{ "aboutHtml": "

Hunyuan-MT-7B es el modelo de traducción multilingüe de Tencent. Su función básica es recibir un fragmento de origen y producirlo en el idioma de destino solicitado. Tencent distingue este traductor de Hunyuan-MT-Chimera, el modelo de combinación de la familia que refina varios candidatos de traducción en un único resultado.

Elige el par de idiomas y la traducción prevista

Tencent describe traducción mutua entre 33 idiomas y destaca cinco lenguas de minorías étnicas chinas o dialectos. La tabla de idiomas publicada incluye chino, chino tradicional, inglés, francés, portugués, español, japonés, turco, ruso, árabe, coreano, tailandés, italiano, alemán, vietnamita, malayo, indonesio, filipino, hindi, polaco, checo, neerlandés, jemer, birmano, persa, guyaratí, urdu, telugu, maratí, hebreo, bengalí, tamil y ucraniano. También enumera explícitamente tibetano, kazajo, mongol, uigur y cantonés.

Indica el idioma de destino con precisión, incluido el sistema de escritura requerido cuando corresponda. Una descripción útil puede identificar si un documento necesita chino simplificado o tradicional e indicar el público y la terminología que deben mantenerse coherentes. Conserva intacto el fragmento de origen para poder comprobar la traducción con el material exacto proporcionado.

Sigue el prompt de traducción del fabricante

El fabricante proporciona una plantilla de prompt para traducciones que incluyen chino y otra para pares de idiomas que no lo incluyen. Ambas indican el idioma de destino, colocan el texto de origen debajo de la instrucción y piden la traducción sin añadir una explicación. El modelo no tiene un prompt de sistema predeterminado, así que incluye la instrucción de la tarea en el mensaje enviado en vez de depender de un rol predeterminado sin especificar.

Para un par sin chino, una descripción original puede comenzar así: «Traduce el siguiente segmento al francés, sin explicaciones adicionales». Añade después el fragmento de origen. Cuando la tarea incluya chino, utiliza la plantilla china correspondiente y sustituye su marcador de idioma de destino. El entregable esperado es el fragmento traducido, listo para una revisión independiente o para el siguiente paso de procesamiento de una aplicación.

Prepara segmentos que conserven el significado

Usa frases o párrafos coherentes en vez de cortar el texto en posiciones arbitrarias de caracteres. Conserva el material circundante necesario para interpretar pronombres, términos técnicos y expresiones idiomáticas. Para un manual de producto, incluye juntos el nombre del producto, los términos definidos y la instrucción real; para un intercambio de soporte, conserva la pregunta y la respuesta a la que se refiere.

Si procesas un documento mayor por segmentos, conserva un ID de segmento estable fuera del texto que se traduce y mantén la terminología acordada en los fragmentos resultantes. Pide explícitamente cómo tratar los nombres, las medidas y los marcadores de posición, e inspecciona después ese tratamiento en la salida. Estos pasos de preparación facilitan montar y revisar el resultado; no sustituyen la comprobación del significado traducido.

Distingue el traductor del modelo de combinación

Hunyuan-MT-7B produce una traducción a partir del original. El flujo documentado de Chimera, en cambio, recibe la fuente original y varios candidatos en el idioma de destino y produce una única traducción refinada. Un flujo que utilice ambas etapas debe proporcionar esos candidatos al modelo de combinación independiente; seleccionar solo MT-7B no realiza esa combinación adicional.

El fabricante también enumera por separado los checkpoints FP8. Conserva el nombre de la edición habitual Hunyuan-MT-7B al guardar la solicitud y la traducción, y distínguela de un entregable FP8 o Chimera al comparar resultados. Los modelos HY-MT1.5 posteriores tienen sus propias identidades y especificaciones.

Indicaciones de inferencia nativa y revisión del resultado

Tencent recomienda temperature 0.7, top_p 0.6, top_k 20 y repetition_penalty 1.05 en su ejemplo de inferencia nativa. Trata el contenido traducido como el resultado que debe revisarse. Comprueba los nombres, los números, las unidades, la negación, las fechas y la relación entre las frases con el original, especialmente cuando una traducción literal pueda perder el significado previsto.

Conserva juntos el original, el idioma de destino, la identidad del modelo seleccionado y la traducción final revisada. Para textos de aplicación, comprueba que los marcadores de posición y el formato sigan vinculados a los campos previstos; para un documento, lee los párrafos unidos para comprobar la coherencia de terminología y tono. Una frase fluida puede seguir necesitando corrección si cambia un detalle factual o una instrucción.

A través de Ailoot, selecciona el ID exacto de este modelo en /v1/chat/completions y proporciona la tarea en messages. Cada mensaje contiene un role y su content; mantén juntas las instrucciones pertinentes y el material de origen. Recopila la respuesta JSON completa o todos los segmentos SSE cuando stream esté activado y conserva usage junto con el resultado escrito.

", "aboutText": "Hunyuan-MT-7B es el modelo de traducción multilingüe de Tencent. Su función básica es recibir un fragmento de origen y producirlo en el idioma de destino solicitado. Tencent distingue este traductor de Hunyuan-MT-Chimera, el modelo de combinación de la familia que refina varios candidatos de traducción en un único resultado.\n\n### Elige el par de idiomas y la traducción prevista\n\nTencent describe traducción mutua entre 33 idiomas y destaca cinco lenguas de minorías étnicas chinas o dialectos. La tabla de idiomas publicada incluye chino, chino tradicional, inglés, francés, portugués, español, japonés, turco, ruso, árabe, coreano, tailandés, italiano, alemán, vietnamita, malayo, indonesio, filipino, hindi, polaco, checo, neerlandés, jemer, birmano, persa, guyaratí, urdu, telugu, maratí, hebreo, bengalí, tamil y ucraniano. También enumera explícitamente tibetano, kazajo, mongol, uigur y cantonés.\n\nIndica el idioma de destino con precisión, incluido el sistema de escritura requerido cuando corresponda. Una descripción útil puede identificar si un documento necesita chino simplificado o tradicional e indicar el público y la terminología que deben mantenerse coherentes. Conserva intacto el fragmento de origen para poder comprobar la traducción con el material exacto proporcionado.\n\n### Sigue el prompt de traducción del fabricante\n\nEl fabricante proporciona una plantilla de prompt para traducciones que incluyen chino y otra para pares de idiomas que no lo incluyen. Ambas indican el idioma de destino, colocan el texto de origen debajo de la instrucción y piden la traducción sin añadir una explicación. El modelo no tiene un prompt de sistema predeterminado, así que incluye la instrucción de la tarea en el mensaje enviado en vez de depender de un rol predeterminado sin especificar.\n\nPara un par sin chino, una descripción original puede comenzar así: «Traduce el siguiente segmento al francés, sin explicaciones adicionales». Añade después el fragmento de origen. Cuando la tarea incluya chino, utiliza la plantilla china correspondiente y sustituye su marcador de idioma de destino. El entregable esperado es el fragmento traducido, listo para una revisión independiente o para el siguiente paso de procesamiento de una aplicación.\n\n### Prepara segmentos que conserven el significado\n\nUsa frases o párrafos coherentes en vez de cortar el texto en posiciones arbitrarias de caracteres. Conserva el material circundante necesario para interpretar pronombres, términos técnicos y expresiones idiomáticas. Para un manual de producto, incluye juntos el nombre del producto, los términos definidos y la instrucción real; para un intercambio de soporte, conserva la pregunta y la respuesta a la que se refiere.\n\nSi procesas un documento mayor por segmentos, conserva un ID de segmento estable fuera del texto que se traduce y mantén la terminología acordada en los fragmentos resultantes. Pide explícitamente cómo tratar los nombres, las medidas y los marcadores de posición, e inspecciona después ese tratamiento en la salida. Estos pasos de preparación facilitan montar y revisar el resultado; no sustituyen la comprobación del significado traducido.\n\n### Distingue el traductor del modelo de combinación\n\nHunyuan-MT-7B produce una traducción a partir del original. El flujo documentado de Chimera, en cambio, recibe la fuente original y varios candidatos en el idioma de destino y produce una única traducción refinada. Un flujo que utilice ambas etapas debe proporcionar esos candidatos al modelo de combinación independiente; seleccionar solo MT-7B no realiza esa combinación adicional.\n\nEl fabricante también enumera por separado los checkpoints FP8. Conserva el nombre de la edición habitual Hunyuan-MT-7B al guardar la solicitud y la traducción, y distínguela de un entregable FP8 o Chimera al comparar resultados. Los modelos HY-MT1.5 posteriores tienen sus propias identidades y especificaciones.\n\n### Indicaciones de inferencia nativa y revisión del resultado\n\nTencent recomienda temperature 0.7, top_p 0.6, top_k 20 y repetition_penalty 1.05 en su ejemplo de inferencia nativa. Trata el contenido traducido como el resultado que debe revisarse. Comprueba los nombres, los números, las unidades, la negación, las fechas y la relación entre las frases con el original, especialmente cuando una traducción literal pueda perder el significado previsto.\n\nConserva juntos el original, el idioma de destino, la identidad del modelo seleccionado y la traducción final revisada. Para textos de aplicación, comprueba que los marcadores de posición y el formato sigan vinculados a los campos previstos; para un documento, lee los párrafos unidos para comprobar la coherencia de terminología y tono. Una frase fluida puede seguir necesitando corrección si cambia un detalle factual o una instrucción.\n\nA través de Ailoot, selecciona el ID exacto de este modelo en /v1/chat/completions y proporciona la tarea en messages. Cada mensaje contiene un role y su content; mantén juntas las instrucciones pertinentes y el material de origen. Recopila la respuesta JSON completa o todos los segmentos SSE cuando stream esté activado y conserva usage junto con el resultado escrito.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4a952d12e9b2e40a727e81cd2e66edb006fb59dc0a7d90ee9793c23388730002", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "
•

tencent/Hunyuan-MT-7B

Otros /tencent/Hunyuan-MT-7B

Primeros pasos

Hunyuan-MT-7B de Tencent traduce el texto proporcionado a un idioma de destino indicado, con cobertura multilingüe y especial atención al chino, las lenguas minoritarias y los dialectos. Es el modelo de traducción de la familia; el modelo independiente Chimera combina varios candidatos de traducción.

Entradas aceptadas
Texto · Imágenes
Resultados
Texto
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.

Hunyuan-MT-7B es el modelo de traducción multilingüe de Tencent. Su función básica es recibir un fragmento de origen y producirlo en el idioma de destino solicitado. Tencent distingue este traductor de Hunyuan-MT-Chimera, el modelo de combinación de la familia que refina varios candidatos de traducción en un único resultado.

Elige el par de idiomas y la traducción prevista

Tencent describe traducción mutua entre 33 idiomas y destaca cinco lenguas de minorías étnicas chinas o dialectos. La tabla de idiomas publicada incluye chino, chino tradicional, inglés, francés, portugués, español, japonés, turco, ruso, árabe, coreano, tailandés, italiano, alemán, vietnamita, malayo, indonesio, filipino, hindi, polaco, checo, neerlandés, jemer, birmano, persa, guyaratí, urdu, telugu, maratí, hebreo, bengalí, tamil y ucraniano. También enumera explícitamente tibetano, kazajo, mongol, uigur y cantonés.

Indica el idioma de destino con precisión, incluido el sistema de escritura requerido cuando corresponda. Una descripción útil puede identificar si un documento necesita chino simplificado o tradicional e indicar el público y la terminología que deben mantenerse coherentes. Conserva intacto el fragmento de origen para poder comprobar la traducción con el material exacto proporcionado.

Sigue el prompt de traducción del fabricante

El fabricante proporciona una plantilla de prompt para traducciones que incluyen chino y otra para pares de idiomas que no lo incluyen. Ambas indican el idioma de destino, colocan el texto de origen debajo de la instrucción y piden la traducción sin añadir una explicación. El modelo no tiene un prompt de sistema predeterminado, así que incluye la instrucción de la tarea en el mensaje enviado en vez de depender de un rol predeterminado sin especificar.

Para un par sin chino, una descripción original puede comenzar así: «Traduce el siguiente segmento al francés, sin explicaciones adicionales». Añade después el fragmento de origen. Cuando la tarea incluya chino, utiliza la plantilla china correspondiente y sustituye su marcador de idioma de destino. El entregable esperado es el fragmento traducido, listo para una revisión independiente o para el siguiente paso de procesamiento de una aplicación.

Prepara segmentos que conserven el significado

Usa frases o párrafos coherentes en vez de cortar el texto en posiciones arbitrarias de caracteres. Conserva el material circundante necesario para interpretar pronombres, términos técnicos y expresiones idiomáticas. Para un manual de producto, incluye juntos el nombre del producto, los términos definidos y la instrucción real; para un intercambio de soporte, conserva la pregunta y la respuesta a la que se refiere.

Si procesas un documento mayor por segmentos, conserva un ID de segmento estable fuera del texto que se traduce y mantén la terminología acordada en los fragmentos resultantes. Pide explícitamente cómo tratar los nombres, las medidas y los marcadores de posición, e inspecciona después ese tratamiento en la salida. Estos pasos de preparación facilitan montar y revisar el resultado; no sustituyen la comprobación del significado traducido.

Distingue el traductor del modelo de combinación

Hunyuan-MT-7B produce una traducción a partir del original. El flujo documentado de Chimera, en cambio, recibe la fuente original y varios candidatos en el idioma de destino y produce una única traducción refinada. Un flujo que utilice ambas etapas debe proporcionar esos candidatos al modelo de combinación independiente; seleccionar solo MT-7B no realiza esa combinación adicional.

El fabricante también enumera por separado los checkpoints FP8. Conserva el nombre de la edición habitual Hunyuan-MT-7B al guardar la solicitud y la traducción, y distínguela de un entregable FP8 o Chimera al comparar resultados. Los modelos HY-MT1.5 posteriores tienen sus propias identidades y especificaciones.

Indicaciones de inferencia nativa y revisión del resultado

Tencent recomienda temperature 0.7, top_p 0.6, top_k 20 y repetition_penalty 1.05 en su ejemplo de inferencia nativa. Trata el contenido traducido como el resultado que debe revisarse. Comprueba los nombres, los números, las unidades, la negación, las fechas y la relación entre las frases con el original, especialmente cuando una traducción literal pueda perder el significado previsto.

Conserva juntos el original, el idioma de destino, la identidad del modelo seleccionado y la traducción final revisada. Para textos de aplicación, comprueba que los marcadores de posición y el formato sigan vinculados a los campos previstos; para un documento, lee los párrafos unidos para comprobar la coherencia de terminología y tono. Una frase fluida puede seguir necesitando corrección si cambia un detalle factual o una instrucción.

A través de Ailoot, selecciona el ID exacto de este modelo en /v1/chat/completions y proporciona la tarea en messages. Cada mensaje contiene un role y su content; mantén juntas las instrucciones pertinentes y el material de origen. Recopila la respuesta JSON completa o todos los segmentos SSE cuando stream esté activado y conserva usage junto con el resultado escrito.

Disponible en Ailoot · entradas y métodos

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Tipos de entrada
text, image
Tipos de salida
text
Formato de salida
JSON or SSE
CampoTipoRequisitoValores y límitesPredeterminado
CampomodelTipostringRequisitoObligatorioValores y límites
tencent/Hunyuan-MT-7B
Condiciones: Usa exactamente este selector de enrutamiento de Ailoot.
Predeterminado—
CampomessagesTipoarrayRequisitoObligatorioValores y límites
Condiciones:
Predeterminado—
CampostreamTipobooleanRequisitoOpcionalValores y límites
Condiciones:
Predeterminadofalse
Combinaciones de materiales de entrada

text_input · Obligatorio: messages

image_with_text · Obligatorio: messages with actual image content blocks

Parámetros del método y ciclo de vida
ParámetroContrato
Parámetrocontent_typeContratoapplication/json
ParámetrorequiredContratomodel, messages
ParámetrooptionalContratostream
Parámetromaterial_typesContratotext, image
ParámetroconditionsContratoUsa exactamente este selector de enrutamiento de Ailoot., Este protocolo transporta contenido de imagen cuando el modelo concreto seleccionado admite visión. Que el protocolo admita la solicitud no demuestra que todos los modelos puedan procesar imágenes.

Alias de método: /chat/completions

Ciclo de vida: synchronous_or_streamed

Planes

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo rápido
Tarifa estándar Cuando se selecciona el modo rápido
Modo flex
Tarifa estándar Cuando se selecciona el modo flex
Esfuerzo máximo de razonamiento
Tarifa estándar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (default)
Precios de caché explícita
No habilitado Cuando se solicita caché explícita
Tarifas cero solo para texto
La caché, las herramientas y el contenido multimedia siguen sus respectivas condiciones de precio, indicadas por separado. Para entrada y salida de texto únicamente

Tarifas de Ailoot

Precios por configuración

ConfiguraciónTabla de tarifasCargo
ConfiguraciónTarifas base por tokenTabla de tarifasTarifa baseCargo
Entrada · Tokens de entrada $0 / 1K tokens
Salida · Tokens de salida $0 / 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 →

Solicitudes de ejemplo

Ailoot Ultra · OpenAI Chat

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/Hunyuan-MT-7B", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Recibir y guardar resultados

Ailoot Ultra · OpenAI Chat

JSON or SSE

Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva todos los bloques de contenido, los ID de llamadas a herramientas, las firmas de razonamiento que se devuelvan, todos los incrementos SSE y los datos completos de consumo. El primer fragmento de texto no es el resultado completo.

Si es necesario revisar la respuesta original

Conserva el X-Client-Request-ID original, la respuesta y las cabeceras. Un resultado desconocido o result_pending_check no autoriza una segunda creación.

Campos de respuesta
CampoTipo
Campochoices[]Tipoobject
CampousageTipoobject
Errores y siguientes pasos
RespuestaCondiciónSiguiente paso
Respuesta400 · invalid_request_errorCondiciónUn campo obligatorio, el selector de modelo, el tipo o la representación de la entrada no son válidos.Siguiente pasoRevisa los detalles de validación devueltos antes de preparar una solicitud independiente.
RespuestaCondiciónLa solicitud original o su resultado son desconocidos o requieren una comprobación.Siguiente pasoConserva los identificadores y las cabeceras originales; consulta únicamente los registros de estado o de la biblioteca admitidos. No vuelvas a enviar la solicitud de creación.

Alias

Alias del modelo

Ailoot Ultra tencent/Hunyuan-MT-7B

Alias de rutas de métodos

/chat/completions

ID de modelo relacionados

tencent/Hunyuan-MT-7B

", "method_identity": { "effective_request_model_id": "tencent/Hunyuan-MT-7B", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|tencent%2FHunyuan-MT-7B", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "content_type": "application/json", "example_scope": "The preserved text example is one valid request form, not the full protocol input set.", "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "material_types": [ "text", "image" ], "text_file_material": "Actual UTF-8 text can be inserted in a text content part." }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Un campo obligatorio, el selector de modelo, el tipo o la representación de la entrada no son válidos.", "http_status": 400, "recovery": "Revisa los detalles de validación devueltos antes de preparar una solicitud independiente.", "type": "invalid_request_error" }, { "condition": "La solicitud original o su resultado son desconocidos o requieren una comprobación.", "http_status": null, "recovery": "Conserva los identificadores y las cabeceras originales; consulta únicamente los registros de estado o de la biblioteca admitidos. No vuelvas a enviar la solicitud de creación.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Conserva el X-Client-Request-ID original, la respuesta y las cabeceras. Un resultado desconocido o result_pending_check no autoriza una segunda creación.", "unknown_no_replay": true }, "material_combinations": [ { "materials": [ "text" ], "mode": "text_input", "required": [ "messages" ] }, { "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "materials": [ "text", "image" ], "mode": "image_with_text", "required": [ "messages with actual image content blocks" ] } ], "model_capability_scope": { "all_models_vision_claim": false, "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.", "model_vision": "conditional_on_exact_model_capability", "transport_materials": [ "text", "image" ], "video_audio_inferred": false }, "outputs": { "all_results": "Conserva todos los bloques de contenido, los ID de llamadas a herramientas, las firmas de razonamiento que se devuelvan, todos los incrementos SSE y los datos completos de consumo. El primer fragmento de texto no es el resultado completo.", "every_actual_output": true, "family": "text", "fields": [ { "name": "choices[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" }, "parameters": [ { "conditions": "Usa exactamente este selector de enrutamiento de Ailoot.", "default_known": false, "enum": [ "tencent/Hunyuan-MT-7B" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "image_url": { "properties": { "detail": { "type": "string" }, "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "conditions": "", "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "request_schema": { "additionalProperties": true, "properties": { "messages": { "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "image_url": { "properties": { "detail": { "type": "string" }, "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/Hunyuan-MT-7B" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "messages": [ { "content": "Explain how a rainbow forms.", "role": "user" } ], "model": "tencent/Hunyuan-MT-7B" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Usa exactamente este selector de enrutamiento de Ailoot.", "Este protocolo transporta contenido de imagen cuando el modelo concreto seleccionado admite visión. Que el protocolo admita la solicitud no demuestra que todos los modelos puedan procesar imágenes." ], "content_type": "application/json", "material_types": [ "text", "image" ], "optional": [ "stream" ], "required": [ "model", "messages" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "output": { "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.", "every_actual_output": true, "family": "text", "fields": [ { "name": "choices[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/Hunyuan-MT-7B\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "http": "POST", "in": 0, "input": [ "text", "image" ], "input_conditions": { "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model." }, "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [ "/chat/completions" ], "out": 0, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Standard rate", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Standard rate", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Standard rate", "when": "When maximum reasoning effort uses the default adjustment" }, { "label": "Explicit cache pricing", "value": "Not enabled", "when": "When explicit cache is requested" }, { "label": "Tarifas cero solo para texto", "value": "La caché, las herramientas y el contenido multimedia siguen sus respectivas condiciones de precio, indicadas por separado.", "when": "Para entrada y salida de texto únicamente" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "
•

tencent/Hunyuan-MT-7B

Otros /tencent/Hunyuan-MT-7B

Primeros pasos

Hunyuan-MT-7B de Tencent traduce el texto proporcionado a un idioma de destino indicado, con cobertura multilingüe y especial atención al chino, las lenguas minoritarias y los dialectos. Es el modelo de traducción de la familia; el modelo independiente Chimera combina varios candidatos de traducción.

Entradas aceptadas
Texto · Imágenes
Resultados
json · sse
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.

Hunyuan-MT-7B es el modelo de traducción multilingüe de Tencent. Su función básica es recibir un fragmento de origen y producirlo en el idioma de destino solicitado. Tencent distingue este traductor de Hunyuan-MT-Chimera, el modelo de combinación de la familia que refina varios candidatos de traducción en un único resultado.

Elige el par de idiomas y la traducción prevista

Tencent describe traducción mutua entre 33 idiomas y destaca cinco lenguas de minorías étnicas chinas o dialectos. La tabla de idiomas publicada incluye chino, chino tradicional, inglés, francés, portugués, español, japonés, turco, ruso, árabe, coreano, tailandés, italiano, alemán, vietnamita, malayo, indonesio, filipino, hindi, polaco, checo, neerlandés, jemer, birmano, persa, guyaratí, urdu, telugu, maratí, hebreo, bengalí, tamil y ucraniano. También enumera explícitamente tibetano, kazajo, mongol, uigur y cantonés.

Indica el idioma de destino con precisión, incluido el sistema de escritura requerido cuando corresponda. Una descripción útil puede identificar si un documento necesita chino simplificado o tradicional e indicar el público y la terminología que deben mantenerse coherentes. Conserva intacto el fragmento de origen para poder comprobar la traducción con el material exacto proporcionado.

Sigue el prompt de traducción del fabricante

El fabricante proporciona una plantilla de prompt para traducciones que incluyen chino y otra para pares de idiomas que no lo incluyen. Ambas indican el idioma de destino, colocan el texto de origen debajo de la instrucción y piden la traducción sin añadir una explicación. El modelo no tiene un prompt de sistema predeterminado, así que incluye la instrucción de la tarea en el mensaje enviado en vez de depender de un rol predeterminado sin especificar.

Para un par sin chino, una descripción original puede comenzar así: «Traduce el siguiente segmento al francés, sin explicaciones adicionales». Añade después el fragmento de origen. Cuando la tarea incluya chino, utiliza la plantilla china correspondiente y sustituye su marcador de idioma de destino. El entregable esperado es el fragmento traducido, listo para una revisión independiente o para el siguiente paso de procesamiento de una aplicación.

Prepara segmentos que conserven el significado

Usa frases o párrafos coherentes en vez de cortar el texto en posiciones arbitrarias de caracteres. Conserva el material circundante necesario para interpretar pronombres, términos técnicos y expresiones idiomáticas. Para un manual de producto, incluye juntos el nombre del producto, los términos definidos y la instrucción real; para un intercambio de soporte, conserva la pregunta y la respuesta a la que se refiere.

Si procesas un documento mayor por segmentos, conserva un ID de segmento estable fuera del texto que se traduce y mantén la terminología acordada en los fragmentos resultantes. Pide explícitamente cómo tratar los nombres, las medidas y los marcadores de posición, e inspecciona después ese tratamiento en la salida. Estos pasos de preparación facilitan montar y revisar el resultado; no sustituyen la comprobación del significado traducido.

Distingue el traductor del modelo de combinación

Hunyuan-MT-7B produce una traducción a partir del original. El flujo documentado de Chimera, en cambio, recibe la fuente original y varios candidatos en el idioma de destino y produce una única traducción refinada. Un flujo que utilice ambas etapas debe proporcionar esos candidatos al modelo de combinación independiente; seleccionar solo MT-7B no realiza esa combinación adicional.

El fabricante también enumera por separado los checkpoints FP8. Conserva el nombre de la edición habitual Hunyuan-MT-7B al guardar la solicitud y la traducción, y distínguela de un entregable FP8 o Chimera al comparar resultados. Los modelos HY-MT1.5 posteriores tienen sus propias identidades y especificaciones.

Indicaciones de inferencia nativa y revisión del resultado

Tencent recomienda temperature 0.7, top_p 0.6, top_k 20 y repetition_penalty 1.05 en su ejemplo de inferencia nativa. Trata el contenido traducido como el resultado que debe revisarse. Comprueba los nombres, los números, las unidades, la negación, las fechas y la relación entre las frases con el original, especialmente cuando una traducción literal pueda perder el significado previsto.

Conserva juntos el original, el idioma de destino, la identidad del modelo seleccionado y la traducción final revisada. Para textos de aplicación, comprueba que los marcadores de posición y el formato sigan vinculados a los campos previstos; para un documento, lee los párrafos unidos para comprobar la coherencia de terminología y tono. Una frase fluida puede seguir necesitando corrección si cambia un detalle factual o una instrucción.

A través de Ailoot, selecciona el ID exacto de este modelo en /v1/chat/completions y proporciona la tarea en messages. Cada mensaje contiene un role y su content; mantén juntas las instrucciones pertinentes y el material de origen. Recopila la respuesta JSON completa o todos los segmentos SSE cuando stream esté activado y conserva usage junto con el resultado escrito.

Disponible en Ailoot · entradas y métodos

Ailoot Ultra · Anthropic Messages POST /v1/messages
Tipos de entrada
text, image
Tipos de salida
json, sse
Formato de salida
JSON or SSE
CampoTipoRequisitoValores y límitesPredeterminado
CampomodelTipostringRequisitoObligatorioValores y límites
tencent/Hunyuan-MT-7B
Condiciones: Usa exactamente este selector de enrutamiento de Ailoot.
Predeterminado—
CampomessagesTipoarrayRequisitoObligatorioValores y límites
Condiciones:
Predeterminado—
CampostreamTipobooleanRequisitoOpcionalValores y límites
Condiciones:
Predeterminadofalse
Campomax_tokensTipointegerRequisitoObligatorioValores y límites
Mínimo: 1
Condiciones:
Predeterminado—
Combinaciones de materiales de entrada

text_input · Obligatorio: messages

image_with_text · Obligatorio: messages with actual image content blocks

Parámetros del método y ciclo de vida
ParámetroContrato
Parámetrocontent_typeContratoapplication/json
ParámetrorequiredContratomodel, messages, max_tokens
ParámetrooptionalContratostream
Parámetromaterial_typesContratotext, image
ParámetroconditionsContratoUsa exactamente este selector de enrutamiento de Ailoot., Este protocolo transporta contenido de imagen cuando el modelo concreto seleccionado admite visión. Que el protocolo admita la solicitud no demuestra que todos los modelos puedan procesar imágenes.

Ciclo de vida: synchronous_or_streamed

Planes

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo rápido
Tarifa estándar Cuando se selecciona el modo rápido
Modo flex
Tarifa estándar Cuando se selecciona el modo flex
Esfuerzo máximo de razonamiento
Tarifa estándar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (default)
Precios de caché explícita
No habilitado Cuando se solicita caché explícita
Tarifas cero solo para texto
La caché, las herramientas y el contenido multimedia siguen sus respectivas condiciones de precio, indicadas por separado. Para entrada y salida de texto únicamente

Tarifas de Ailoot

Precios por configuración

ConfiguraciónTabla de tarifasCargo
ConfiguraciónTarifas base por tokenTabla de tarifasTarifa baseCargo
Entrada · Tokens de entrada $0 / 1K tokens
Salida · Tokens de salida $0 / 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 →

Solicitudes de ejemplo

Ailoot Ultra · Anthropic Messages

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/Hunyuan-MT-7B", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')\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/messages \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Recibir y guardar resultados

Ailoot Ultra · Anthropic Messages

JSON or SSE

Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva todos los bloques de contenido, los ID de llamadas a herramientas, las firmas de razonamiento que se devuelvan, todos los incrementos SSE y los datos completos de consumo. El primer fragmento de texto no es el resultado completo.

Si es necesario revisar la respuesta original

Conserva el X-Client-Request-ID original, la respuesta y las cabeceras. Un resultado desconocido o result_pending_check no autoriza una segunda creación.

Campos de respuesta
CampoTipo
Campocontent[]Tipoobject
CampousageTipoobject
Errores y siguientes pasos
RespuestaCondiciónSiguiente paso
Respuesta400 · invalid_request_errorCondiciónUn campo obligatorio, el selector de modelo, el tipo o la representación de la entrada no son válidos.Siguiente pasoRevisa los detalles de validación devueltos antes de preparar una solicitud independiente.
RespuestaCondiciónLa solicitud original o su resultado son desconocidos o requieren una comprobación.Siguiente pasoConserva los identificadores y las cabeceras originales; consulta únicamente los registros de estado o de la biblioteca admitidos. No vuelvas a enviar la solicitud de creación.

Alias

Alias del modelo

Ailoot Ultra tencent/Hunyuan-MT-7B

Alias de rutas de métodos

/chat/completions

ID de modelo relacionados

tencent/Hunyuan-MT-7B

", "method_identity": { "effective_request_model_id": "tencent/Hunyuan-MT-7B", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|tencent%2FHunyuan-MT-7B", "ordinal": 1, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "content_type": "application/json", "example_scope": "The preserved text example is one valid request form, not the full protocol input set.", "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "material_types": [ "text", "image" ], "text_file_material": "Actual UTF-8 text can be inserted in a text content part." }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Un campo obligatorio, el selector de modelo, el tipo o la representación de la entrada no son válidos.", "http_status": 400, "recovery": "Revisa los detalles de validación devueltos antes de preparar una solicitud independiente.", "type": "invalid_request_error" }, { "condition": "La solicitud original o su resultado son desconocidos o requieren una comprobación.", "http_status": null, "recovery": "Conserva los identificadores y las cabeceras originales; consulta únicamente los registros de estado o de la biblioteca admitidos. No vuelvas a enviar la solicitud de creación.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/messages" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Conserva el X-Client-Request-ID original, la respuesta y las cabeceras. Un resultado desconocido o result_pending_check no autoriza una segunda creación.", "unknown_no_replay": true }, "material_combinations": [ { "materials": [ "text" ], "mode": "text_input", "required": [ "messages" ] }, { "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "materials": [ "text", "image" ], "mode": "image_with_text", "required": [ "messages with actual image content blocks" ] } ], "model_capability_scope": { "all_models_vision_claim": false, "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.", "model_vision": "conditional_on_exact_model_capability", "transport_materials": [ "text", "image" ], "video_audio_inferred": false }, "outputs": { "all_results": "Conserva todos los bloques de contenido, los ID de llamadas a herramientas, las firmas de razonamiento que se devuelvan, todos los incrementos SSE y los datos completos de consumo. El primer fragmento de texto no es el resultado completo.", "every_actual_output": true, "family": "text", "fields": [ { "name": "content[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" }, "parameters": [ { "conditions": "Usa exactamente este selector de enrutamiento de Ailoot.", "default_known": false, "enum": [ "tencent/Hunyuan-MT-7B" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "conditions": "", "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "conditions": "", "default_known": false, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": true, "type": "integer" } ], "request_schema": { "additionalProperties": true, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/Hunyuan-MT-7B" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "max_tokens": 256, "messages": [ { "content": "Explain how a rainbow forms.", "role": "user" } ], "model": "tencent/Hunyuan-MT-7B" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Usa exactamente este selector de enrutamiento de Ailoot.", "Este protocolo transporta contenido de imagen cuando el modelo concreto seleccionado admite visión. Que el protocolo admita la solicitud no demuestra que todos los modelos puedan procesar imágenes." ], "content_type": "application/json", "material_types": [ "text", "image" ], "optional": [ "stream" ], "required": [ "model", "messages", "max_tokens" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/messages" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/messages" }, "method_aliases": [], "output": { "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.", "every_actual_output": true, "family": "text", "fields": [ { "name": "content[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/Hunyuan-MT-7B\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}], \"max_tokens\": 256}')\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/messages \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "in": 0, "input": [ "text", "image" ], "input_conditions": { "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model." }, "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Standard rate", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Standard rate", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Standard rate", "when": "When maximum reasoning effort uses the default adjustment" }, { "label": "Explicit cache pricing", "value": "Not enabled", "when": "When explicit cache is requested" }, { "label": "Tarifas cero solo para texto", "value": "La caché, las herramientas y el contenido multimedia siguen sus respectivas condiciones de precio, indicadas por separado.", "when": "Para entrada y salida de texto únicamente" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "tencent/Hunyuan-MT-7B", "nativeProvenance": { "input_facts_canonical_sha256": "d6301648d7966a935d3bf3bf9eafca6cad542527cfde485e2bf86562bdde4527", "input_html_sha256": "0f957630ac5ba34bfedbe963b8a5d1ce24721a8466dc5194d72d43afe4f62af8", "private_audit_sha256": "4c25c27b4bafade7c76d0b0b4e7e666805a45d7d4ced4ee16b0f4e9bba82c238", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/es/tencent-hunyuan-mt-7b/", "description": "Hunyuan-MT-7B de Tencent traduce el texto proporcionado a un idioma de destino indicado, con cobertura multilingüe y especial atención al chino, las lenguas minoritarias y los dialectos. Es el modelo de traducción de la familia; el modelo independiente Chimera combina varios candidatos de traducción.", "locale": "es", "md_url": "https://ailoot.ai/models/es/tencent-hunyuan-mt-7b/index.md", "title": "tencent/Hunyuan-MT-7B — Ailoot", "url": "https://ailoot.ai/models/es/tencent-hunyuan-mt-7b/" }, "rawModel": { "about": "Hunyuan-MT-7B es el modelo de traducción multilingüe de Tencent. Su función básica es recibir un fragmento de origen y producirlo en el idioma de destino solicitado. Tencent distingue este traductor de Hunyuan-MT-Chimera, el modelo de combinación de la familia que refina varios candidatos de traducción en un único resultado.\n\n### Elige el par de idiomas y la traducción prevista\n\nTencent describe traducción mutua entre 33 idiomas y destaca cinco lenguas de minorías étnicas chinas o dialectos. La tabla de idiomas publicada incluye chino, chino tradicional, inglés, francés, portugués, español, japonés, turco, ruso, árabe, coreano, tailandés, italiano, alemán, vietnamita, malayo, indonesio, filipino, hindi, polaco, checo, neerlandés, jemer, birmano, persa, guyaratí, urdu, telugu, maratí, hebreo, bengalí, tamil y ucraniano. También enumera explícitamente tibetano, kazajo, mongol, uigur y cantonés.\n\nIndica el idioma de destino con precisión, incluido el sistema de escritura requerido cuando corresponda. Una descripción útil puede identificar si un documento necesita chino simplificado o tradicional e indicar el público y la terminología que deben mantenerse coherentes. Conserva intacto el fragmento de origen para poder comprobar la traducción con el material exacto proporcionado.\n\n### Sigue el prompt de traducción del fabricante\n\nEl fabricante proporciona una plantilla de prompt para traducciones que incluyen chino y otra para pares de idiomas que no lo incluyen. Ambas indican el idioma de destino, colocan el texto de origen debajo de la instrucción y piden la traducción sin añadir una explicación. El modelo no tiene un prompt de sistema predeterminado, así que incluye la instrucción de la tarea en el mensaje enviado en vez de depender de un rol predeterminado sin especificar.\n\nPara un par sin chino, una descripción original puede comenzar así: «Traduce el siguiente segmento al francés, sin explicaciones adicionales». Añade después el fragmento de origen. Cuando la tarea incluya chino, utiliza la plantilla china correspondiente y sustituye su marcador de idioma de destino. El entregable esperado es el fragmento traducido, listo para una revisión independiente o para el siguiente paso de procesamiento de una aplicación.\n\n### Prepara segmentos que conserven el significado\n\nUsa frases o párrafos coherentes en vez de cortar el texto en posiciones arbitrarias de caracteres. Conserva el material circundante necesario para interpretar pronombres, términos técnicos y expresiones idiomáticas. Para un manual de producto, incluye juntos el nombre del producto, los términos definidos y la instrucción real; para un intercambio de soporte, conserva la pregunta y la respuesta a la que se refiere.\n\nSi procesas un documento mayor por segmentos, conserva un ID de segmento estable fuera del texto que se traduce y mantén la terminología acordada en los fragmentos resultantes. Pide explícitamente cómo tratar los nombres, las medidas y los marcadores de posición, e inspecciona después ese tratamiento en la salida. Estos pasos de preparación facilitan montar y revisar el resultado; no sustituyen la comprobación del significado traducido.\n\n### Distingue el traductor del modelo de combinación\n\nHunyuan-MT-7B produce una traducción a partir del original. El flujo documentado de Chimera, en cambio, recibe la fuente original y varios candidatos en el idioma de destino y produce una única traducción refinada. Un flujo que utilice ambas etapas debe proporcionar esos candidatos al modelo de combinación independiente; seleccionar solo MT-7B no realiza esa combinación adicional.\n\nEl fabricante también enumera por separado los checkpoints FP8. Conserva el nombre de la edición habitual Hunyuan-MT-7B al guardar la solicitud y la traducción, y distínguela de un entregable FP8 o Chimera al comparar resultados. Los modelos HY-MT1.5 posteriores tienen sus propias identidades y especificaciones.\n\n### Indicaciones de inferencia nativa y revisión del resultado\n\nTencent recomienda temperature 0.7, top_p 0.6, top_k 20 y repetition_penalty 1.05 en su ejemplo de inferencia nativa. Trata el contenido traducido como el resultado que debe revisarse. Comprueba los nombres, los números, las unidades, la negación, las fechas y la relación entre las frases con el original, especialmente cuando una traducción literal pueda perder el significado previsto.\n\nConserva juntos el original, el idioma de destino, la identidad del modelo seleccionado y la traducción final revisada. Para textos de aplicación, comprueba que los marcadores de posición y el formato sigan vinculados a los campos previstos; para un documento, lee los párrafos unidos para comprobar la coherencia de terminología y tono. Una frase fluida puede seguir necesitando corrección si cambia un detalle factual o una instrucción.\n\nA través de Ailoot, selecciona el ID exacto de este modelo en /v1/chat/completions y proporciona la tarea en messages. Cada mensaje contiene un role y su content; mantén juntas las instrucciones pertinentes y el material de origen. Recopila la respuesta JSON completa o todos los segmentos SSE cuando stream esté activado y conserva usage junto con el resultado escrito.", "alias_of": null, "aliases": [], "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Consulta los precios completos de la configuración en los detalles." } ], "ctx": null, "formats": [ "chat", "messages" ], "id": "tencent/Hunyuan-MT-7B", "input": [ "text", "image" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "content_type": "application/json", "example_scope": "The preserved text example is one valid request form, not the full protocol input set.", "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "material_types": [ "text", "image" ], "text_file_material": "Actual UTF-8 text can be inserted in a text content part." }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Un campo obligatorio, el selector de modelo, el tipo o la representación de la entrada no son válidos.", "http_status": 400, "recovery": "Revisa los detalles de validación devueltos antes de preparar una solicitud independiente.", "type": "invalid_request_error" }, { "condition": "La solicitud original o su resultado son desconocidos o requieren una comprobación.", "http_status": null, "recovery": "Conserva los identificadores y las cabeceras originales; consulta únicamente los registros de estado o de la biblioteca admitidos. No vuelvas a enviar la solicitud de creación.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Conserva el X-Client-Request-ID original, la respuesta y las cabeceras. Un resultado desconocido o result_pending_check no autoriza una segunda creación.", "unknown_no_replay": true }, "material_combinations": [ { "materials": [ "text" ], "mode": "text_input", "required": [ "messages" ] }, { "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "materials": [ "text", "image" ], "mode": "image_with_text", "required": [ "messages with actual image content blocks" ] } ], "model_capability_scope": { "all_models_vision_claim": false, "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.", "model_vision": "conditional_on_exact_model_capability", "transport_materials": [ "text", "image" ], "video_audio_inferred": false }, "outputs": { "all_results": "Conserva todos los bloques de contenido, los ID de llamadas a herramientas, las firmas de razonamiento que se devuelvan, todos los incrementos SSE y los datos completos de consumo. El primer fragmento de texto no es el resultado completo.", "every_actual_output": true, "family": "text", "fields": [ { "name": "choices[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" }, "parameters": [ { "conditions": "Usa exactamente este selector de enrutamiento de Ailoot.", "default_known": false, "enum": [ "tencent/Hunyuan-MT-7B" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "image_url": { "properties": { "detail": { "type": "string" }, "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "conditions": "", "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "request_schema": { "additionalProperties": true, "properties": { "messages": { "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "image_url": { "properties": { "detail": { "type": "string" }, "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/Hunyuan-MT-7B" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "messages": [ { "content": "Explain how a rainbow forms.", "role": "user" } ], "model": "tencent/Hunyuan-MT-7B" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Usa exactamente este selector de enrutamiento de Ailoot.", "Este protocolo transporta contenido de imagen cuando el modelo concreto seleccionado admite visión. Que el protocolo admita la solicitud no demuestra que todos los modelos puedan procesar imágenes." ], "content_type": "application/json", "material_types": [ "text", "image" ], "optional": [ "stream" ], "required": [ "model", "messages" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "output": { "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.", "every_actual_output": true, "family": "text", "fields": [ { "name": "choices[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/Hunyuan-MT-7B\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "http": "POST", "in": 0, "input": [ "text", "image" ], "input_conditions": { "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model." }, "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [ "/chat/completions" ], "out": 0, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Standard rate", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Standard rate", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Standard rate", "when": "When maximum reasoning effort uses the default adjustment" }, { "label": "Explicit cache pricing", "value": "Not enabled", "when": "When explicit cache is requested" }, { "label": "Tarifas cero solo para texto", "value": "La caché, las herramientas y el contenido multimedia siguen sus respectivas condiciones de precio, indicadas por separado.", "when": "Para entrada y salida de texto únicamente" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "content_type": "application/json", "example_scope": "The preserved text example is one valid request form, not the full protocol input set.", "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "material_types": [ "text", "image" ], "text_file_material": "Actual UTF-8 text can be inserted in a text content part." }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Un campo obligatorio, el selector de modelo, el tipo o la representación de la entrada no son válidos.", "http_status": 400, "recovery": "Revisa los detalles de validación devueltos antes de preparar una solicitud independiente.", "type": "invalid_request_error" }, { "condition": "La solicitud original o su resultado son desconocidos o requieren una comprobación.", "http_status": null, "recovery": "Conserva los identificadores y las cabeceras originales; consulta únicamente los registros de estado o de la biblioteca admitidos. No vuelvas a enviar la solicitud de creación.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/messages" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Conserva el X-Client-Request-ID original, la respuesta y las cabeceras. Un resultado desconocido o result_pending_check no autoriza una segunda creación.", "unknown_no_replay": true }, "material_combinations": [ { "materials": [ "text" ], "mode": "text_input", "required": [ "messages" ] }, { "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "materials": [ "text", "image" ], "mode": "image_with_text", "required": [ "messages with actual image content blocks" ] } ], "model_capability_scope": { "all_models_vision_claim": false, "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.", "model_vision": "conditional_on_exact_model_capability", "transport_materials": [ "text", "image" ], "video_audio_inferred": false }, "outputs": { "all_results": "Conserva todos los bloques de contenido, los ID de llamadas a herramientas, las firmas de razonamiento que se devuelvan, todos los incrementos SSE y los datos completos de consumo. El primer fragmento de texto no es el resultado completo.", "every_actual_output": true, "family": "text", "fields": [ { "name": "content[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" }, "parameters": [ { "conditions": "Usa exactamente este selector de enrutamiento de Ailoot.", "default_known": false, "enum": [ "tencent/Hunyuan-MT-7B" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "conditions": "", "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "conditions": "", "default_known": false, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": true, "type": "integer" } ], "request_schema": { "additionalProperties": true, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/Hunyuan-MT-7B" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "max_tokens": 256, "messages": [ { "content": "Explain how a rainbow forms.", "role": "user" } ], "model": "tencent/Hunyuan-MT-7B" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Usa exactamente este selector de enrutamiento de Ailoot.", "Este protocolo transporta contenido de imagen cuando el modelo concreto seleccionado admite visión. Que el protocolo admita la solicitud no demuestra que todos los modelos puedan procesar imágenes." ], "content_type": "application/json", "material_types": [ "text", "image" ], "optional": [ "stream" ], "required": [ "model", "messages", "max_tokens" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/messages" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/messages" }, "method_aliases": [], "output": { "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.", "every_actual_output": true, "family": "text", "fields": [ { "name": "content[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/Hunyuan-MT-7B\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}], \"max_tokens\": 256}')\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/messages \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "in": 0, "input": [ "text", "image" ], "input_conditions": { "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model." }, "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Standard rate", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Standard rate", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Standard rate", "when": "When maximum reasoning effort uses the default adjustment" }, { "label": "Explicit cache pricing", "value": "Not enabled", "when": "When explicit cache is requested" }, { "label": "Tarifas cero solo para texto", "value": "La caché, las herramientas y el contenido multimedia siguen sus respectivas condiciones de precio, indicadas por separado.", "when": "Para entrada y salida de texto únicamente" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "tencent/Hunyuan-MT-7B", "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra" } ], "name": "tencent/Hunyuan-MT-7B", "price": { "in": 0, "in_label": null, "out": 0, "out_label": null, "scope_label": "Token rates", "sort_in": 0, "sort_out": 0, "varies": false }, "short": "Hunyuan-MT-7B de Tencent traduce el texto proporcionado a un idioma de destino indicado, con cobertura multilingüe y especial atención al chino, las lenguas minoritarias y los dialectos. Es el modelo de traducción de la familia; el modelo independiente Chimera combina varios candidatos de traducción.", "title": "tencent/Hunyuan-MT-7B" }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Hunyuan-MT-7B de Tencent traduce el texto proporcionado a un idioma de destino indicado, con cobertura multilingüe y especial atención al chino, las lenguas minoritarias y los dialectos. Es el modelo de traducción de la familia; el modelo independiente Chimera combina varios candidatos de traducción.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "2b12961f4184c0a74987a7a6a01a790d3b91bc38aaf95804410996b3f62f5bf1", "renderer_sha256": "b6d488b4bdee68568e5b17d2d4871b2ba1885e1032091b635a7a58ad2ca224e7" }, "sourceRevision": "e80cf84324002c90dfb96eba5c7cfec49bf710df0b3ba8b03d0d7ccaa04e7bfd" }