Baichuan4 est le modèle nommé de conversation générale de quatrième génération de la gamme Baichuan. Le fabricant documente un contexte de 32K pour cette édition précise. Baichuan4-Turbo et Baichuan4-Air sont des éditions distinctes disposant de leurs propres fiches.
Le modèle utilise une conversation textuelle et produit une réponse d’assistant ou une demande d’appel de fonction dans le flux documenté du concepteur. Les tâches utiles comprennent les réponses fondées sur des informations fournies, l’organisation du contenu d’un document, la révision de texte et la production d’un enregistrement structuré pour une application.
Préparez les messages dans l’ordre chronologique, avec une consigne system en premier si elle est nécessaire. Gardez la tâche de l’utilisateur distincte des réponses antérieures de l’assistant et des résultats d’outils externes. La référence du producteur accepte des chaînes de texte ordinaires ou des structures typées de contenu textuel et utilise un rôle de message tool séparé pour les résultats d’appels de fonctions.
Pour une comparaison, fournissez les deux passages, identifiez-les clairement et demandez leurs convergences, leurs contradictions et les formulations qui les étayent. Pour réviser une explication, précisez le public et les détails à conserver dans la réécriture. Une consigne utile est : « Comparez ces deux descriptions de projet, listez les exigences modifiées et identifiez le passage qui établit chaque changement. »
Baichuan4 figure explicitement dans le mode objet JSON du producteur. L’activation de ce mode exige aussi une consigne system ou user demandant de produire du JSON. Définissez les champs requis et la manière de représenter les informations manquantes. Analysez et inspectez le résultat avant de l’utiliser comme enregistrement applicatif.
L’opération de conversation du producteur accepte max_tokens de 1 à 2 048, avec 2 048 par défaut. Ses réglages d’échantillonnage sont temperature de 0 à 1, par défaut 0,3 ; top_p de 0 à 1 exclu, par défaut 0,85 ; et top_k de 0 à 20, par défaut 5. Régler top_k sur 0 désactive cette stratégie. Le budget de réponse diffère du contexte de 32K : prévoyez ensemble les sources et la place pour la réponse.
Si le motif de fin est length, une réponse écrite ou un objet JSON peut être incomplet. Préservez le résultat partiel et son motif d’arrêt, puis décidez s’il faut raccourcir le livrable demandé, réduire l’entrée ou réviser le budget de réponse applicable.
Les outils du concepteur distinguent la récupération en base de connaissances de la recherche web. Une demande à la base de connaissances nomme les collections pertinentes. Son mode de réponse limité à cette base empêche une réponse lorsque la récupération ne trouve aucun résultat. Si la recherche web et la récupération de connaissances sont toutes deux configurées, la référence précise que la récupération est prioritaire.
Pour un fait évolutif, conservez les informations réellement récupérées ou recherchées pour pouvoir vérifier la réponse finale à partir de celles-ci. Gardez la source, la date et les précisions pertinentes avec l’observation. Lorsque la tâche porte sur une collection fournie, posez une question ciblée au lieu de mêler la question de récupération à des consignes créatives sans rapport.
Les exemples documentés de Baichuan4 montrent la sélection parmi des fonctions personnalisées et la poursuite après que l’application a renvoyé le résultat d’une fonction. Définissez chaque fonction avec un nom, un objectif et un schéma d’arguments. Préservez l’appel de l’assistant et le résultat d’outil correspondant, puis demandez à la réponse suivante d’expliquer ou d’utiliser cette observation.
Une comparaison pratique peut demander deux relevés réels, par exemple des valeurs à deux dates différentes, puis leur différence. L’application fournit ces relevés ; la fonction sélectionnée et les arguments générés par le modèle constituent une demande pour cette opération. Le réglage du producteur permettant une sélection automatique ou aucun outil s’applique aux fonctions. La référence conseille de séparer les appels de fonctions des configurations de recherche web ou de récupération.
Le mode par défaut du producteur est sans diffusion en continu ; la diffusion en continu renvoie des fragments successifs de réponse à assembler. Le motif de fin distingue un arrêt normal, une demande d’outil, une limite de sortie ou de longueur de contexte et le filtrage de contenu. Conservez le message ou l’objet finalisé avec les sources et les observations d’outils nécessaires à son interprétation.
Vérifiez les champs demandés, les comparaisons étayées et la formulation adaptée à la destination du résultat. Gardez l’identité exacte Baichuan4 avec la tâche lors d’une comparaison avec une autre édition. Le résultat utile est un livrable textuel achevé ou l’explication d’une observation d’outil réelle, dont toute partie non résolue de la demande reste identifiable.
", "aboutText": "### Baichuan4 : une édition conversationnelle distincte\n\nBaichuan4 est le modèle nommé de conversation générale de quatrième génération de la gamme Baichuan. Le fabricant documente un contexte de 32K pour cette édition précise. Baichuan4-Turbo et Baichuan4-Air sont des éditions distinctes disposant de leurs propres fiches.\n\nLe modèle utilise une conversation textuelle et produit une réponse d’assistant ou une demande d’appel de fonction dans le flux documenté du concepteur. Les tâches utiles comprennent les réponses fondées sur des informations fournies, l’organisation du contenu d’un document, la révision de texte et la production d’un enregistrement structuré pour une application.\n\n### Fournir une demande de dialogue complète\n\nPréparez les messages dans l’ordre chronologique, avec une consigne system en premier si elle est nécessaire. Gardez la tâche de l’utilisateur distincte des réponses antérieures de l’assistant et des résultats d’outils externes. La référence du producteur accepte des chaînes de texte ordinaires ou des structures typées de contenu textuel et utilise un rôle de message tool séparé pour les résultats d’appels de fonctions.\n\nPour une comparaison, fournissez les deux passages, identifiez-les clairement et demandez leurs convergences, leurs contradictions et les formulations qui les étayent. Pour réviser une explication, précisez le public et les détails à conserver dans la réécriture. Une consigne utile est : « Comparez ces deux descriptions de projet, listez les exigences modifiées et identifiez le passage qui établit chaque changement. »\n\n### Choisir la forme de sortie et le budget de réponse\n\nBaichuan4 figure explicitement dans le mode objet JSON du producteur. L’activation de ce mode exige aussi une consigne system ou user demandant de produire du JSON. Définissez les champs requis et la manière de représenter les informations manquantes. Analysez et inspectez le résultat avant de l’utiliser comme enregistrement applicatif.\n\nL’opération de conversation du producteur accepte max_tokens de 1 à 2 048, avec 2 048 par défaut. Ses réglages d’échantillonnage sont temperature de 0 à 1, par défaut 0,3 ; top_p de 0 à 1 exclu, par défaut 0,85 ; et top_k de 0 à 20, par défaut 5. Régler top_k sur 0 désactive cette stratégie. Le budget de réponse diffère du contexte de 32K : prévoyez ensemble les sources et la place pour la réponse.\n\nSi le motif de fin est length, une réponse écrite ou un objet JSON peut être incomplet. Préservez le résultat partiel et son motif d’arrêt, puis décidez s’il faut raccourcir le livrable demandé, réduire l’entrée ou réviser le budget de réponse applicable.\n\n### Fonder une réponse sur les informations récupérées\n\nLes outils du concepteur distinguent la récupération en base de connaissances de la recherche web. Une demande à la base de connaissances nomme les collections pertinentes. Son mode de réponse limité à cette base empêche une réponse lorsque la récupération ne trouve aucun résultat. Si la recherche web et la récupération de connaissances sont toutes deux configurées, la référence précise que la récupération est prioritaire.\n\nPour un fait évolutif, conservez les informations réellement récupérées ou recherchées pour pouvoir vérifier la réponse finale à partir de celles-ci. Gardez la source, la date et les précisions pertinentes avec l’observation. Lorsque la tâche porte sur une collection fournie, posez une question ciblée au lieu de mêler la question de récupération à des consignes créatives sans rapport.\n\n### Poursuivre à partir d’un résultat de fonction réel\n\nLes exemples documentés de Baichuan4 montrent la sélection parmi des fonctions personnalisées et la poursuite après que l’application a renvoyé le résultat d’une fonction. Définissez chaque fonction avec un nom, un objectif et un schéma d’arguments. Préservez l’appel de l’assistant et le résultat d’outil correspondant, puis demandez à la réponse suivante d’expliquer ou d’utiliser cette observation.\n\nUne comparaison pratique peut demander deux relevés réels, par exemple des valeurs à deux dates différentes, puis leur différence. L’application fournit ces relevés ; la fonction sélectionnée et les arguments générés par le modèle constituent une demande pour cette opération. Le réglage du producteur permettant une sélection automatique ou aucun outil s’applique aux fonctions. La référence conseille de séparer les appels de fonctions des configurations de recherche web ou de récupération.\n\n### Recueillir et inspecter le livrable final\n\nLe mode par défaut du producteur est sans diffusion en continu ; la diffusion en continu renvoie des fragments successifs de réponse à assembler. Le motif de fin distingue un arrêt normal, une demande d’outil, une limite de sortie ou de longueur de contexte et le filtrage de contenu. Conservez le message ou l’objet finalisé avec les sources et les observations d’outils nécessaires à son interprétation.\n\nVérifiez les champs demandés, les comparaisons étayées et la formulation adaptée à la destination du résultat. Gardez l’identité exacte Baichuan4 avec la tâche lors d’une comparaison avec une autre édition. Le résultat utile est un livrable textuel achevé ou l’explication d’une observation d’outil réelle, dont toute partie non résolue de la demande reste identifiable.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.Baichuan4Baichuan4 est le modèle nommé de conversation textuelle de quatrième génération, avec un contexte documenté de 32K. Le flux de son producteur prend en charge les réponses sous forme d’objet JSON, le texte complet ou diffusé en continu, les fonctions personnalisées et les éléments issus de la récupération en base de connaissances ou de la recherche web.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Baichuan4 est le modèle nommé de conversation générale de quatrième génération de la gamme Baichuan. Le fabricant documente un contexte de 32K pour cette édition précise. Baichuan4-Turbo et Baichuan4-Air sont des éditions distinctes disposant de leurs propres fiches.
Le modèle utilise une conversation textuelle et produit une réponse d’assistant ou une demande d’appel de fonction dans le flux documenté du concepteur. Les tâches utiles comprennent les réponses fondées sur des informations fournies, l’organisation du contenu d’un document, la révision de texte et la production d’un enregistrement structuré pour une application.
Préparez les messages dans l’ordre chronologique, avec une consigne system en premier si elle est nécessaire. Gardez la tâche de l’utilisateur distincte des réponses antérieures de l’assistant et des résultats d’outils externes. La référence du producteur accepte des chaînes de texte ordinaires ou des structures typées de contenu textuel et utilise un rôle de message tool séparé pour les résultats d’appels de fonctions.
Pour une comparaison, fournissez les deux passages, identifiez-les clairement et demandez leurs convergences, leurs contradictions et les formulations qui les étayent. Pour réviser une explication, précisez le public et les détails à conserver dans la réécriture. Une consigne utile est : « Comparez ces deux descriptions de projet, listez les exigences modifiées et identifiez le passage qui établit chaque changement. »
Baichuan4 figure explicitement dans le mode objet JSON du producteur. L’activation de ce mode exige aussi une consigne system ou user demandant de produire du JSON. Définissez les champs requis et la manière de représenter les informations manquantes. Analysez et inspectez le résultat avant de l’utiliser comme enregistrement applicatif.
L’opération de conversation du producteur accepte max_tokens de 1 à 2 048, avec 2 048 par défaut. Ses réglages d’échantillonnage sont temperature de 0 à 1, par défaut 0,3 ; top_p de 0 à 1 exclu, par défaut 0,85 ; et top_k de 0 à 20, par défaut 5. Régler top_k sur 0 désactive cette stratégie. Le budget de réponse diffère du contexte de 32K : prévoyez ensemble les sources et la place pour la réponse.
Si le motif de fin est length, une réponse écrite ou un objet JSON peut être incomplet. Préservez le résultat partiel et son motif d’arrêt, puis décidez s’il faut raccourcir le livrable demandé, réduire l’entrée ou réviser le budget de réponse applicable.
Les outils du concepteur distinguent la récupération en base de connaissances de la recherche web. Une demande à la base de connaissances nomme les collections pertinentes. Son mode de réponse limité à cette base empêche une réponse lorsque la récupération ne trouve aucun résultat. Si la recherche web et la récupération de connaissances sont toutes deux configurées, la référence précise que la récupération est prioritaire.
Pour un fait évolutif, conservez les informations réellement récupérées ou recherchées pour pouvoir vérifier la réponse finale à partir de celles-ci. Gardez la source, la date et les précisions pertinentes avec l’observation. Lorsque la tâche porte sur une collection fournie, posez une question ciblée au lieu de mêler la question de récupération à des consignes créatives sans rapport.
Les exemples documentés de Baichuan4 montrent la sélection parmi des fonctions personnalisées et la poursuite après que l’application a renvoyé le résultat d’une fonction. Définissez chaque fonction avec un nom, un objectif et un schéma d’arguments. Préservez l’appel de l’assistant et le résultat d’outil correspondant, puis demandez à la réponse suivante d’expliquer ou d’utiliser cette observation.
Une comparaison pratique peut demander deux relevés réels, par exemple des valeurs à deux dates différentes, puis leur différence. L’application fournit ces relevés ; la fonction sélectionnée et les arguments générés par le modèle constituent une demande pour cette opération. Le réglage du producteur permettant une sélection automatique ou aucun outil s’applique aux fonctions. La référence conseille de séparer les appels de fonctions des configurations de recherche web ou de récupération.
Le mode par défaut du producteur est sans diffusion en continu ; la diffusion en continu renvoie des fragments successifs de réponse à assembler. Le motif de fin distingue un arrêt normal, une demande d’outil, une limite de sortie ou de longueur de contexte et le filtrage de contenu. Conservez le message ou l’objet finalisé avec les sources et les observations d’outils nécessaires à son interprétation.
Vérifiez les champs demandés, les comparaisons étayées et la formulation adaptée à la destination du résultat. Gardez l’identité exacte Baichuan4 avec la tâche lors d’une comparaison avec une autre édition. Le résultat utile est un livrable textuel achevé ou l’explication d’une observation d’outil réelle, dont toute partie non résolue de la demande reste identifiable.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Baichuan4 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.03146 / 1K tokens Sortie · Tokens en sortie $0.03146 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan4", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Baichuan4',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Baichuan4',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Baichuan4
Utilisez les chemins de méthode indiqués ci-dessus.
Baichuan4Baichuan4 est le modèle nommé de conversation textuelle de quatrième génération, avec un contexte documenté de 32K. Le flux de son producteur prend en charge les réponses sous forme d’objet JSON, le texte complet ou diffusé en continu, les fonctions personnalisées et les éléments issus de la récupération en base de connaissances ou de la recherche web.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Baichuan4 est le modèle nommé de conversation générale de quatrième génération de la gamme Baichuan. Le fabricant documente un contexte de 32K pour cette édition précise. Baichuan4-Turbo et Baichuan4-Air sont des éditions distinctes disposant de leurs propres fiches.
Le modèle utilise une conversation textuelle et produit une réponse d’assistant ou une demande d’appel de fonction dans le flux documenté du concepteur. Les tâches utiles comprennent les réponses fondées sur des informations fournies, l’organisation du contenu d’un document, la révision de texte et la production d’un enregistrement structuré pour une application.
Préparez les messages dans l’ordre chronologique, avec une consigne system en premier si elle est nécessaire. Gardez la tâche de l’utilisateur distincte des réponses antérieures de l’assistant et des résultats d’outils externes. La référence du producteur accepte des chaînes de texte ordinaires ou des structures typées de contenu textuel et utilise un rôle de message tool séparé pour les résultats d’appels de fonctions.
Pour une comparaison, fournissez les deux passages, identifiez-les clairement et demandez leurs convergences, leurs contradictions et les formulations qui les étayent. Pour réviser une explication, précisez le public et les détails à conserver dans la réécriture. Une consigne utile est : « Comparez ces deux descriptions de projet, listez les exigences modifiées et identifiez le passage qui établit chaque changement. »
Baichuan4 figure explicitement dans le mode objet JSON du producteur. L’activation de ce mode exige aussi une consigne system ou user demandant de produire du JSON. Définissez les champs requis et la manière de représenter les informations manquantes. Analysez et inspectez le résultat avant de l’utiliser comme enregistrement applicatif.
L’opération de conversation du producteur accepte max_tokens de 1 à 2 048, avec 2 048 par défaut. Ses réglages d’échantillonnage sont temperature de 0 à 1, par défaut 0,3 ; top_p de 0 à 1 exclu, par défaut 0,85 ; et top_k de 0 à 20, par défaut 5. Régler top_k sur 0 désactive cette stratégie. Le budget de réponse diffère du contexte de 32K : prévoyez ensemble les sources et la place pour la réponse.
Si le motif de fin est length, une réponse écrite ou un objet JSON peut être incomplet. Préservez le résultat partiel et son motif d’arrêt, puis décidez s’il faut raccourcir le livrable demandé, réduire l’entrée ou réviser le budget de réponse applicable.
Les outils du concepteur distinguent la récupération en base de connaissances de la recherche web. Une demande à la base de connaissances nomme les collections pertinentes. Son mode de réponse limité à cette base empêche une réponse lorsque la récupération ne trouve aucun résultat. Si la recherche web et la récupération de connaissances sont toutes deux configurées, la référence précise que la récupération est prioritaire.
Pour un fait évolutif, conservez les informations réellement récupérées ou recherchées pour pouvoir vérifier la réponse finale à partir de celles-ci. Gardez la source, la date et les précisions pertinentes avec l’observation. Lorsque la tâche porte sur une collection fournie, posez une question ciblée au lieu de mêler la question de récupération à des consignes créatives sans rapport.
Les exemples documentés de Baichuan4 montrent la sélection parmi des fonctions personnalisées et la poursuite après que l’application a renvoyé le résultat d’une fonction. Définissez chaque fonction avec un nom, un objectif et un schéma d’arguments. Préservez l’appel de l’assistant et le résultat d’outil correspondant, puis demandez à la réponse suivante d’expliquer ou d’utiliser cette observation.
Une comparaison pratique peut demander deux relevés réels, par exemple des valeurs à deux dates différentes, puis leur différence. L’application fournit ces relevés ; la fonction sélectionnée et les arguments générés par le modèle constituent une demande pour cette opération. Le réglage du producteur permettant une sélection automatique ou aucun outil s’applique aux fonctions. La référence conseille de séparer les appels de fonctions des configurations de recherche web ou de récupération.
Le mode par défaut du producteur est sans diffusion en continu ; la diffusion en continu renvoie des fragments successifs de réponse à assembler. Le motif de fin distingue un arrêt normal, une demande d’outil, une limite de sortie ou de longueur de contexte et le filtrage de contenu. Conservez le message ou l’objet finalisé avec les sources et les observations d’outils nécessaires à son interprétation.
Vérifiez les champs demandés, les comparaisons étayées et la formulation adaptée à la destination du résultat. Gardez l’identité exacte Baichuan4 avec la tâche lors d’une comparaison avec une autre édition. Le résultat utile est un livrable textuel achevé ou l’explication d’une observation d’outil réelle, dont toute partie non résolue de la demande reste identifiable.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Baichuan4 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.03146 / 1K tokens Sortie · Tokens en sortie $0.03146 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "Baichuan4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Baichuan4', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Baichuan4', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Baichuan4
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.