buscado. Un ejemplo es: «Extraiga el plazo, el responsable y el entregable indicados en esta nota de proyecto y devuelva una lista de campos con la redacción que los respalda». Para reescribir, proporcione el texto original, el público y el tono. Conserve el turno anterior pertinente cuando la siguiente solicitud dependa de una interpretación previa.
La operación de conversación documentada acepta un presupuesto máximo de respuesta de 1 a 2 048 tokens, con 2 048 como valor predeterminado. Este ajuste de respuesta es distinto del contexto de 32K del modelo. Deje espacio para la respuesta al elegir la entrada e inspeccione el motivo de finalización antes de considerar terminado el resultado.
Los controles de muestreo del fabricante son temperature de 0 a 1, con 0.3 como predeterminado; top_p desde 0 hasta un valor inferior a 1, con 0.85 como predeterminado; y top_k de 0 a 20, con 5 como predeterminado. Un top_k de 0 desactiva esa estrategia de selección. Son ajustes de la interfaz del proveedor. Para una comparación, mantenga fijos la tarea y el original mientras cambia el ajuste pertinente para el resultado que desea inspeccionar.
Baichuan3-Turbo figura explícitamente entre los modelos que admiten salida en objetos JSON. El modo JSON del proveedor también exige una instrucción en el mensaje de sistema o de usuario para generar JSON. Especifique los campos y su significado y explique cómo debe representarse un valor desconocido. Compruebe que el objeto devuelto cumpla esos requisitos antes de pasarlo a otro paso.
Para el ejemplo de la nota de proyecto, solicite campos de plazo, responsable y entregable con texto de respaldo. Una respuesta detenida por su presupuesto de longitud puede contener JSON incompleto. Conserve la fuente y el motivo de finalización, y después ajuste la tarea o el presupuesto de respuesta antes de tratar un objeto parcial como un registro válido.
El flujo de conversación general ofrece recuperación en bases de conocimiento, búsqueda web y funciones personalizadas. La recuperación de conocimiento puede limitarse exclusivamente al conocimiento proporcionado; en ese modo, el fabricante especifica que no encontrar resultados implica no responder. Si se configuran juntas la recuperación y la búsqueda web, la recuperación tiene prioridad. La referencia también advierte contra combinar llamadas a funciones con esas herramientas de recuperación o búsqueda en una misma tarea.
Para una pregunta de conocimiento, proporcione la colección pertinente y formule una pregunta concreta. Para una pregunta sobre información actual, conserve las pruebas reales de búsqueda junto con la respuesta. Mantenga las pruebas aportadas por una herramienta separadas de la conclusión generada a partir de ellas.
Baichuan3-Turbo se incluye expresamente en la lista de soporte de funciones. Una definición de función proporciona su nombre, descripción y esquema de argumentos. El modelo puede seleccionar una operación y generar argumentos; la aplicación conectada la realiza y devuelve el resultado como un mensaje de herramienta vinculado a la llamada. Conserve esa relación en el siguiente turno. Las opciones de selección de funciones del proveedor son selección automática o ausencia de llamadas a herramientas.
La interfaz documentada admite una respuesta completa o un flujo de incrementos de texto; el modo sin streaming es el predeterminado. Ensamble los fragmentos transmitidos en la respuesta final. El resultado identifica si la generación se detuvo normalmente, alcanzó un límite de longitud, seleccionó una herramienta o encontró filtrado de contenido.
Utilice el artefacto terminado para su tarea prevista: una respuesta concisa, una redacción revisada, un registro extraído o una explicación fundamentada en las pruebas devueltas. Revise conjuntamente los valores dependientes de la fuente y la edición seleccionada. Un modelo hermano de mayor contexto, una generación distinta de Baichuan y un resultado de función producido por una aplicación siguen siendo partes separadas del flujo.
", "aboutText": "### El modelo de conversación de 32K con nombre propio\n\nBaichuan3-Turbo es un modelo de conversación general de texto de la gama de tercera generación de Baichuan. El fabricante indica un contexto de 32K para este nombre exacto. Baichuan3-Turbo-128k es una entrada independiente con un contexto mayor, y los modelos de cuarta generación son ediciones con nombres distintos. Mantenga explícitos el modelo seleccionado y su perfil de contexto al preparar una conversación o comparar resultados.\n\n### Prepare los mensajes en orden de conversación\n\nLa referencia de conversación general del proveedor proporciona un nombre de modelo y una lista de mensajes. Coloque los turnos anteriores antes de los posteriores. Un mensaje de sistema, cuando se utiliza, va primero y define el papel o los requisitos de respuesta; los mensajes del usuario aportan la tarea y los del asistente conservan las respuestas anteriores. El contenido de texto puede ser una cadena o una estructura de contenido de texto tipada.\n\nPara una tarea documental, identifique el pasaje y el resultado buscado. Un ejemplo es: «Extraiga el plazo, el responsable y el entregable indicados en esta nota de proyecto y devuelva una lista de campos con la redacción que los respalda». Para reescribir, proporcione el texto original, el público y el tono. Conserve el turno anterior pertinente cuando la siguiente solicitud dependa de una interpretación previa.\n\n### Controle la respuesta y su longitud\n\nLa operación de conversación documentada acepta un presupuesto máximo de respuesta de 1 a 2 048 tokens, con 2 048 como valor predeterminado. Este ajuste de respuesta es distinto del contexto de 32K del modelo. Deje espacio para la respuesta al elegir la entrada e inspeccione el motivo de finalización antes de considerar terminado el resultado.\n\nLos controles de muestreo del fabricante son temperature de 0 a 1, con 0.3 como predeterminado; top_p desde 0 hasta un valor inferior a 1, con 0.85 como predeterminado; y top_k de 0 a 20, con 5 como predeterminado. Un top_k de 0 desactiva esa estrategia de selección. Son ajustes de la interfaz del proveedor. Para una comparación, mantenga fijos la tarea y el original mientras cambia el ajuste pertinente para el resultado que desea inspeccionar.\n\n### Produzca JSON de forma deliberada\n\nBaichuan3-Turbo figura explícitamente entre los modelos que admiten salida en objetos JSON. El modo JSON del proveedor también exige una instrucción en el mensaje de sistema o de usuario para generar JSON. Especifique los campos y su significado y explique cómo debe representarse un valor desconocido. Compruebe que el objeto devuelto cumpla esos requisitos antes de pasarlo a otro paso.\n\nPara el ejemplo de la nota de proyecto, solicite campos de plazo, responsable y entregable con texto de respaldo. Una respuesta detenida por su presupuesto de longitud puede contener JSON incompleto. Conserve la fuente y el motivo de finalización, y después ajuste la tarea o el presupuesto de respuesta antes de tratar un objeto parcial como un registro válido.\n\n### Recupere pruebas o solicite una función\n\nEl flujo de conversación general ofrece recuperación en bases de conocimiento, búsqueda web y funciones personalizadas. La recuperación de conocimiento puede limitarse exclusivamente al conocimiento proporcionado; en ese modo, el fabricante especifica que no encontrar resultados implica no responder. Si se configuran juntas la recuperación y la búsqueda web, la recuperación tiene prioridad. La referencia también advierte contra combinar llamadas a funciones con esas herramientas de recuperación o búsqueda en una misma tarea.\n\nPara una pregunta de conocimiento, proporcione la colección pertinente y formule una pregunta concreta. Para una pregunta sobre información actual, conserve las pruebas reales de búsqueda junto con la respuesta. Mantenga las pruebas aportadas por una herramienta separadas de la conclusión generada a partir de ellas.\n\nBaichuan3-Turbo se incluye expresamente en la lista de soporte de funciones. Una definición de función proporciona su nombre, descripción y esquema de argumentos. El modelo puede seleccionar una operación y generar argumentos; la aplicación conectada la realiza y devuelve el resultado como un mensaje de herramienta vinculado a la llamada. Conserve esa relación en el siguiente turno. Las opciones de selección de funciones del proveedor son selección automática o ausencia de llamadas a herramientas.\n\n### Conserve el texto u objeto terminado\n\nLa interfaz documentada admite una respuesta completa o un flujo de incrementos de texto; el modo sin streaming es el predeterminado. Ensamble los fragmentos transmitidos en la respuesta final. El resultado identifica si la generación se detuvo normalmente, alcanzó un límite de longitud, seleccionó una herramienta o encontró filtrado de contenido.\n\nUtilice el artefacto terminado para su tarea prevista: una respuesta concisa, una redacción revisada, un registro extraído o una explicación fundamentada en las pruebas devueltas. Revise conjuntamente los valores dependientes de la fuente y la edición seleccionada. Un modelo hermano de mayor contexto, una generación distinta de Baichuan y un resultado de función producido por una aplicación siguen siendo partes separadas del flujo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo es un modelo de conversación de texto con un contexto documentado de 32K. La interfaz del proveedor admite respuestas completas o en streaming, salida JSON y llamadas a funciones personalizadas, con opciones separadas de recuperación de conocimiento y búsqueda web para respuestas fundamentadas.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Baichuan3-Turbo es un modelo de conversación general de texto de la gama de tercera generación de Baichuan. El fabricante indica un contexto de 32K para este nombre exacto. Baichuan3-Turbo-128k es una entrada independiente con un contexto mayor, y los modelos de cuarta generación son ediciones con nombres distintos. Mantenga explícitos el modelo seleccionado y su perfil de contexto al preparar una conversación o comparar resultados.
La referencia de conversación general del proveedor proporciona un nombre de modelo y una lista de mensajes. Coloque los turnos anteriores antes de los posteriores. Un mensaje de sistema, cuando se utiliza, va primero y define el papel o los requisitos de respuesta; los mensajes del usuario aportan la tarea y los del asistente conservan las respuestas anteriores. El contenido de texto puede ser una cadena o una estructura de contenido de texto tipada.
Para una tarea documental, identifique el pasaje y el resultado buscado. Un ejemplo es: «Extraiga el plazo, el responsable y el entregable indicados en esta nota de proyecto y devuelva una lista de campos con la redacción que los respalda». Para reescribir, proporcione el texto original, el público y el tono. Conserve el turno anterior pertinente cuando la siguiente solicitud dependa de una interpretación previa.
La operación de conversación documentada acepta un presupuesto máximo de respuesta de 1 a 2 048 tokens, con 2 048 como valor predeterminado. Este ajuste de respuesta es distinto del contexto de 32K del modelo. Deje espacio para la respuesta al elegir la entrada e inspeccione el motivo de finalización antes de considerar terminado el resultado.
Los controles de muestreo del fabricante son temperature de 0 a 1, con 0.3 como predeterminado; top_p desde 0 hasta un valor inferior a 1, con 0.85 como predeterminado; y top_k de 0 a 20, con 5 como predeterminado. Un top_k de 0 desactiva esa estrategia de selección. Son ajustes de la interfaz del proveedor. Para una comparación, mantenga fijos la tarea y el original mientras cambia el ajuste pertinente para el resultado que desea inspeccionar.
Baichuan3-Turbo figura explícitamente entre los modelos que admiten salida en objetos JSON. El modo JSON del proveedor también exige una instrucción en el mensaje de sistema o de usuario para generar JSON. Especifique los campos y su significado y explique cómo debe representarse un valor desconocido. Compruebe que el objeto devuelto cumpla esos requisitos antes de pasarlo a otro paso.
Para el ejemplo de la nota de proyecto, solicite campos de plazo, responsable y entregable con texto de respaldo. Una respuesta detenida por su presupuesto de longitud puede contener JSON incompleto. Conserve la fuente y el motivo de finalización, y después ajuste la tarea o el presupuesto de respuesta antes de tratar un objeto parcial como un registro válido.
El flujo de conversación general ofrece recuperación en bases de conocimiento, búsqueda web y funciones personalizadas. La recuperación de conocimiento puede limitarse exclusivamente al conocimiento proporcionado; en ese modo, el fabricante especifica que no encontrar resultados implica no responder. Si se configuran juntas la recuperación y la búsqueda web, la recuperación tiene prioridad. La referencia también advierte contra combinar llamadas a funciones con esas herramientas de recuperación o búsqueda en una misma tarea.
Para una pregunta de conocimiento, proporcione la colección pertinente y formule una pregunta concreta. Para una pregunta sobre información actual, conserve las pruebas reales de búsqueda junto con la respuesta. Mantenga las pruebas aportadas por una herramienta separadas de la conclusión generada a partir de ellas.
Baichuan3-Turbo se incluye expresamente en la lista de soporte de funciones. Una definición de función proporciona su nombre, descripción y esquema de argumentos. El modelo puede seleccionar una operación y generar argumentos; la aplicación conectada la realiza y devuelve el resultado como un mensaje de herramienta vinculado a la llamada. Conserve esa relación en el siguiente turno. Las opciones de selección de funciones del proveedor son selección automática o ausencia de llamadas a herramientas.
La interfaz documentada admite una respuesta completa o un flujo de incrementos de texto; el modo sin streaming es el predeterminado. Ensamble los fragmentos transmitidos en la respuesta final. El resultado identifica si la generación se detuvo normalmente, alcanzó un límite de longitud, seleccionó una herramienta o encontró filtrado de contenido.
Utilice el artefacto terminado para su tarea prevista: una respuesta concisa, una redacción revisada, un registro extraído o una explicación fundamentada en las pruebas devueltas. Revise conjuntamente los valores dependientes de la fuente y la edición seleccionada. Un modelo hermano de mayor contexto, una generación distinta de Baichuan y un resultado de función producido por una aplicación siguen siendo partes separadas del flujo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites Baichuan3-Turbo | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.00374 / 1K tokens Salida · Tokens de salida $0.00374 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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 las cabeceras. 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 Baichuan3-Turbo
Usa las rutas de método indicadas arriba.
Baichuan3-TurboBaichuan3-Turbo es un modelo de conversación de texto con un contexto documentado de 32K. La interfaz del proveedor admite respuestas completas o en streaming, salida JSON y llamadas a funciones personalizadas, con opciones separadas de recuperación de conocimiento y búsqueda web para respuestas fundamentadas.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Baichuan3-Turbo es un modelo de conversación general de texto de la gama de tercera generación de Baichuan. El fabricante indica un contexto de 32K para este nombre exacto. Baichuan3-Turbo-128k es una entrada independiente con un contexto mayor, y los modelos de cuarta generación son ediciones con nombres distintos. Mantenga explícitos el modelo seleccionado y su perfil de contexto al preparar una conversación o comparar resultados.
La referencia de conversación general del proveedor proporciona un nombre de modelo y una lista de mensajes. Coloque los turnos anteriores antes de los posteriores. Un mensaje de sistema, cuando se utiliza, va primero y define el papel o los requisitos de respuesta; los mensajes del usuario aportan la tarea y los del asistente conservan las respuestas anteriores. El contenido de texto puede ser una cadena o una estructura de contenido de texto tipada.
Para una tarea documental, identifique el pasaje y el resultado buscado. Un ejemplo es: «Extraiga el plazo, el responsable y el entregable indicados en esta nota de proyecto y devuelva una lista de campos con la redacción que los respalda». Para reescribir, proporcione el texto original, el público y el tono. Conserve el turno anterior pertinente cuando la siguiente solicitud dependa de una interpretación previa.
La operación de conversación documentada acepta un presupuesto máximo de respuesta de 1 a 2 048 tokens, con 2 048 como valor predeterminado. Este ajuste de respuesta es distinto del contexto de 32K del modelo. Deje espacio para la respuesta al elegir la entrada e inspeccione el motivo de finalización antes de considerar terminado el resultado.
Los controles de muestreo del fabricante son temperature de 0 a 1, con 0.3 como predeterminado; top_p desde 0 hasta un valor inferior a 1, con 0.85 como predeterminado; y top_k de 0 a 20, con 5 como predeterminado. Un top_k de 0 desactiva esa estrategia de selección. Son ajustes de la interfaz del proveedor. Para una comparación, mantenga fijos la tarea y el original mientras cambia el ajuste pertinente para el resultado que desea inspeccionar.
Baichuan3-Turbo figura explícitamente entre los modelos que admiten salida en objetos JSON. El modo JSON del proveedor también exige una instrucción en el mensaje de sistema o de usuario para generar JSON. Especifique los campos y su significado y explique cómo debe representarse un valor desconocido. Compruebe que el objeto devuelto cumpla esos requisitos antes de pasarlo a otro paso.
Para el ejemplo de la nota de proyecto, solicite campos de plazo, responsable y entregable con texto de respaldo. Una respuesta detenida por su presupuesto de longitud puede contener JSON incompleto. Conserve la fuente y el motivo de finalización, y después ajuste la tarea o el presupuesto de respuesta antes de tratar un objeto parcial como un registro válido.
El flujo de conversación general ofrece recuperación en bases de conocimiento, búsqueda web y funciones personalizadas. La recuperación de conocimiento puede limitarse exclusivamente al conocimiento proporcionado; en ese modo, el fabricante especifica que no encontrar resultados implica no responder. Si se configuran juntas la recuperación y la búsqueda web, la recuperación tiene prioridad. La referencia también advierte contra combinar llamadas a funciones con esas herramientas de recuperación o búsqueda en una misma tarea.
Para una pregunta de conocimiento, proporcione la colección pertinente y formule una pregunta concreta. Para una pregunta sobre información actual, conserve las pruebas reales de búsqueda junto con la respuesta. Mantenga las pruebas aportadas por una herramienta separadas de la conclusión generada a partir de ellas.
Baichuan3-Turbo se incluye expresamente en la lista de soporte de funciones. Una definición de función proporciona su nombre, descripción y esquema de argumentos. El modelo puede seleccionar una operación y generar argumentos; la aplicación conectada la realiza y devuelve el resultado como un mensaje de herramienta vinculado a la llamada. Conserve esa relación en el siguiente turno. Las opciones de selección de funciones del proveedor son selección automática o ausencia de llamadas a herramientas.
La interfaz documentada admite una respuesta completa o un flujo de incrementos de texto; el modo sin streaming es el predeterminado. Ensamble los fragmentos transmitidos en la respuesta final. El resultado identifica si la generación se detuvo normalmente, alcanzó un límite de longitud, seleccionó una herramienta o encontró filtrado de contenido.
Utilice el artefacto terminado para su tarea prevista: una respuesta concisa, una redacción revisada, un registro extraído o una explicación fundamentada en las pruebas devueltas. Revise conjuntamente los valores dependientes de la fuente y la edición seleccionada. Un modelo hermano de mayor contexto, una generación distinta de Baichuan y un resultado de función producido por una aplicación siguen siendo partes separadas del flujo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites Baichuan3-Turbo | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.00374 / 1K tokens Salida · Tokens de salida $0.00374 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 las cabeceras. 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 Baichuan3-Turbo
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.