Baichuan3-Turbo est un modèle de conversation textuelle générale de la troisième génération de Baichuan. Le fabricant indique un contexte de 32K pour ce nom exact. Baichuan3-Turbo-128k est une entrée distincte avec un contexte plus grand, et les modèles de quatrième génération sont des éditions nommées séparément. Gardez explicites le modèle choisi et son profil de contexte lorsque vous préparez une conversation ou comparez des résultats.
La référence de conversation générale du fabricant fournit un nom de modèle et une liste de messages. Placez les tours antérieurs avant les suivants. Un message système, s’il est utilisé, vient en premier et définit le rôle ou les exigences de réponse; les messages utilisateur fournissent la tâche et les messages assistant conservent les réponses précédentes. Le contenu textuel peut être une chaîne ou une structure typée de contenu textuel.
Pour une tâche documentaire, identifiez le passage et le résultat voulu. Par exemple : « Extrayez l’échéance, le responsable et le livrable indiqués dans cette note de projet, et renvoyez une liste de champs avec les formulations qui les appuient. » Pour une réécriture, fournissez le texte original, le public et le ton. Conservez le tour antérieur pertinent lorsque la demande suivante dépend d’une interprétation précédente.
L’opération de conversation documentée accepte une allocation maximale de réponse de 1 à 2 048 jetons, avec 2 048 par défaut. Ce réglage de réponse est distinct du contexte de 32K du modèle. Gardez de la place pour la réponse lorsque vous choisissez l’entrée, et inspectez la raison d’arrêt avant de considérer le résultat comme terminé.
Les commandes d’échantillonnage du fabricant sont temperature de 0 à 1, avec 0.3 par défaut; top_p de 0 à moins de 1, avec 0.85 par défaut; et top_k de 0 à 20, avec 5 par défaut. Un top_k de 0 désactive cette stratégie de sélection. Ce sont des réglages de l’interface du fabricant. Pour une comparaison, gardez la tâche et la source identiques tout en modifiant le réglage pertinent pour le résultat à examiner.
Baichuan3-Turbo est explicitement répertorié parmi les modèles prenant en charge la sortie sous forme d’objet JSON. Le mode JSON du fabricant exige aussi une instruction dans le message système ou utilisateur pour générer du JSON. Précisez les champs et leur sens, et expliquez comment représenter une valeur inconnue. Vérifiez que l’objet renvoyé respecte ces exigences avant de le transmettre à une autre étape.
Pour l’exemple de note de projet, demandez des champs d’échéance, de responsable et de livrable avec le texte justificatif. Une réponse arrêtée à cause de son allocation de longueur peut contenir du JSON incomplet. Conservez la source et la raison d’arrêt, puis ajustez la tâche ou l’allocation de réponse avant de traiter un objet partiel comme une fiche valide.
Le processus de conversation générale propose la récupération dans une base de connaissances, la recherche Web et les fonctions personnalisées. La récupération dans la base de connaissances peut être limitée aux seules connaissances fournies; dans ce mode, le fabricant précise qu’aucun résultat récupéré signifie aucune réponse. Si la récupération et la recherche Web sont configurées ensemble, la récupération a priorité. La référence déconseille aussi de combiner les appels de fonctions avec ces outils de récupération ou de recherche dans une même tâche.
Pour une question de connaissances, fournissez la collection pertinente et posez une question ciblée. Pour une question d’information actuelle, conservez les preuves réelles de recherche avec la réponse. Distinguez les éléments fournis par un outil de la conclusion générée à partir de ces éléments.
Baichuan3-Turbo figure expressément dans la liste des modèles prenant en charge les fonctions. Une définition de fonction fournit son nom, sa description et son schéma d’arguments. Le modèle peut sélectionner une opération et générer les arguments; l’application connectée l’exécute et renvoie le résultat sous forme de message d’outil lié à l’appel. Conservez ce lien au tour suivant. Les choix de sélection de fonctions du fabricant sont la sélection automatique ou l’absence d’appels d’outils.
L’interface documentée prend en charge une réponse complète ou un flux de fragments textuels; le mode sans diffusion en continu est le réglage par défaut. Assemblez les fragments diffusés en une réponse finale. Le résultat indique si la génération s’est arrêtée normalement, a atteint une limite de longueur, a sélectionné un outil ou a rencontré un filtrage de contenu.
Utilisez le livrable terminé pour sa tâche prévue : une réponse concise, une formulation révisée, une fiche extraite ou une explication fondée sur les éléments renvoyés. Examinez ensemble les valeurs dépendant de la source et l’édition sélectionnée. Un modèle voisin à contexte plus grand, une autre génération de Baichuan et un résultat de fonction produit par une application restent des parties distinctes du processus.
", "aboutText": "### Le modèle nommé de conversation à contexte de 32K\n\nBaichuan3-Turbo est un modèle de conversation textuelle générale de la troisième génération de Baichuan. Le fabricant indique un contexte de 32K pour ce nom exact. Baichuan3-Turbo-128k est une entrée distincte avec un contexte plus grand, et les modèles de quatrième génération sont des éditions nommées séparément. Gardez explicites le modèle choisi et son profil de contexte lorsque vous préparez une conversation ou comparez des résultats.\n\n### Préparer les messages dans l’ordre de la conversation\n\nLa référence de conversation générale du fabricant fournit un nom de modèle et une liste de messages. Placez les tours antérieurs avant les suivants. Un message système, s’il est utilisé, vient en premier et définit le rôle ou les exigences de réponse; les messages utilisateur fournissent la tâche et les messages assistant conservent les réponses précédentes. Le contenu textuel peut être une chaîne ou une structure typée de contenu textuel.\n\nPour une tâche documentaire, identifiez le passage et le résultat voulu. Par exemple : « Extrayez l’échéance, le responsable et le livrable indiqués dans cette note de projet, et renvoyez une liste de champs avec les formulations qui les appuient. » Pour une réécriture, fournissez le texte original, le public et le ton. Conservez le tour antérieur pertinent lorsque la demande suivante dépend d’une interprétation précédente.\n\n### Contrôler la réponse et sa longueur\n\nL’opération de conversation documentée accepte une allocation maximale de réponse de 1 à 2 048 jetons, avec 2 048 par défaut. Ce réglage de réponse est distinct du contexte de 32K du modèle. Gardez de la place pour la réponse lorsque vous choisissez l’entrée, et inspectez la raison d’arrêt avant de considérer le résultat comme terminé.\n\nLes commandes d’échantillonnage du fabricant sont temperature de 0 à 1, avec 0.3 par défaut; top_p de 0 à moins de 1, avec 0.85 par défaut; et top_k de 0 à 20, avec 5 par défaut. Un top_k de 0 désactive cette stratégie de sélection. Ce sont des réglages de l’interface du fabricant. Pour une comparaison, gardez la tâche et la source identiques tout en modifiant le réglage pertinent pour le résultat à examiner.\n\n### Produire du JSON délibérément\n\nBaichuan3-Turbo est explicitement répertorié parmi les modèles prenant en charge la sortie sous forme d’objet JSON. Le mode JSON du fabricant exige aussi une instruction dans le message système ou utilisateur pour générer du JSON. Précisez les champs et leur sens, et expliquez comment représenter une valeur inconnue. Vérifiez que l’objet renvoyé respecte ces exigences avant de le transmettre à une autre étape.\n\nPour l’exemple de note de projet, demandez des champs d’échéance, de responsable et de livrable avec le texte justificatif. Une réponse arrêtée à cause de son allocation de longueur peut contenir du JSON incomplet. Conservez la source et la raison d’arrêt, puis ajustez la tâche ou l’allocation de réponse avant de traiter un objet partiel comme une fiche valide.\n\n### Récupérer des preuves ou demander une fonction\n\nLe processus de conversation générale propose la récupération dans une base de connaissances, la recherche Web et les fonctions personnalisées. La récupération dans la base de connaissances peut être limitée aux seules connaissances fournies; dans ce mode, le fabricant précise qu’aucun résultat récupéré signifie aucune réponse. Si la récupération et la recherche Web sont configurées ensemble, la récupération a priorité. La référence déconseille aussi de combiner les appels de fonctions avec ces outils de récupération ou de recherche dans une même tâche.\n\nPour une question de connaissances, fournissez la collection pertinente et posez une question ciblée. Pour une question d’information actuelle, conservez les preuves réelles de recherche avec la réponse. Distinguez les éléments fournis par un outil de la conclusion générée à partir de ces éléments.\n\nBaichuan3-Turbo figure expressément dans la liste des modèles prenant en charge les fonctions. Une définition de fonction fournit son nom, sa description et son schéma d’arguments. Le modèle peut sélectionner une opération et générer les arguments; l’application connectée l’exécute et renvoie le résultat sous forme de message d’outil lié à l’appel. Conservez ce lien au tour suivant. Les choix de sélection de fonctions du fabricant sont la sélection automatique ou l’absence d’appels d’outils.\n\n### Garder le texte ou l’objet terminé\n\nL’interface documentée prend en charge une réponse complète ou un flux de fragments textuels; le mode sans diffusion en continu est le réglage par défaut. Assemblez les fragments diffusés en une réponse finale. Le résultat indique si la génération s’est arrêtée normalement, a atteint une limite de longueur, a sélectionné un outil ou a rencontré un filtrage de contenu.\n\nUtilisez le livrable terminé pour sa tâche prévue : une réponse concise, une formulation révisée, une fiche extraite ou une explication fondée sur les éléments renvoyés. Examinez ensemble les valeurs dépendant de la source et l’édition sélectionnée. Un modèle voisin à contexte plus grand, une autre génération de Baichuan et un résultat de fonction produit par une application restent des parties distinctes du processus.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo est un modèle de conversation textuelle avec un contexte documenté de 32K. L’interface du fabricant prend en charge les réponses complètes ou diffusées en continu, la sortie JSON et les fonctions personnalisées, avec des options distinctes de récupération de connaissances et de recherche Web pour étayer les réponses.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Baichuan3-Turbo est un modèle de conversation textuelle générale de la troisième génération de Baichuan. Le fabricant indique un contexte de 32K pour ce nom exact. Baichuan3-Turbo-128k est une entrée distincte avec un contexte plus grand, et les modèles de quatrième génération sont des éditions nommées séparément. Gardez explicites le modèle choisi et son profil de contexte lorsque vous préparez une conversation ou comparez des résultats.
La référence de conversation générale du fabricant fournit un nom de modèle et une liste de messages. Placez les tours antérieurs avant les suivants. Un message système, s’il est utilisé, vient en premier et définit le rôle ou les exigences de réponse; les messages utilisateur fournissent la tâche et les messages assistant conservent les réponses précédentes. Le contenu textuel peut être une chaîne ou une structure typée de contenu textuel.
Pour une tâche documentaire, identifiez le passage et le résultat voulu. Par exemple : « Extrayez l’échéance, le responsable et le livrable indiqués dans cette note de projet, et renvoyez une liste de champs avec les formulations qui les appuient. » Pour une réécriture, fournissez le texte original, le public et le ton. Conservez le tour antérieur pertinent lorsque la demande suivante dépend d’une interprétation précédente.
L’opération de conversation documentée accepte une allocation maximale de réponse de 1 à 2 048 jetons, avec 2 048 par défaut. Ce réglage de réponse est distinct du contexte de 32K du modèle. Gardez de la place pour la réponse lorsque vous choisissez l’entrée, et inspectez la raison d’arrêt avant de considérer le résultat comme terminé.
Les commandes d’échantillonnage du fabricant sont temperature de 0 à 1, avec 0.3 par défaut; top_p de 0 à moins de 1, avec 0.85 par défaut; et top_k de 0 à 20, avec 5 par défaut. Un top_k de 0 désactive cette stratégie de sélection. Ce sont des réglages de l’interface du fabricant. Pour une comparaison, gardez la tâche et la source identiques tout en modifiant le réglage pertinent pour le résultat à examiner.
Baichuan3-Turbo est explicitement répertorié parmi les modèles prenant en charge la sortie sous forme d’objet JSON. Le mode JSON du fabricant exige aussi une instruction dans le message système ou utilisateur pour générer du JSON. Précisez les champs et leur sens, et expliquez comment représenter une valeur inconnue. Vérifiez que l’objet renvoyé respecte ces exigences avant de le transmettre à une autre étape.
Pour l’exemple de note de projet, demandez des champs d’échéance, de responsable et de livrable avec le texte justificatif. Une réponse arrêtée à cause de son allocation de longueur peut contenir du JSON incomplet. Conservez la source et la raison d’arrêt, puis ajustez la tâche ou l’allocation de réponse avant de traiter un objet partiel comme une fiche valide.
Le processus de conversation générale propose la récupération dans une base de connaissances, la recherche Web et les fonctions personnalisées. La récupération dans la base de connaissances peut être limitée aux seules connaissances fournies; dans ce mode, le fabricant précise qu’aucun résultat récupéré signifie aucune réponse. Si la récupération et la recherche Web sont configurées ensemble, la récupération a priorité. La référence déconseille aussi de combiner les appels de fonctions avec ces outils de récupération ou de recherche dans une même tâche.
Pour une question de connaissances, fournissez la collection pertinente et posez une question ciblée. Pour une question d’information actuelle, conservez les preuves réelles de recherche avec la réponse. Distinguez les éléments fournis par un outil de la conclusion générée à partir de ces éléments.
Baichuan3-Turbo figure expressément dans la liste des modèles prenant en charge les fonctions. Une définition de fonction fournit son nom, sa description et son schéma d’arguments. Le modèle peut sélectionner une opération et générer les arguments; l’application connectée l’exécute et renvoie le résultat sous forme de message d’outil lié à l’appel. Conservez ce lien au tour suivant. Les choix de sélection de fonctions du fabricant sont la sélection automatique ou l’absence d’appels d’outils.
L’interface documentée prend en charge une réponse complète ou un flux de fragments textuels; le mode sans diffusion en continu est le réglage par défaut. Assemblez les fragments diffusés en une réponse finale. Le résultat indique si la génération s’est arrêtée normalement, a atteint une limite de longueur, a sélectionné un outil ou a rencontré un filtrage de contenu.
Utilisez le livrable terminé pour sa tâche prévue : une réponse concise, une formulation révisée, une fiche extraite ou une explication fondée sur les éléments renvoyés. Examinez ensemble les valeurs dépendant de la source et l’édition sélectionnée. Un modèle voisin à contexte plus grand, une autre génération de Baichuan et un résultat de fonction produit par une application restent des parties distinctes du processus.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Baichuan3-Turbo | 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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.00374 / 1K jetons Sortie · Jetons en sortie $0.00374 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Baichuan3-Turbo
Utilisez les chemins de méthode indiqués ci-dessus.
Baichuan3-TurboBaichuan3-Turbo est un modèle de conversation textuelle avec un contexte documenté de 32K. L’interface du fabricant prend en charge les réponses complètes ou diffusées en continu, la sortie JSON et les fonctions personnalisées, avec des options distinctes de récupération de connaissances et de recherche Web pour étayer les réponses.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Baichuan3-Turbo est un modèle de conversation textuelle générale de la troisième génération de Baichuan. Le fabricant indique un contexte de 32K pour ce nom exact. Baichuan3-Turbo-128k est une entrée distincte avec un contexte plus grand, et les modèles de quatrième génération sont des éditions nommées séparément. Gardez explicites le modèle choisi et son profil de contexte lorsque vous préparez une conversation ou comparez des résultats.
La référence de conversation générale du fabricant fournit un nom de modèle et une liste de messages. Placez les tours antérieurs avant les suivants. Un message système, s’il est utilisé, vient en premier et définit le rôle ou les exigences de réponse; les messages utilisateur fournissent la tâche et les messages assistant conservent les réponses précédentes. Le contenu textuel peut être une chaîne ou une structure typée de contenu textuel.
Pour une tâche documentaire, identifiez le passage et le résultat voulu. Par exemple : « Extrayez l’échéance, le responsable et le livrable indiqués dans cette note de projet, et renvoyez une liste de champs avec les formulations qui les appuient. » Pour une réécriture, fournissez le texte original, le public et le ton. Conservez le tour antérieur pertinent lorsque la demande suivante dépend d’une interprétation précédente.
L’opération de conversation documentée accepte une allocation maximale de réponse de 1 à 2 048 jetons, avec 2 048 par défaut. Ce réglage de réponse est distinct du contexte de 32K du modèle. Gardez de la place pour la réponse lorsque vous choisissez l’entrée, et inspectez la raison d’arrêt avant de considérer le résultat comme terminé.
Les commandes d’échantillonnage du fabricant sont temperature de 0 à 1, avec 0.3 par défaut; top_p de 0 à moins de 1, avec 0.85 par défaut; et top_k de 0 à 20, avec 5 par défaut. Un top_k de 0 désactive cette stratégie de sélection. Ce sont des réglages de l’interface du fabricant. Pour une comparaison, gardez la tâche et la source identiques tout en modifiant le réglage pertinent pour le résultat à examiner.
Baichuan3-Turbo est explicitement répertorié parmi les modèles prenant en charge la sortie sous forme d’objet JSON. Le mode JSON du fabricant exige aussi une instruction dans le message système ou utilisateur pour générer du JSON. Précisez les champs et leur sens, et expliquez comment représenter une valeur inconnue. Vérifiez que l’objet renvoyé respecte ces exigences avant de le transmettre à une autre étape.
Pour l’exemple de note de projet, demandez des champs d’échéance, de responsable et de livrable avec le texte justificatif. Une réponse arrêtée à cause de son allocation de longueur peut contenir du JSON incomplet. Conservez la source et la raison d’arrêt, puis ajustez la tâche ou l’allocation de réponse avant de traiter un objet partiel comme une fiche valide.
Le processus de conversation générale propose la récupération dans une base de connaissances, la recherche Web et les fonctions personnalisées. La récupération dans la base de connaissances peut être limitée aux seules connaissances fournies; dans ce mode, le fabricant précise qu’aucun résultat récupéré signifie aucune réponse. Si la récupération et la recherche Web sont configurées ensemble, la récupération a priorité. La référence déconseille aussi de combiner les appels de fonctions avec ces outils de récupération ou de recherche dans une même tâche.
Pour une question de connaissances, fournissez la collection pertinente et posez une question ciblée. Pour une question d’information actuelle, conservez les preuves réelles de recherche avec la réponse. Distinguez les éléments fournis par un outil de la conclusion générée à partir de ces éléments.
Baichuan3-Turbo figure expressément dans la liste des modèles prenant en charge les fonctions. Une définition de fonction fournit son nom, sa description et son schéma d’arguments. Le modèle peut sélectionner une opération et générer les arguments; l’application connectée l’exécute et renvoie le résultat sous forme de message d’outil lié à l’appel. Conservez ce lien au tour suivant. Les choix de sélection de fonctions du fabricant sont la sélection automatique ou l’absence d’appels d’outils.
L’interface documentée prend en charge une réponse complète ou un flux de fragments textuels; le mode sans diffusion en continu est le réglage par défaut. Assemblez les fragments diffusés en une réponse finale. Le résultat indique si la génération s’est arrêtée normalement, a atteint une limite de longueur, a sélectionné un outil ou a rencontré un filtrage de contenu.
Utilisez le livrable terminé pour sa tâche prévue : une réponse concise, une formulation révisée, une fiche extraite ou une explication fondée sur les éléments renvoyés. Examinez ensemble les valeurs dépendant de la source et l’édition sélectionnée. Un modèle voisin à contexte plus grand, une autre génération de Baichuan et un résultat de fonction produit par une application restent des parties distinctes du processus.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Baichuan3-Turbo | 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.00374 / 1K jetons Sortie · Jetons en sortie $0.00374 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Baichuan3-Turbo
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.