Baichuan4 es el modelo con nombre propio de conversación general de cuarta generación de la gama Baichuan. El fabricante documenta un contexto de 32K para esta edición exacta. Baichuan4-Turbo y Baichuan4-Air son ediciones independientes con sus propios perfiles de modelo.
El modelo trabaja con una conversación de texto y produce una respuesta del asistente o una solicitud de llamada a función en el flujo documentado del fabricante. Las tareas útiles incluyen responder a partir de información proporcionada, organizar el contenido de un documento, revisar texto y producir un registro estructurado para una aplicación.
Prepare los mensajes en orden cronológico, con una instrucción de sistema al principio cuando sea necesaria. Mantenga la tarea del usuario diferenciada de las respuestas anteriores del asistente y de los resultados de herramientas externas. La referencia del proveedor acepta cadenas de texto normales o estructuras de contenido de texto tipadas y utiliza un rol separado de mensaje de herramienta para los resultados de llamadas a funciones.
Para una comparación, proporcione ambos pasajes, etiquételos claramente y pida coincidencias, conflictos y redacción que los respalde. Para revisar una explicación, especifique el público y los detalles que deben conservarse en la reescritura. Una instrucción útil es: «Compare estas dos descripciones de proyecto, enumere los requisitos que han cambiado e identifique el pasaje que establece cada cambio».
Baichuan4 se incluye explícitamente en el modo de objetos JSON del proveedor. Activar ese modo también requiere una instrucción de sistema o usuario para producir JSON. Defina los campos necesarios y cómo debe aparecer la información ausente. Analice e inspeccione el resultado antes de usarlo como registro de una aplicación.
La operación de conversación del proveedor acepta max_tokens de 1 a 2 048, con 2 048 como valor predeterminado. Sus ajustes de muestreo 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. Establecer top_k en 0 desactiva esa estrategia. El presupuesto de respuesta es distinto del contexto de 32K: prepare conjuntamente el material original y el espacio para la respuesta.
Si el motivo de finalización es length, una respuesta escrita o un objeto JSON puede estar incompleto. Conserve el resultado parcial y el motivo por el que se detuvo, y después decida si debe acortar el artefacto solicitado, reducir la entrada o revisar el presupuesto de respuesta aplicable.
Las herramientas del fabricante distinguen la recuperación en bases de conocimiento de la búsqueda web. Una solicitud a la base de conocimiento identifica las colecciones pertinentes. Su modo de respuesta limitado a la base de conocimiento impide responder cuando la recuperación no encuentra resultados. Si se configuran tanto la búsqueda web como la recuperación de conocimiento, la referencia especifica que la recuperación tiene prioridad.
Para un hecho cambiante, conserve la información real recuperada o encontrada para contrastar con ella la respuesta final. Mantenga la fuente, la fecha y el matiz pertinente junto a la observación. Cuando la tarea se refiera a una colección proporcionada, formule una pregunta concreta en vez de combinar la pregunta de recuperación con instrucciones creativas no relacionadas.
Los ejemplos documentados de Baichuan4 muestran la selección entre funciones personalizadas y la continuación después de que la aplicación devuelva el resultado de una función. Defina cada función con un nombre, una finalidad y un esquema de argumentos. Conserve la llamada del asistente y el resultado de herramienta correspondiente, y después pida que la siguiente respuesta explique o utilice esa observación.
Una comparación práctica puede solicitar dos lecturas reales, como valores de dos fechas distintas, y pedir la diferencia entre ellas. La aplicación proporciona esas lecturas; la función seleccionada y los argumentos generados por el modelo son una solicitud para esa operación. El ajuste de selección automática o sin herramientas del proveedor se aplica a las funciones. La referencia aconseja mantener las llamadas a funciones separadas de las configuraciones de búsqueda web o recuperación.
El modo sin streaming es el predeterminado del proveedor; el streaming devuelve fragmentos incrementales de respuesta que se deben ensamblar. El motivo de finalización distingue una parada normal, una solicitud de herramienta, un límite de longitud de salida o contexto y el filtrado de contenido. Mantenga el mensaje u objeto terminado con el material original y las observaciones de herramientas necesarios para interpretarlo.
Revise que el resultado incluya los campos solicitados, comparaciones respaldadas y una redacción adecuada a su destino. Conserve la identidad exacta Baichuan4 junto con la tarea al comparar otra edición. El resultado útil es un artefacto de texto terminado o una explicación de una observación real de herramienta, con cualquier parte pendiente de la solicitud aún identificable.
", "aboutText": "### Baichuan4 como edición de conversación independiente\n\nBaichuan4 es el modelo con nombre propio de conversación general de cuarta generación de la gama Baichuan. El fabricante documenta un contexto de 32K para esta edición exacta. Baichuan4-Turbo y Baichuan4-Air son ediciones independientes con sus propios perfiles de modelo.\n\nEl modelo trabaja con una conversación de texto y produce una respuesta del asistente o una solicitud de llamada a función en el flujo documentado del fabricante. Las tareas útiles incluyen responder a partir de información proporcionada, organizar el contenido de un documento, revisar texto y producir un registro estructurado para una aplicación.\n\n### Proporcione una solicitud de diálogo completa\n\nPrepare los mensajes en orden cronológico, con una instrucción de sistema al principio cuando sea necesaria. Mantenga la tarea del usuario diferenciada de las respuestas anteriores del asistente y de los resultados de herramientas externas. La referencia del proveedor acepta cadenas de texto normales o estructuras de contenido de texto tipadas y utiliza un rol separado de mensaje de herramienta para los resultados de llamadas a funciones.\n\nPara una comparación, proporcione ambos pasajes, etiquételos claramente y pida coincidencias, conflictos y redacción que los respalde. Para revisar una explicación, especifique el público y los detalles que deben conservarse en la reescritura. Una instrucción útil es: «Compare estas dos descripciones de proyecto, enumere los requisitos que han cambiado e identifique el pasaje que establece cada cambio».\n\n### Elija la forma de salida y el presupuesto de respuesta\n\nBaichuan4 se incluye explícitamente en el modo de objetos JSON del proveedor. Activar ese modo también requiere una instrucción de sistema o usuario para producir JSON. Defina los campos necesarios y cómo debe aparecer la información ausente. Analice e inspeccione el resultado antes de usarlo como registro de una aplicación.\n\nLa operación de conversación del proveedor acepta max_tokens de 1 a 2 048, con 2 048 como valor predeterminado. Sus ajustes de muestreo 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. Establecer top_k en 0 desactiva esa estrategia. El presupuesto de respuesta es distinto del contexto de 32K: prepare conjuntamente el material original y el espacio para la respuesta.\n\nSi el motivo de finalización es length, una respuesta escrita o un objeto JSON puede estar incompleto. Conserve el resultado parcial y el motivo por el que se detuvo, y después decida si debe acortar el artefacto solicitado, reducir la entrada o revisar el presupuesto de respuesta aplicable.\n\n### Fundamente una respuesta en información recuperada\n\nLas herramientas del fabricante distinguen la recuperación en bases de conocimiento de la búsqueda web. Una solicitud a la base de conocimiento identifica las colecciones pertinentes. Su modo de respuesta limitado a la base de conocimiento impide responder cuando la recuperación no encuentra resultados. Si se configuran tanto la búsqueda web como la recuperación de conocimiento, la referencia especifica que la recuperación tiene prioridad.\n\nPara un hecho cambiante, conserve la información real recuperada o encontrada para contrastar con ella la respuesta final. Mantenga la fuente, la fecha y el matiz pertinente junto a la observación. Cuando la tarea se refiera a una colección proporcionada, formule una pregunta concreta en vez de combinar la pregunta de recuperación con instrucciones creativas no relacionadas.\n\n### Continúe a partir de un resultado real de función\n\nLos ejemplos documentados de Baichuan4 muestran la selección entre funciones personalizadas y la continuación después de que la aplicación devuelva el resultado de una función. Defina cada función con un nombre, una finalidad y un esquema de argumentos. Conserve la llamada del asistente y el resultado de herramienta correspondiente, y después pida que la siguiente respuesta explique o utilice esa observación.\n\nUna comparación práctica puede solicitar dos lecturas reales, como valores de dos fechas distintas, y pedir la diferencia entre ellas. La aplicación proporciona esas lecturas; la función seleccionada y los argumentos generados por el modelo son una solicitud para esa operación. El ajuste de selección automática o sin herramientas del proveedor se aplica a las funciones. La referencia aconseja mantener las llamadas a funciones separadas de las configuraciones de búsqueda web o recuperación.\n\n### Recopile e inspeccione el artefacto final\n\nEl modo sin streaming es el predeterminado del proveedor; el streaming devuelve fragmentos incrementales de respuesta que se deben ensamblar. El motivo de finalización distingue una parada normal, una solicitud de herramienta, un límite de longitud de salida o contexto y el filtrado de contenido. Mantenga el mensaje u objeto terminado con el material original y las observaciones de herramientas necesarios para interpretarlo.\n\nRevise que el resultado incluya los campos solicitados, comparaciones respaldadas y una redacción adecuada a su destino. Conserve la identidad exacta Baichuan4 junto con la tarea al comparar otra edición. El resultado útil es un artefacto de texto terminado o una explicación de una observación real de herramienta, con cualquier parte pendiente de la solicitud aún identificable.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.Baichuan4Baichuan4 es el modelo de conversación de texto de cuarta generación con nombre propio y un contexto documentado de 32K. El flujo del proveedor admite respuestas en objetos JSON, texto completo o en streaming, funciones personalizadas y pruebas obtenidas mediante recuperación en bases de conocimiento o búsqueda web.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Baichuan4 es el modelo con nombre propio de conversación general de cuarta generación de la gama Baichuan. El fabricante documenta un contexto de 32K para esta edición exacta. Baichuan4-Turbo y Baichuan4-Air son ediciones independientes con sus propios perfiles de modelo.
El modelo trabaja con una conversación de texto y produce una respuesta del asistente o una solicitud de llamada a función en el flujo documentado del fabricante. Las tareas útiles incluyen responder a partir de información proporcionada, organizar el contenido de un documento, revisar texto y producir un registro estructurado para una aplicación.
Prepare los mensajes en orden cronológico, con una instrucción de sistema al principio cuando sea necesaria. Mantenga la tarea del usuario diferenciada de las respuestas anteriores del asistente y de los resultados de herramientas externas. La referencia del proveedor acepta cadenas de texto normales o estructuras de contenido de texto tipadas y utiliza un rol separado de mensaje de herramienta para los resultados de llamadas a funciones.
Para una comparación, proporcione ambos pasajes, etiquételos claramente y pida coincidencias, conflictos y redacción que los respalde. Para revisar una explicación, especifique el público y los detalles que deben conservarse en la reescritura. Una instrucción útil es: «Compare estas dos descripciones de proyecto, enumere los requisitos que han cambiado e identifique el pasaje que establece cada cambio».
Baichuan4 se incluye explícitamente en el modo de objetos JSON del proveedor. Activar ese modo también requiere una instrucción de sistema o usuario para producir JSON. Defina los campos necesarios y cómo debe aparecer la información ausente. Analice e inspeccione el resultado antes de usarlo como registro de una aplicación.
La operación de conversación del proveedor acepta max_tokens de 1 a 2 048, con 2 048 como valor predeterminado. Sus ajustes de muestreo 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. Establecer top_k en 0 desactiva esa estrategia. El presupuesto de respuesta es distinto del contexto de 32K: prepare conjuntamente el material original y el espacio para la respuesta.
Si el motivo de finalización es length, una respuesta escrita o un objeto JSON puede estar incompleto. Conserve el resultado parcial y el motivo por el que se detuvo, y después decida si debe acortar el artefacto solicitado, reducir la entrada o revisar el presupuesto de respuesta aplicable.
Las herramientas del fabricante distinguen la recuperación en bases de conocimiento de la búsqueda web. Una solicitud a la base de conocimiento identifica las colecciones pertinentes. Su modo de respuesta limitado a la base de conocimiento impide responder cuando la recuperación no encuentra resultados. Si se configuran tanto la búsqueda web como la recuperación de conocimiento, la referencia especifica que la recuperación tiene prioridad.
Para un hecho cambiante, conserve la información real recuperada o encontrada para contrastar con ella la respuesta final. Mantenga la fuente, la fecha y el matiz pertinente junto a la observación. Cuando la tarea se refiera a una colección proporcionada, formule una pregunta concreta en vez de combinar la pregunta de recuperación con instrucciones creativas no relacionadas.
Los ejemplos documentados de Baichuan4 muestran la selección entre funciones personalizadas y la continuación después de que la aplicación devuelva el resultado de una función. Defina cada función con un nombre, una finalidad y un esquema de argumentos. Conserve la llamada del asistente y el resultado de herramienta correspondiente, y después pida que la siguiente respuesta explique o utilice esa observación.
Una comparación práctica puede solicitar dos lecturas reales, como valores de dos fechas distintas, y pedir la diferencia entre ellas. La aplicación proporciona esas lecturas; la función seleccionada y los argumentos generados por el modelo son una solicitud para esa operación. El ajuste de selección automática o sin herramientas del proveedor se aplica a las funciones. La referencia aconseja mantener las llamadas a funciones separadas de las configuraciones de búsqueda web o recuperación.
El modo sin streaming es el predeterminado del proveedor; el streaming devuelve fragmentos incrementales de respuesta que se deben ensamblar. El motivo de finalización distingue una parada normal, una solicitud de herramienta, un límite de longitud de salida o contexto y el filtrado de contenido. Mantenga el mensaje u objeto terminado con el material original y las observaciones de herramientas necesarios para interpretarlo.
Revise que el resultado incluya los campos solicitados, comparaciones respaldadas y una redacción adecuada a su destino. Conserve la identidad exacta Baichuan4 junto con la tarea al comparar otra edición. El resultado útil es un artefacto de texto terminado o una explicación de una observación real de herramienta, con cualquier parte pendiente de la solicitud aún identificable.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites Baichuan4 | 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 $0.03146 / 1K tokens Salida · Tokens de salida $0.03146 / 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": "Baichuan4", "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='Baichuan4',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='Baichuan4',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 Baichuan4
Usa las rutas de método indicadas arriba.
Baichuan4Baichuan4 es el modelo de conversación de texto de cuarta generación con nombre propio y un contexto documentado de 32K. El flujo del proveedor admite respuestas en objetos JSON, texto completo o en streaming, funciones personalizadas y pruebas obtenidas mediante recuperación en bases de conocimiento o búsqueda web.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Baichuan4 es el modelo con nombre propio de conversación general de cuarta generación de la gama Baichuan. El fabricante documenta un contexto de 32K para esta edición exacta. Baichuan4-Turbo y Baichuan4-Air son ediciones independientes con sus propios perfiles de modelo.
El modelo trabaja con una conversación de texto y produce una respuesta del asistente o una solicitud de llamada a función en el flujo documentado del fabricante. Las tareas útiles incluyen responder a partir de información proporcionada, organizar el contenido de un documento, revisar texto y producir un registro estructurado para una aplicación.
Prepare los mensajes en orden cronológico, con una instrucción de sistema al principio cuando sea necesaria. Mantenga la tarea del usuario diferenciada de las respuestas anteriores del asistente y de los resultados de herramientas externas. La referencia del proveedor acepta cadenas de texto normales o estructuras de contenido de texto tipadas y utiliza un rol separado de mensaje de herramienta para los resultados de llamadas a funciones.
Para una comparación, proporcione ambos pasajes, etiquételos claramente y pida coincidencias, conflictos y redacción que los respalde. Para revisar una explicación, especifique el público y los detalles que deben conservarse en la reescritura. Una instrucción útil es: «Compare estas dos descripciones de proyecto, enumere los requisitos que han cambiado e identifique el pasaje que establece cada cambio».
Baichuan4 se incluye explícitamente en el modo de objetos JSON del proveedor. Activar ese modo también requiere una instrucción de sistema o usuario para producir JSON. Defina los campos necesarios y cómo debe aparecer la información ausente. Analice e inspeccione el resultado antes de usarlo como registro de una aplicación.
La operación de conversación del proveedor acepta max_tokens de 1 a 2 048, con 2 048 como valor predeterminado. Sus ajustes de muestreo 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. Establecer top_k en 0 desactiva esa estrategia. El presupuesto de respuesta es distinto del contexto de 32K: prepare conjuntamente el material original y el espacio para la respuesta.
Si el motivo de finalización es length, una respuesta escrita o un objeto JSON puede estar incompleto. Conserve el resultado parcial y el motivo por el que se detuvo, y después decida si debe acortar el artefacto solicitado, reducir la entrada o revisar el presupuesto de respuesta aplicable.
Las herramientas del fabricante distinguen la recuperación en bases de conocimiento de la búsqueda web. Una solicitud a la base de conocimiento identifica las colecciones pertinentes. Su modo de respuesta limitado a la base de conocimiento impide responder cuando la recuperación no encuentra resultados. Si se configuran tanto la búsqueda web como la recuperación de conocimiento, la referencia especifica que la recuperación tiene prioridad.
Para un hecho cambiante, conserve la información real recuperada o encontrada para contrastar con ella la respuesta final. Mantenga la fuente, la fecha y el matiz pertinente junto a la observación. Cuando la tarea se refiera a una colección proporcionada, formule una pregunta concreta en vez de combinar la pregunta de recuperación con instrucciones creativas no relacionadas.
Los ejemplos documentados de Baichuan4 muestran la selección entre funciones personalizadas y la continuación después de que la aplicación devuelva el resultado de una función. Defina cada función con un nombre, una finalidad y un esquema de argumentos. Conserve la llamada del asistente y el resultado de herramienta correspondiente, y después pida que la siguiente respuesta explique o utilice esa observación.
Una comparación práctica puede solicitar dos lecturas reales, como valores de dos fechas distintas, y pedir la diferencia entre ellas. La aplicación proporciona esas lecturas; la función seleccionada y los argumentos generados por el modelo son una solicitud para esa operación. El ajuste de selección automática o sin herramientas del proveedor se aplica a las funciones. La referencia aconseja mantener las llamadas a funciones separadas de las configuraciones de búsqueda web o recuperación.
El modo sin streaming es el predeterminado del proveedor; el streaming devuelve fragmentos incrementales de respuesta que se deben ensamblar. El motivo de finalización distingue una parada normal, una solicitud de herramienta, un límite de longitud de salida o contexto y el filtrado de contenido. Mantenga el mensaje u objeto terminado con el material original y las observaciones de herramientas necesarios para interpretarlo.
Revise que el resultado incluya los campos solicitados, comparaciones respaldadas y una redacción adecuada a su destino. Conserve la identidad exacta Baichuan4 junto con la tarea al comparar otra edición. El resultado útil es un artefacto de texto terminado o una explicación de una observación real de herramienta, con cualquier parte pendiente de la solicitud aún identificable.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites Baichuan4 | 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 $0.03146 / 1K tokens Salida · Tokens de salida $0.03146 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "Baichuan4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan4', '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': 'Baichuan4', '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 Baichuan4
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.