Ling 3.0 Flash est un modèle de texte à texte d’inclusionAI. Son architecture publiée est un mélange d’experts comptant 124 milliards de paramètres au total et environ 5,1 milliards de paramètres actifs par token. Sélectionnez inclusionai/ling-3.0-flash via POST /v1/chat/completions avec model et un tableau messages. Les instructions, les sources et les échanges précédents de la conversation se placent dans le texte des messages.
Utilisez un prompt ciblé pour transformer les éléments fournis en un livrable précis. Pour une réponse client, fournissez la question du client et le texte sur le produit ou le texte des règles sur lesquels la réponse doit s’appuyer, puis précisez le ton et l’étape suivante. Pour un résumé de document, indiquez les sections souhaitées, comme les décisions, les questions non résolues et les actions. Pour une extraction, définissez les champs demandés et la manière de représenter les faits absents de la source. Pour du travail sur du code, incluez la fonction ou l’extrait de fichier pertinent et demandez une explication, une modification proposée ou une revue selon une exigence explicite.
La fenêtre de contexte publiée est de 262 144 tokens, avec jusqu’à 32 768 tokens de complétion indiqués pour le modèle. Budgétez ensemble le texte source, les instructions, l’historique de conversation et la complétion demandée. Utilisez max_tokens pour définir le volume de sortie demandé. Un document doit être fourni sous forme de texte réel lorsque vous voulez que la réponse dépende de son contenu ; désignez explicitement les sections pertinentes lorsqu’une requête combine plusieurs passages.
La liste des paramètres pris en charge comprend tools et tool_choice pour les appels de fonctions. Définissez les fonctions disponibles et la description de leurs arguments dans la requête. Votre application valide un appel renvoyé, exécute la fonction sélectionnée et fournit son résultat à la conversation avant de demander une réponse complémentaire. Par exemple, un flux de travail d’assistance peut exposer une recherche de commande définie de manière étroite et utiliser les faits renvoyés pour rédiger la réponse. Gardez les résultats des outils rattachés au bon tour de conversation pour que le modèle puisse les distinguer de la demande initiale de l’utilisateur.
Le modèle prend en charge response_format pour la sortie JSON, sans imposer de schéma JSON. Indiquez les champs attendus et validez l’objet renvoyé dans votre application avant de l’utiliser. Les autres paramètres publiés comprennent temperature, top_p, top_k, min_p, stop, seed et les pénalités de répétition, de fréquence et de présence répertoriées. La liste des paramètres comprend également reasoning et include_reasoning ; choisissez leur représentation prise en charge dans la spécification de la requête au lieu de supposer des valeurs provenant d’une autre édition.
Chat Completions peut renvoyer une réponse complète ou du texte en flux. Pour une réponse complète, lisez le contenu du message renvoyé et conservez les choix de réponse et usage. Avec le flux, assemblez les deltas avant de considérer la réponse comme complète et conservez les appels d’outils renvoyés avec leurs arguments. Le résultat est du texte ou une demande d’appel de fonction pour l’étape applicative suivante ; l’application qui l’entoure prend en charge l’exécution et l’utilisation de la réponse terminée.
", "aboutText": "Ling 3.0 Flash est un modèle de texte à texte d’inclusionAI. Son architecture publiée est un mélange d’experts comptant 124 milliards de paramètres au total et environ 5,1 milliards de paramètres actifs par token. Sélectionnez inclusionai/ling-3.0-flash via POST /v1/chat/completions avec model et un tableau messages. Les instructions, les sources et les échanges précédents de la conversation se placent dans le texte des messages.\n\nUtilisez un prompt ciblé pour transformer les éléments fournis en un livrable précis. Pour une réponse client, fournissez la question du client et le texte sur le produit ou le texte des règles sur lesquels la réponse doit s’appuyer, puis précisez le ton et l’étape suivante. Pour un résumé de document, indiquez les sections souhaitées, comme les décisions, les questions non résolues et les actions. Pour une extraction, définissez les champs demandés et la manière de représenter les faits absents de la source. Pour du travail sur du code, incluez la fonction ou l’extrait de fichier pertinent et demandez une explication, une modification proposée ou une revue selon une exigence explicite.\n\nLa fenêtre de contexte publiée est de 262 144 tokens, avec jusqu’à 32 768 tokens de complétion indiqués pour le modèle. Budgétez ensemble le texte source, les instructions, l’historique de conversation et la complétion demandée. Utilisez max_tokens pour définir le volume de sortie demandé. Un document doit être fourni sous forme de texte réel lorsque vous voulez que la réponse dépende de son contenu ; désignez explicitement les sections pertinentes lorsqu’une requête combine plusieurs passages.\n\nLa liste des paramètres pris en charge comprend tools et tool_choice pour les appels de fonctions. Définissez les fonctions disponibles et la description de leurs arguments dans la requête. Votre application valide un appel renvoyé, exécute la fonction sélectionnée et fournit son résultat à la conversation avant de demander une réponse complémentaire. Par exemple, un flux de travail d’assistance peut exposer une recherche de commande définie de manière étroite et utiliser les faits renvoyés pour rédiger la réponse. Gardez les résultats des outils rattachés au bon tour de conversation pour que le modèle puisse les distinguer de la demande initiale de l’utilisateur.\n\nLe modèle prend en charge response_format pour la sortie JSON, sans imposer de schéma JSON. Indiquez les champs attendus et validez l’objet renvoyé dans votre application avant de l’utiliser. Les autres paramètres publiés comprennent temperature, top_p, top_k, min_p, stop, seed et les pénalités de répétition, de fréquence et de présence répertoriées. La liste des paramètres comprend également reasoning et include_reasoning ; choisissez leur représentation prise en charge dans la spécification de la requête au lieu de supposer des valeurs provenant d’une autre édition.\n\nChat Completions peut renvoyer une réponse complète ou du texte en flux. Pour une réponse complète, lisez le contenu du message renvoyé et conservez les choix de réponse et usage. Avec le flux, assemblez les deltas avant de considérer la réponse comme complète et conservez les appels d’outils renvoyés avec leurs arguments. Le résultat est du texte ou une demande d’appel de fonction pour l’étape applicative suivante ; l’application qui l’entoure prend en charge l’exécution et l’utilisation de la réponse terminée.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "642fa31c985603b4215cfbc87519cb4c0984cdaeac16f1e9bed12f307e516fc4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-be", "methods": [ { "html": "inclusionai/ling-3.0-flashLing 3.0 Flash est le modèle textuel d’inclusionAI pour les conversations, le travail documentaire et les flux de travail d’agents pilotés par l’application. Il accepte du texte via Chat Completions, prend en charge les déclarations d’appels de fonctions et le formatage des sorties JSON, et dispose d’une fenêtre de contexte publiée de 262 144 tokens. Utilisez l’ID exact inclusionai/ling-3.0-flash pour sélectionner cette édition.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Ling 3.0 Flash est un modèle de texte à texte d’inclusionAI. Son architecture publiée est un mélange d’experts comptant 124 milliards de paramètres au total et environ 5,1 milliards de paramètres actifs par token. Sélectionnez inclusionai/ling-3.0-flash via POST /v1/chat/completions avec model et un tableau messages. Les instructions, les sources et les échanges précédents de la conversation se placent dans le texte des messages.
Utilisez un prompt ciblé pour transformer les éléments fournis en un livrable précis. Pour une réponse client, fournissez la question du client et le texte sur le produit ou le texte des règles sur lesquels la réponse doit s’appuyer, puis précisez le ton et l’étape suivante. Pour un résumé de document, indiquez les sections souhaitées, comme les décisions, les questions non résolues et les actions. Pour une extraction, définissez les champs demandés et la manière de représenter les faits absents de la source. Pour du travail sur du code, incluez la fonction ou l’extrait de fichier pertinent et demandez une explication, une modification proposée ou une revue selon une exigence explicite.
La fenêtre de contexte publiée est de 262 144 tokens, avec jusqu’à 32 768 tokens de complétion indiqués pour le modèle. Budgétez ensemble le texte source, les instructions, l’historique de conversation et la complétion demandée. Utilisez max_tokens pour définir le volume de sortie demandé. Un document doit être fourni sous forme de texte réel lorsque vous voulez que la réponse dépende de son contenu ; désignez explicitement les sections pertinentes lorsqu’une requête combine plusieurs passages.
La liste des paramètres pris en charge comprend tools et tool_choice pour les appels de fonctions. Définissez les fonctions disponibles et la description de leurs arguments dans la requête. Votre application valide un appel renvoyé, exécute la fonction sélectionnée et fournit son résultat à la conversation avant de demander une réponse complémentaire. Par exemple, un flux de travail d’assistance peut exposer une recherche de commande définie de manière étroite et utiliser les faits renvoyés pour rédiger la réponse. Gardez les résultats des outils rattachés au bon tour de conversation pour que le modèle puisse les distinguer de la demande initiale de l’utilisateur.
Le modèle prend en charge response_format pour la sortie JSON, sans imposer de schéma JSON. Indiquez les champs attendus et validez l’objet renvoyé dans votre application avant de l’utiliser. Les autres paramètres publiés comprennent temperature, top_p, top_k, min_p, stop, seed et les pénalités de répétition, de fréquence et de présence répertoriées. La liste des paramètres comprend également reasoning et include_reasoning ; choisissez leur représentation prise en charge dans la spécification de la requête au lieu de supposer des valeurs provenant d’une autre édition.
Chat Completions peut renvoyer une réponse complète ou du texte en flux. Pour une réponse complète, lisez le contenu du message renvoyé et conservez les choix de réponse et usage. Avec le flux, assemblez les deltas avant de considérer la réponse comme complète et conservez les appels d’outils renvoyés avec leurs arguments. Le résultat est du texte ou une demande d’appel de fonction pour l’étape applicative suivante ; l’application qui l’entoure prend en charge l’exécution et l’utilisation de la réponse terminée.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites inclusionai/ling-3.0-flash | Par défaut— |
Champmessages | Typearray | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 | Par défaut— |
Champn | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champseed | Typeinteger | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champstop | Type | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champfrequency_penalty | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champpresence_penalty | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champuser | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètreoptional | Contratstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Paramètrematerial_types | Contrattext |
Paramètreconditions | Contrat |
Cycle de vie : synchronous_json_or_sse
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 jetons | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00012 / 1K tokens Sortie · Tokens en sortie $0.00036 / 1K tokens Entrée · Lecture du cache $0.000024 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inclusionai/ling-3.0-flash", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\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.\nJSON or supported SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra inclusionai/ling-3.0-flash
Utilisez les chemins de méthode indiqués ci-dessus.