Source: https://ailoot.ai/models/es/nvidia-nemotron-3-5-lightning-30b-a3b/
Canonical: https://ailoot.ai/models/es/nvidia-nemotron-3-5-lightning-30b-a3b/
Language: es

# Nemotron 3.5 Lightning 30B A3B

[Markdown](https://ailoot.ai/models/es/nvidia-nemotron-3-5-lightning-30b-a3b/index.md) · [JSON](https://ailoot.ai/models/es/nvidia-nemotron-3-5-lightning-30b-a3b/facts.json)

## [Nemotron 3.5 Lightning 30B A3B](https://ailoot.ai/models/es/nvidia-nemotron-3-5-lightning-30b-a3b/)

Nemotron 3.5 Lightning es un modelo de texto de NVIDIA para tareas prolongadas de agentes, programación, búsqueda en documentos y diálogo.

- [**Ailoot · Anthropic Messages** `POST /v1/messages` `nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/nvidia-nemotron-3-5-lightning-30b-a3b/#method-0)
- [**Ailoot · OpenAI Chat** `POST /v1/chat/completions` `nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/nvidia-nemotron-3-5-lightning-30b-a3b/#method-1)
- [**Ailoot · OpenAI Chat** `POST /v1/chat/completions` `nemotron-lightning`](https://ailoot.ai/models/es/nvidia-nemotron-3-5-lightning-30b-a3b/#method-2)
- [**Ailoot · OpenAI Chat** `POST /v1/chat/completions` `nemotron-lightning-latest`](https://ailoot.ai/models/es/nvidia-nemotron-3-5-lightning-30b-a3b/#method-3)

Sobre el modelo

Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.

#### Modelo de trabajo para un proceso prolongado

Nemotron 3.5 Lightning está orientado a agentes autónomos y acciones de varios pasos. También se utiliza en asistentes conversacionales, búsqueda basada en documentos e instrucciones. Entrada y salida son texto.

#### Arquitectura y contexto

La mezcla de expertos híbrida combina Mamba-2 y capas independientes de atención. Contiene 30 mil millones de parámetros, con 3 mil millones activos por token. El contexto alcanza un millón de tokens.

Las capas que predicen varios tokens siguientes se entrenan adicionalmente para alinear sus propuestas con la distribución del modelo principal. La publicación incluye métodos de decodificación especulativa. Ayudan a organizar generación, pero no garantizan una velocidad de solicitud.

#### Cinco etapas de preparación

1. Preentrenamiento con más de 20 billones de tokens de código, matemáticas, ciencia y conocimientos generales, con preparación en formato NVFP4.
2. Continuación del preentrenamiento para capas que predicen varios tokens futuros, alineando propuestas con la distribución principal.
3. Aprendizaje con ejemplos de instrucciones, herramientas, resultados estructurados, recuperación de fragmentos distantes y combinación de documentos.
4. Aprendizaje por refuerzo en varios entornos para razonamiento, código, ciencia, herramientas de varios pasos y diálogo.
5. Compresión numérica posterior de la variante publicada.

La última etapa caracteriza esa publicación del fabricante y no determina la precisión de cálculo de una solicitud atendida. En un proceso externo propone acciones y texto; la aplicación ejecuta herramientas.

#### Idiomas y versiones

Se enumeran oficialmente inglés, español, francés, alemán, italiano y japonés, además de lenguajes de programación. El preentrenamiento usa datos hasta septiembre de 2025 y el posterior, hasta mayo de 2026.

La publicación con compresión numérica describe esa variante concreta. El nombre no permite determinar la precisión de cálculo de una ejecución. Un millón de tokens es contexto total, no una promesa independiente de longitud de salida.

Tarea práctica

### Tarea práctica

Ejemplo técnico en inglés

```
Apply a document-grounded procedure

Use these procedure excerpts to draft the next action for case C-09. [Rule 1] Packages with a damaged seal go to inspection. [Rule 2] Only inspection-cleared packages enter stock. [Record] C-09 has a damaged seal and no inspection result. Return the current permitted step, blocked step and supporting rule labels.
```

#### Resultado esperado

```
Three concise fields covering the permitted inspection step, blocked stocking and source evidence.
```

#### Comprobar el resultado

```
Check that missing inspection clearance prevents stocking and does not become an assumed failed inspection.
```

**Ailoot · Anthropic Messages** `POST /v1/messages` `nvidia/nemotron-3.5-lightning-30b-a3b`

[`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=messages)

NVIDIA /`nvidia/nemotron-3.5-lightning-30b-a3b`

### Primeros pasos

Nemotron 3.5 Lightning es un modelo de texto de NVIDIA para tareas prolongadas de agentes, programación, búsqueda en documentos y diálogo.

Entradas aceptadas

Texto

Resultados

Texto

### Disponible en Ailoot · entradas y métodos

**Ailoot · Anthropic Messages** `POST /v1/messages`

Tipos de entrada

`text`

Tipos de salida

`text`

Contexto

262.144 tokens

Salida máxima

32.768 tokens

Formato de salida

json o SSE

| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
| --- | --- | --- | --- | --- |
| Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites nvidia/nemotron-3.5-lightning-30b-a3b | Predeterminado— |
| Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
| Campo`messages[].role` | Tipo`string` | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
| Campo`messages[].content` | Tipo`string\|content_block[]` | RequisitoObligatorio | Valores y límites | Predeterminado— |
| Campo`system` | Tipo`string\|content_block[]` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`max_tokens` | Tipo`integer` | RequisitoObligatorio | Valores y límites Mínimo: 1 El límite se aplica a: límite máximo exacto de la ficha del modelo seleccionado | Predeterminado— |
| Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse |
| Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`top_p` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`stop_sequences` | Tipo`string[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools` | Tipo`tool[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools[].name` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: herramienta proporcionada | Predeterminado— |
| Campo`tools[].description` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`tools[].input_schema` | Tipo`JSON_schema` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`tool_choice` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`thinking.type` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`thinking.budget_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`output_config.effort` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`metadata` | Tipo`object` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`cache_control` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |

Combinaciones de materiales de entrada

**Texto** · Texto UTF8

`messages[].content o bloque type=text`

Parámetros del método y ciclo de vida

| Parámetro | Contrato |
| --- | --- |
| Parámetro`material_types` | Contratotext |
| Parámetro`required` | Contratomodel, messages, max\_tokens |
| Parámetro`optional_controls` | Contratonull |
| Parámetro`content_type` | Contratoapplication/json |
| Parámetro`text_file_material` | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |

Ciclo de vida: `exact retained published method`

Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.

### Planes

#### Tarifas de métodos Ailoot

Entrada

0,00008 US$ */ 1K*

Salida

0,0002 US$ */ 1K*

Lectura de caché

0,00008 US$ */ 1K*

Escritura en caché

0,00008 US$ */ 1K*

Escritura en caché, 5 min

0,00008 US$ */ 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 →](https://ailoot.ai/docs/es/billing/reserve/)

### Solicitudes de ejemplo

#### Ailoot · Anthropic Messages

Ejemplo de textoPython SDKNode.js SDKFlujo en Python

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/nemotron-3.5-lightning-30b-a3b", "max_tokens": 1024, "messages": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
```

```python
import anthropic
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)
msg = client.messages.create(
    model="nvidia/nemotron-3.5-lightning-30b-a3b",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],
)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(msg.to_dict(mode="json"))
```

```js
import Anthropic from "@anthropic-ai/sdk";

if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");
const client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });
const msg = await client.messages.create({
  model: "nvidia/nemotron-3.5-lightning-30b-a3b",
  max_tokens: 1024,
  messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],
});
import { writeFileSync } from "node:fs";

function saveResult(data, stem = "result") {
  writeFileSync(stem + ".json", JSON.stringify(data, null, 2));
  console.log(JSON.stringify(data, null, 2));
  const saveBlob = (encoded, suffix, label) => {
    const raw = Buffer.from(encoded, "base64");
    const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;
    const file = `${stem}-${label}.${ext}`;
    writeFileSync(file, raw); console.log("Saved", file);
  };
  for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));
  for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));
  for (const [i, item] of (data.output || []).entries()) {
    console.log("Output", i, JSON.stringify(item));
    if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);
  }
  for (const [ci, candidate] of (data.candidates || []).entries()) {
    for (const [pi, part] of (candidate.content?.parts || []).entries()) {
      console.log("Candidate/part", ci, pi, JSON.stringify(part));
      const blob = part.inlineData || part.inline_data;
      if (blob?.data) {
        const mime = blob.mimeType || blob.mime_type;
        const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";
        saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);
      }
    }
  }
}

saveResult(msg);
```

```python
import anthropic,os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.messages.stream(model='nvidia/nemotron-3.5-lightning-30b-a3b',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_message()
    save_result(final.to_dict(mode="json"),"stream-result")
```

### Recibir y guardar resultados

#### Ailoot · Anthropic Messages

json o SSE

##### Conserva todos los resultados completados

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.

##### Si es necesario revisar la respuesta original

Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.

Campos de respuesta

| Campo | Tipo |
| --- | --- |
| Campo`id` | Tipostring |
| Campo`model` | Tipostring |
| Campo`content[]` | Tipotext\|thinking\|tool\_use\|other content block |
| Campo`stop_reason` | Tipostring\|null |
| Campo`usage` | Tipoobject |

Errores y siguientes pasos

| 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. |

### Alias

#### Alias del modelo

**Ailoot** [`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=messages), [`nemotron-lightning`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning), [`nemotron-lightning-latest`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning-latest)

#### Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

#### ID de modelo relacionados

[`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=messages), [`nemotron-lightning`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning), [`nemotron-lightning-latest`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning-latest)

**Ailoot · OpenAI Chat** `POST /v1/chat/completions` `nvidia/nemotron-3.5-lightning-30b-a3b`

[`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=chat)

NVIDIA /`nvidia/nemotron-3.5-lightning-30b-a3b`

ID del modelo

- `nvidia/nemotron-3.5-lightning-30b-a3b`
- `nemotron-lightning`
- `nemotron-lightning-latest`

### Primeros pasos

Nemotron 3.5 Lightning es un modelo de texto de NVIDIA para tareas prolongadas de agentes, programación, búsqueda en documentos y diálogo.

Entradas aceptadas

Texto

Resultados

Texto

### Disponible en Ailoot · entradas y métodos

**Ailoot · OpenAI Chat** `POST /v1/chat/completions`

Tipos de entrada

`text`

Tipos de salida

`text`

Contexto

4096 tokens

Salida máxima

1024 tokens

Formato de salida

json o SSE

| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
| --- | --- | --- | --- | --- |
| Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites nvidia/nemotron-3.5-lightning-30b-a3b | Predeterminado— |
| Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
| Campo`messages[].role` | Tipo`string` | 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— |
| Campo`messages[].content` | Tipo`string\|content_part[]\|null` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`messages[].tool_calls` | Tipo`tool_call[]` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`messages[].tool_call_id` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
| Campo`messages[].name` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`messages[].reasoning_content` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
| Campo`messages[].reasoning_details` | Tipo`object\|array` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`max_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
| Campo`max_completion_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
| Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse |
| Campo`stream_options.include_usage` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`top_p` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`stop` | Tipo`string\|string[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools` | Tipo`function_tool[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools[].type` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools[].function.name` | Tipo`string` | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
| Campo`tools[].function.description` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`tools[].function.parameters` | Tipo`JSON_schema` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`tool_choice` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`parallel_tool_calls` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`response_format` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`reasoning_effort` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`reasoning` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`service_tier` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`instructions` | Tipo`string` | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
| Campo`functions` | Tipo`function[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`function_call` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`prompt_cache_options` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |

Combinaciones de materiales de entrada

**Texto** · Texto UTF8

`messages[].content`

Parámetros del método y ciclo de vida

| Parámetro | Contrato |
| --- | --- |
| Parámetro`material_types` | Contratotext |
| Parámetro`required` | Contratomodel, messages |
| Parámetro`optional_controls` | Contratonull |
| Parámetro`content_type` | Contratoapplication/json |
| Parámetro`text_file_material` | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |

Ciclo de vida: `exact retained published method`

Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.

### Planes

#### Tarifas de métodos Ailoot

Entrada

0,00008 US$ */ 1K*

Salida

0,0002 US$ */ 1K*

Lectura de caché

0,00008 US$ */ 1K*

Escritura en caché

0,00008 US$ */ 1K*

Escritura en caché, 5 min

0,00008 US$ */ 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 →](https://ailoot.ai/docs/es/billing/reserve/)

### Solicitudes de ejemplo

#### Ailoot · OpenAI Chat

Ejemplo de textoPython SDKNode.js SDKFlujo en Python

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/nemotron-3.5-lightning-30b-a3b", "messages": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
```

```python
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)
resp = client.chat.completions.create(
    model="nvidia/nemotron-3.5-lightning-30b-a3b",
    messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],
)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(resp.to_dict(mode="json"))
```

```js
import OpenAI from "openai";

if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");
const client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });
const resp = await client.chat.completions.create({
  model: "nvidia/nemotron-3.5-lightning-30b-a3b",
  messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],
});
import { writeFileSync } from "node:fs";

function saveResult(data, stem = "result") {
  writeFileSync(stem + ".json", JSON.stringify(data, null, 2));
  console.log(JSON.stringify(data, null, 2));
  const saveBlob = (encoded, suffix, label) => {
    const raw = Buffer.from(encoded, "base64");
    const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;
    const file = `${stem}-${label}.${ext}`;
    writeFileSync(file, raw); console.log("Saved", file);
  };
  for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));
  for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));
  for (const [i, item] of (data.output || []).entries()) {
    console.log("Output", i, JSON.stringify(item));
    if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);
  }
  for (const [ci, candidate] of (data.candidates || []).entries()) {
    for (const [pi, part] of (candidate.content?.parts || []).entries()) {
      console.log("Candidate/part", ci, pi, JSON.stringify(part));
      const blob = part.inlineData || part.inline_data;
      if (blob?.data) {
        const mime = blob.mimeType || blob.mime_type;
        const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";
        saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);
      }
    }
  }
}

saveResult(resp);
```

```python
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='nvidia/nemotron-3.5-lightning-30b-a3b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")
```

### Recibir y guardar resultados

#### Ailoot · OpenAI Chat

json o SSE

##### Conserva todos los resultados completados

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.

##### Si es necesario revisar la respuesta original

Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.

Campos de respuesta

| Campo | Tipo |
| --- | --- |
| Campo`choices[].index` | Tipointeger |
| Campo`choices[].message.content` | Tipostring\|null |
| Campo`choices[].message.tool_calls` | Tipotool\_call\[\] |
| Campo`choices[].message.reasoning_content` | Tipostring |
| Campo`choices[].message.reasoning_details` | Tipoobject\|array |
| Campo`choices[].finish_reason` | Tipostring\|null |
| Campo`usage` | Tipoobject |

Errores y siguientes pasos

| 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. |

### Alias

#### Alias del modelo

**Ailoot** [`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=chat), [`nemotron-lightning`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning&fmt=chat), [`nemotron-lightning-latest`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning-latest&fmt=chat)

#### Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

#### ID de modelo relacionados

[`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=chat), [`nemotron-lightning`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning&fmt=chat), [`nemotron-lightning-latest`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning-latest&fmt=chat)

**Ailoot · OpenAI Chat** `POST /v1/chat/completions` `nemotron-lightning`

[`nemotron-lightning`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning&fmt=chat)

NVIDIA /`nemotron-lightning`

ID del modelo

- `nvidia/nemotron-3.5-lightning-30b-a3b`
- `nemotron-lightning`
- `nemotron-lightning-latest`

### Primeros pasos

Nemotron 3.5 Lightning es un modelo de texto de NVIDIA para tareas prolongadas de agentes, programación, búsqueda en documentos y diálogo.

Entradas aceptadas

Texto

Resultados

Texto

### Disponible en Ailoot · entradas y métodos

**Ailoot · OpenAI Chat** `POST /v1/chat/completions`

Tipos de entrada

`text`

Tipos de salida

`text`

Contexto

4096 tokens

Salida máxima

1024 tokens

Formato de salida

json o SSE

| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
| --- | --- | --- | --- | --- |
| Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites nemotron-lightning | Predeterminado— |
| Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
| Campo`messages[].role` | Tipo`string` | 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— |
| Campo`messages[].content` | Tipo`string\|content_part[]\|null` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`messages[].tool_calls` | Tipo`tool_call[]` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`messages[].tool_call_id` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
| Campo`messages[].name` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`messages[].reasoning_content` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
| Campo`messages[].reasoning_details` | Tipo`object\|array` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`max_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
| Campo`max_completion_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
| Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse |
| Campo`stream_options.include_usage` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`top_p` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`stop` | Tipo`string\|string[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools` | Tipo`function_tool[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools[].type` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools[].function.name` | Tipo`string` | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
| Campo`tools[].function.description` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`tools[].function.parameters` | Tipo`JSON_schema` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`tool_choice` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`parallel_tool_calls` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`response_format` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`reasoning_effort` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`reasoning` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`service_tier` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`instructions` | Tipo`string` | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
| Campo`functions` | Tipo`function[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`function_call` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`prompt_cache_options` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |

Combinaciones de materiales de entrada

**Texto** · Texto UTF8

`messages[].content`

Parámetros del método y ciclo de vida

| Parámetro | Contrato |
| --- | --- |
| Parámetro`material_types` | Contratotext |
| Parámetro`required` | Contratomodel, messages |
| Parámetro`optional_controls` | Contratonull |
| Parámetro`content_type` | Contratoapplication/json |
| Parámetro`text_file_material` | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |

Ciclo de vida: `exact retained published method`

Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.

### Planes

#### Tarifas de métodos Ailoot

Entrada

0,00008 US$ */ 1K*

Salida

0,0002 US$ */ 1K*

Lectura de caché

0,00008 US$ */ 1K*

Escritura en caché

0,00008 US$ */ 1K*

Escritura en caché, 5 min

0,00008 US$ */ 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 →](https://ailoot.ai/docs/es/billing/reserve/)

### Solicitudes de ejemplo

#### Ailoot · OpenAI Chat

Ejemplo de textoPython SDKNode.js SDKFlujo en Python

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-lightning", "messages": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
```

```python
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)
resp = client.chat.completions.create(
    model="nemotron-lightning",
    messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],
)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(resp.to_dict(mode="json"))
```

```js
import OpenAI from "openai";

if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");
const client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });
const resp = await client.chat.completions.create({
  model: "nemotron-lightning",
  messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],
});
import { writeFileSync } from "node:fs";

function saveResult(data, stem = "result") {
  writeFileSync(stem + ".json", JSON.stringify(data, null, 2));
  console.log(JSON.stringify(data, null, 2));
  const saveBlob = (encoded, suffix, label) => {
    const raw = Buffer.from(encoded, "base64");
    const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;
    const file = `${stem}-${label}.${ext}`;
    writeFileSync(file, raw); console.log("Saved", file);
  };
  for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));
  for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));
  for (const [i, item] of (data.output || []).entries()) {
    console.log("Output", i, JSON.stringify(item));
    if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);
  }
  for (const [ci, candidate] of (data.candidates || []).entries()) {
    for (const [pi, part] of (candidate.content?.parts || []).entries()) {
      console.log("Candidate/part", ci, pi, JSON.stringify(part));
      const blob = part.inlineData || part.inline_data;
      if (blob?.data) {
        const mime = blob.mimeType || blob.mime_type;
        const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";
        saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);
      }
    }
  }
}

saveResult(resp);
```

```python
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='nemotron-lightning',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")
```

### Recibir y guardar resultados

#### Ailoot · OpenAI Chat

json o SSE

##### Conserva todos los resultados completados

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.

##### Si es necesario revisar la respuesta original

Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.

Campos de respuesta

| Campo | Tipo |
| --- | --- |
| Campo`choices[].index` | Tipointeger |
| Campo`choices[].message.content` | Tipostring\|null |
| Campo`choices[].message.tool_calls` | Tipotool\_call\[\] |
| Campo`choices[].message.reasoning_content` | Tipostring |
| Campo`choices[].message.reasoning_details` | Tipoobject\|array |
| Campo`choices[].finish_reason` | Tipostring\|null |
| Campo`usage` | Tipoobject |

Errores y siguientes pasos

| 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. |

### Alias

#### Alias del modelo

**Ailoot** [`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=chat), [`nemotron-lightning`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning&fmt=chat), [`nemotron-lightning-latest`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning-latest&fmt=chat)

#### Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

#### ID de modelo relacionados

[`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=chat), [`nemotron-lightning`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning&fmt=chat), [`nemotron-lightning-latest`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning-latest&fmt=chat)

**Ailoot · OpenAI Chat** `POST /v1/chat/completions` `nemotron-lightning-latest`

[`nemotron-lightning-latest`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning-latest&fmt=chat)

NVIDIA /`nemotron-lightning-latest`

ID del modelo

- `nvidia/nemotron-3.5-lightning-30b-a3b`
- `nemotron-lightning`
- `nemotron-lightning-latest`

### Primeros pasos

Nemotron 3.5 Lightning es un modelo de texto de NVIDIA para tareas prolongadas de agentes, programación, búsqueda en documentos y diálogo.

Entradas aceptadas

Texto

Resultados

Texto

### Disponible en Ailoot · entradas y métodos

**Ailoot · OpenAI Chat** `POST /v1/chat/completions`

Tipos de entrada

`text`

Tipos de salida

`text`

Contexto

4096 tokens

Salida máxima

1024 tokens

Formato de salida

json o SSE

| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
| --- | --- | --- | --- | --- |
| Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites nemotron-lightning-latest | Predeterminado— |
| Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
| Campo`messages[].role` | Tipo`string` | 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— |
| Campo`messages[].content` | Tipo`string\|content_part[]\|null` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`messages[].tool_calls` | Tipo`tool_call[]` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`messages[].tool_call_id` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
| Campo`messages[].name` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`messages[].reasoning_content` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
| Campo`messages[].reasoning_details` | Tipo`object\|array` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`max_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
| Campo`max_completion_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
| Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse |
| Campo`stream_options.include_usage` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`top_p` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`stop` | Tipo`string\|string[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools` | Tipo`function_tool[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools[].type` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`tools[].function.name` | Tipo`string` | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
| Campo`tools[].function.description` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`tools[].function.parameters` | Tipo`JSON_schema` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`tool_choice` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`parallel_tool_calls` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`response_format` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`reasoning_effort` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`reasoning` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`service_tier` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`instructions` | Tipo`string` | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
| Campo`functions` | Tipo`function[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`function_call` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
| Campo`prompt_cache_options` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |

Combinaciones de materiales de entrada

**Texto** · Texto UTF8

`messages[].content`

Parámetros del método y ciclo de vida

| Parámetro | Contrato |
| --- | --- |
| Parámetro`material_types` | Contratotext |
| Parámetro`required` | Contratomodel, messages |
| Parámetro`optional_controls` | Contratonull |
| Parámetro`content_type` | Contratoapplication/json |
| Parámetro`text_file_material` | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |

Ciclo de vida: `exact retained published method`

Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.

### Planes

#### Tarifas de métodos Ailoot

Entrada

0,00008 US$ */ 1K*

Salida

0,0002 US$ */ 1K*

Lectura de caché

0,00008 US$ */ 1K*

Escritura en caché

0,00008 US$ */ 1K*

Escritura en caché, 5 min

0,00008 US$ */ 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 →](https://ailoot.ai/docs/es/billing/reserve/)

### Solicitudes de ejemplo

#### Ailoot · OpenAI Chat

Ejemplo de textoPython SDKNode.js SDKFlujo en Python

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-lightning-latest", "messages": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
```

```python
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)
resp = client.chat.completions.create(
    model="nemotron-lightning-latest",
    messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],
)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(resp.to_dict(mode="json"))
```

```js
import OpenAI from "openai";

if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");
const client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });
const resp = await client.chat.completions.create({
  model: "nemotron-lightning-latest",
  messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],
});
import { writeFileSync } from "node:fs";

function saveResult(data, stem = "result") {
  writeFileSync(stem + ".json", JSON.stringify(data, null, 2));
  console.log(JSON.stringify(data, null, 2));
  const saveBlob = (encoded, suffix, label) => {
    const raw = Buffer.from(encoded, "base64");
    const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;
    const file = `${stem}-${label}.${ext}`;
    writeFileSync(file, raw); console.log("Saved", file);
  };
  for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));
  for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));
  for (const [i, item] of (data.output || []).entries()) {
    console.log("Output", i, JSON.stringify(item));
    if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);
  }
  for (const [ci, candidate] of (data.candidates || []).entries()) {
    for (const [pi, part] of (candidate.content?.parts || []).entries()) {
      console.log("Candidate/part", ci, pi, JSON.stringify(part));
      const blob = part.inlineData || part.inline_data;
      if (blob?.data) {
        const mime = blob.mimeType || blob.mime_type;
        const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";
        saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);
      }
    }
  }
}

saveResult(resp);
```

```python
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='nemotron-lightning-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")
```

### Recibir y guardar resultados

#### Ailoot · OpenAI Chat

json o SSE

##### Conserva todos los resultados completados

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.

##### Si es necesario revisar la respuesta original

Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.

Campos de respuesta

| Campo | Tipo |
| --- | --- |
| Campo`choices[].index` | Tipointeger |
| Campo`choices[].message.content` | Tipostring\|null |
| Campo`choices[].message.tool_calls` | Tipotool\_call\[\] |
| Campo`choices[].message.reasoning_content` | Tipostring |
| Campo`choices[].message.reasoning_details` | Tipoobject\|array |
| Campo`choices[].finish_reason` | Tipostring\|null |
| Campo`usage` | Tipoobject |

Errores y siguientes pasos

| 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. |

### Alias

#### Alias del modelo

**Ailoot** [`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=chat), [`nemotron-lightning`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning&fmt=chat), [`nemotron-lightning-latest`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning-latest&fmt=chat)

#### Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

#### ID de modelo relacionados

[`nvidia/nemotron-3.5-lightning-30b-a3b`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nvidia%2Fnemotron-3.5-lightning-30b-a3b&fmt=chat), [`nemotron-lightning`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning&fmt=chat), [`nemotron-lightning-latest`](https://ailoot.ai/models/es/#m=nvidia%2Fnemotron-3.5-lightning-30b-a3b&route=Core&caller=nemotron-lightning-latest&fmt=chat)

FAQ · nvidia/nemotron-3.5-lightning-30b-a3b

¿Qué entradas y resultados están disponibles?

`POST /v1/messages` · `nvidia/nemotron-3.5-lightning-30b-a3b`: `text` → `text` `POST /v1/chat/completions` · `nvidia/nemotron-3.5-lightning-30b-a3b`: `text` → `text` `POST /v1/chat/completions` · `nemotron-lightning`: `text` → `text` `POST /v1/chat/completions` · `nemotron-lightning-latest`: `text` → `text`

¿Qué campos utiliza la solicitud?

`POST /v1/messages` · `nvidia/nemotron-3.5-lightning-30b-a3b`: `model`, `messages`, `system`, `max_tokens`, `stream`, `metadata` `POST /v1/chat/completions` · `nvidia/nemotron-3.5-lightning-30b-a3b`: `model`, `messages`, `stream` `POST /v1/chat/completions` · `nemotron-lightning`: `model`, `messages`, `stream` `POST /v1/chat/completions` · `nemotron-lightning-latest`: `model`, `messages`, `stream`

¿Qué límites se aplican?

`POST /v1/messages` · `nvidia/nemotron-3.5-lightning-30b-a3b`: `ctx`: `262144`; `max_out`: `32768`; `messages.min_items`: `1`; `max_tokens.minimum`: `1` `POST /v1/chat/completions` · `nvidia/nemotron-3.5-lightning-30b-a3b`: `ctx`: `4096`; `max_out`: `1024`; `messages.min_items`: `1` `POST /v1/chat/completions` · `nemotron-lightning`: `ctx`: `4096`; `max_out`: `1024`; `messages.min_items`: `1` `POST /v1/chat/completions` · `nemotron-lightning-latest`: `ctx`: `4096`; `max_out`: `1024`; `messages.min_items`: `1`

Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación.

## La empresa y su cartera de proyectos

La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.

## Compra tokens con descuento.

Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens.

Suscripción

Elige un plan con descuento para tus peticiones habituales.

Código de hasta el 50%

Introduce el código al comprar. El precio se recalcula según la promoción vigente.

Gasto en el historial

Modelo, tokens e importe quedan guardados por cada petición.

[Elegir suscripción](https://ailoot.ai/docs/es/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es/)

## Conecta la API al producto que vendes.

SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso.

Aplicación comercial

Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio.

Licencia para revendedores

Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa.

Documentos en la web

La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar.

[Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es)

## Ailoot · La empresa y su cartera de proyectos





Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI.





La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.





Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.