dots3-note Preview est le membre léger de la famille multimodale dots3 de Dots Studio. Le producteur décrit un modèle à mélange d’experts comptant 280 milliards de paramètres au total, dont 16 milliards actifs, et prenant en charge jusqu’à 512K jetons de contexte. Il reçoit du texte, des images, de la vidéo et de l’audio et produit du texte; les connaissances générales, les instructions, le raisonnement, la programmation et le travail orienté agents figurent parmi ses tâches annoncées.
La structure linguistique comporte une couche dense et 45 couches d’experts, avec huit experts routés choisis parmi 256, en plus d’un expert partagé. Son attention combine 13 couches d’attention parcimonieuse et 33 couches à fenêtre glissante. Le producteur indique des encodeurs distincts pour la vision et l’audio ainsi qu’une couche de prédiction partagée. Ces composants permettent la compréhension multimodale; la sortie du modèle demeure du texte plutôt que des images, de la parole ou des vidéos générées.
Pour une analyse visuelle, fournissez l’image, la page ou le graphique et posez une question sur la caractéristique qui influe sur la décision. Une tâche documentaire utile peut comparer un tableau visible à une exigence écrite et renvoyer la ligne pertinente, l’interprétation et toute information manquante. Pour la vidéo, indiquez l’événement ou la séquence à examiner; l’exemple d’entrée du producteur inclut la piste audio lorsque le clip en possède une.
Pour l’audio, précisez si la tâche exige une transcription ou une explication du contenu et fournissez les noms ou termes du domaine nécessaires à l’interprétation. Une tâche combinée peut utiliser l’enregistrement avec un contexte écrit et demander des constats organisés selon les questions auxquelles ils répondent. Le résultat est un livrable textuel que l’application peut présenter ou traiter.
Le gabarit de conversation du producteur distingue la réflexion de la réponse directe. Activer la réflexion ajoute une étape de raisonnement; la désactiver renvoie directement la réponse. L’exemple documenté utilise une température de 1,0 et top-p de 0,95. Choisissez explicitement la tâche et le résultat souhaité et laissez assez d’espace de génération pour la réponse plutôt que de traiter une allocation de jetons donnée en exemple comme la limite stricte de sortie du modèle.
Pour une tâche de programmation, fournissez la source pertinente, le comportement attendu et une défaillance observée ou un changement demandé. Demandez le livrable proposé et les vérifications qui permettraient de l’évaluer. Dans un flux d’agent connecté, le modèle propose des interactions avec des outils; l’application les exécute et renvoie les résultats. Le fabricant publie un analyseur d’appels d’outils dédié; l’application environnante fournit les outils réels et leurs accès.
Le travail interactif peut exiger de l’exploration, de l’adaptation et des mises à jour de la mémoire de travail de la tâche. Gardez un dossier compact de l’objectif, des constats confirmés et de la condition non résolue. Demandez au tour suivant de déterminer ce que les nouveaux éléments changent et ce qui doit rester dans ce dossier. La persistance du dossier et l’exécution des actions relèvent de l’application entourant le modèle.
Le producteur publie des livrables BF16 et FP8 distincts ainsi que des recettes locales de mise en service avec différentes longueurs de contexte configurées. Une longueur de mise en service configurée est distincte de la spécification du modèle de 512K. Conservez les distinctions d’édition Preview et de précision pour identifier le modèle, et demandez un résultat final indiquant le constat, le changement proposé et les éléments réellement recueillis par le flux.
", "aboutText": "dots3-note Preview est le membre léger de la famille multimodale dots3 de Dots Studio. Le producteur décrit un modèle à mélange d’experts comptant 280 milliards de paramètres au total, dont 16 milliards actifs, et prenant en charge jusqu’à 512K jetons de contexte. Il reçoit du texte, des images, de la vidéo et de l’audio et produit du texte; les connaissances générales, les instructions, le raisonnement, la programmation et le travail orienté agents figurent parmi ses tâches annoncées.\n\nLa structure linguistique comporte une couche dense et 45 couches d’experts, avec huit experts routés choisis parmi 256, en plus d’un expert partagé. Son attention combine 13 couches d’attention parcimonieuse et 33 couches à fenêtre glissante. Le producteur indique des encodeurs distincts pour la vision et l’audio ainsi qu’une couche de prédiction partagée. Ces composants permettent la compréhension multimodale; la sortie du modèle demeure du texte plutôt que des images, de la parole ou des vidéos générées.\n\nPour une analyse visuelle, fournissez l’image, la page ou le graphique et posez une question sur la caractéristique qui influe sur la décision. Une tâche documentaire utile peut comparer un tableau visible à une exigence écrite et renvoyer la ligne pertinente, l’interprétation et toute information manquante. Pour la vidéo, indiquez l’événement ou la séquence à examiner; l’exemple d’entrée du producteur inclut la piste audio lorsque le clip en possède une.\n\nPour l’audio, précisez si la tâche exige une transcription ou une explication du contenu et fournissez les noms ou termes du domaine nécessaires à l’interprétation. Une tâche combinée peut utiliser l’enregistrement avec un contexte écrit et demander des constats organisés selon les questions auxquelles ils répondent. Le résultat est un livrable textuel que l’application peut présenter ou traiter.\n\nLe gabarit de conversation du producteur distingue la réflexion de la réponse directe. Activer la réflexion ajoute une étape de raisonnement; la désactiver renvoie directement la réponse. L’exemple documenté utilise une température de 1,0 et top-p de 0,95. Choisissez explicitement la tâche et le résultat souhaité et laissez assez d’espace de génération pour la réponse plutôt que de traiter une allocation de jetons donnée en exemple comme la limite stricte de sortie du modèle.\n\nPour une tâche de programmation, fournissez la source pertinente, le comportement attendu et une défaillance observée ou un changement demandé. Demandez le livrable proposé et les vérifications qui permettraient de l’évaluer. Dans un flux d’agent connecté, le modèle propose des interactions avec des outils; l’application les exécute et renvoie les résultats. Le fabricant publie un analyseur d’appels d’outils dédié; l’application environnante fournit les outils réels et leurs accès.\n\nLe travail interactif peut exiger de l’exploration, de l’adaptation et des mises à jour de la mémoire de travail de la tâche. Gardez un dossier compact de l’objectif, des constats confirmés et de la condition non résolue. Demandez au tour suivant de déterminer ce que les nouveaux éléments changent et ce qui doit rester dans ce dossier. La persistance du dossier et l’exécution des actions relèvent de l’application entourant le modèle.\n\nLe producteur publie des livrables BF16 et FP8 distincts ainsi que des recettes locales de mise en service avec différentes longueurs de contexte configurées. Une longueur de mise en service configurée est distincte de la spécification du modèle de 512K. Conservez les distinctions d’édition Preview et de précision pour identifier le modèle, et demandez un résultat final indiquant le constat, le changement proposé et les éléments réellement recueillis par le flux.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3668c29b9b5cddbc3ebec0b500b2f01d46c0eeda2b77ff6ce03674a10078d34c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "dots-studio/dots-3-note-preview:freedots3-note Preview de Dots Studio est un modèle multimodal à mélange d’experts pour le raisonnement, la programmation et les flux d’agents. Le producteur indique 280 milliards de paramètres au total, dont 16 milliards actifs, un contexte de 512K, des entrées texte, image, vidéo et audio, et une sortie texte.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
dots3-note Preview est le membre léger de la famille multimodale dots3 de Dots Studio. Le producteur décrit un modèle à mélange d’experts comptant 280 milliards de paramètres au total, dont 16 milliards actifs, et prenant en charge jusqu’à 512K jetons de contexte. Il reçoit du texte, des images, de la vidéo et de l’audio et produit du texte; les connaissances générales, les instructions, le raisonnement, la programmation et le travail orienté agents figurent parmi ses tâches annoncées.
La structure linguistique comporte une couche dense et 45 couches d’experts, avec huit experts routés choisis parmi 256, en plus d’un expert partagé. Son attention combine 13 couches d’attention parcimonieuse et 33 couches à fenêtre glissante. Le producteur indique des encodeurs distincts pour la vision et l’audio ainsi qu’une couche de prédiction partagée. Ces composants permettent la compréhension multimodale; la sortie du modèle demeure du texte plutôt que des images, de la parole ou des vidéos générées.
Pour une analyse visuelle, fournissez l’image, la page ou le graphique et posez une question sur la caractéristique qui influe sur la décision. Une tâche documentaire utile peut comparer un tableau visible à une exigence écrite et renvoyer la ligne pertinente, l’interprétation et toute information manquante. Pour la vidéo, indiquez l’événement ou la séquence à examiner; l’exemple d’entrée du producteur inclut la piste audio lorsque le clip en possède une.
Pour l’audio, précisez si la tâche exige une transcription ou une explication du contenu et fournissez les noms ou termes du domaine nécessaires à l’interprétation. Une tâche combinée peut utiliser l’enregistrement avec un contexte écrit et demander des constats organisés selon les questions auxquelles ils répondent. Le résultat est un livrable textuel que l’application peut présenter ou traiter.
Le gabarit de conversation du producteur distingue la réflexion de la réponse directe. Activer la réflexion ajoute une étape de raisonnement; la désactiver renvoie directement la réponse. L’exemple documenté utilise une température de 1,0 et top-p de 0,95. Choisissez explicitement la tâche et le résultat souhaité et laissez assez d’espace de génération pour la réponse plutôt que de traiter une allocation de jetons donnée en exemple comme la limite stricte de sortie du modèle.
Pour une tâche de programmation, fournissez la source pertinente, le comportement attendu et une défaillance observée ou un changement demandé. Demandez le livrable proposé et les vérifications qui permettraient de l’évaluer. Dans un flux d’agent connecté, le modèle propose des interactions avec des outils; l’application les exécute et renvoie les résultats. Le fabricant publie un analyseur d’appels d’outils dédié; l’application environnante fournit les outils réels et leurs accès.
Le travail interactif peut exiger de l’exploration, de l’adaptation et des mises à jour de la mémoire de travail de la tâche. Gardez un dossier compact de l’objectif, des constats confirmés et de la condition non résolue. Demandez au tour suivant de déterminer ce que les nouveaux éléments changent et ce qui doit rester dans ce dossier. La persistance du dossier et l’exécution des actions relèvent de l’application entourant le modèle.
Le producteur publie des livrables BF16 et FP8 distincts ainsi que des recettes locales de mise en service avec différentes longueurs de contexte configurées. Une longueur de mise en service configurée est distincte de la spécification du modèle de 512K. Conservez les distinctions d’édition Preview et de précision pour identifier le modèle, et demandez un résultat final indiquant le constat, le changement proposé et les éléments réellement recueillis par le flux.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites dots-studio/dots-3-note-preview:free | Par défaut— |
Champmessages | Typearray | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites false | Par défautfalse |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Maximum: 460 800 | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Maximum: 460 800 | Par défaut— |
Champn | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Maximum: 128 | 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 | ContratUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 512000 bytes. |
Cycle de vie : synchronous_json
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 / 1K jetons Sortie · Jetons en sortie $0 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "dots-studio/dots-3-note-preview:free", "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
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 dots-studio/dots-3-note-preview:free
Utilisez les chemins de méthode indiqués ci-dessus.
dots-studio/dots-3-note-preview:freedots3-note Preview de Dots Studio est un modèle multimodal à mélange d’experts pour le raisonnement, la programmation et les flux d’agents. Le producteur indique 280 milliards de paramètres au total, dont 16 milliards actifs, un contexte de 512K, des entrées texte, image, vidéo et audio, et une sortie texte.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
dots3-note Preview est le membre léger de la famille multimodale dots3 de Dots Studio. Le producteur décrit un modèle à mélange d’experts comptant 280 milliards de paramètres au total, dont 16 milliards actifs, et prenant en charge jusqu’à 512K jetons de contexte. Il reçoit du texte, des images, de la vidéo et de l’audio et produit du texte; les connaissances générales, les instructions, le raisonnement, la programmation et le travail orienté agents figurent parmi ses tâches annoncées.
La structure linguistique comporte une couche dense et 45 couches d’experts, avec huit experts routés choisis parmi 256, en plus d’un expert partagé. Son attention combine 13 couches d’attention parcimonieuse et 33 couches à fenêtre glissante. Le producteur indique des encodeurs distincts pour la vision et l’audio ainsi qu’une couche de prédiction partagée. Ces composants permettent la compréhension multimodale; la sortie du modèle demeure du texte plutôt que des images, de la parole ou des vidéos générées.
Pour une analyse visuelle, fournissez l’image, la page ou le graphique et posez une question sur la caractéristique qui influe sur la décision. Une tâche documentaire utile peut comparer un tableau visible à une exigence écrite et renvoyer la ligne pertinente, l’interprétation et toute information manquante. Pour la vidéo, indiquez l’événement ou la séquence à examiner; l’exemple d’entrée du producteur inclut la piste audio lorsque le clip en possède une.
Pour l’audio, précisez si la tâche exige une transcription ou une explication du contenu et fournissez les noms ou termes du domaine nécessaires à l’interprétation. Une tâche combinée peut utiliser l’enregistrement avec un contexte écrit et demander des constats organisés selon les questions auxquelles ils répondent. Le résultat est un livrable textuel que l’application peut présenter ou traiter.
Le gabarit de conversation du producteur distingue la réflexion de la réponse directe. Activer la réflexion ajoute une étape de raisonnement; la désactiver renvoie directement la réponse. L’exemple documenté utilise une température de 1,0 et top-p de 0,95. Choisissez explicitement la tâche et le résultat souhaité et laissez assez d’espace de génération pour la réponse plutôt que de traiter une allocation de jetons donnée en exemple comme la limite stricte de sortie du modèle.
Pour une tâche de programmation, fournissez la source pertinente, le comportement attendu et une défaillance observée ou un changement demandé. Demandez le livrable proposé et les vérifications qui permettraient de l’évaluer. Dans un flux d’agent connecté, le modèle propose des interactions avec des outils; l’application les exécute et renvoie les résultats. Le fabricant publie un analyseur d’appels d’outils dédié; l’application environnante fournit les outils réels et leurs accès.
Le travail interactif peut exiger de l’exploration, de l’adaptation et des mises à jour de la mémoire de travail de la tâche. Gardez un dossier compact de l’objectif, des constats confirmés et de la condition non résolue. Demandez au tour suivant de déterminer ce que les nouveaux éléments changent et ce qui doit rester dans ce dossier. La persistance du dossier et l’exécution des actions relèvent de l’application entourant le modèle.
Le producteur publie des livrables BF16 et FP8 distincts ainsi que des recettes locales de mise en service avec différentes longueurs de contexte configurées. Une longueur de mise en service configurée est distincte de la spécification du modèle de 512K. Conservez les distinctions d’édition Preview et de précision pour identifier le modèle, et demandez un résultat final indiquant le constat, le changement proposé et les éléments réellement recueillis par le flux.
POST /v1/messagestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites dots-studio/dots-3-note-preview:free | Par défaut— |
Champmessages | Typearray | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites false | Par défautfalse |
Champsystem | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites Minimum: 1 Maximum: 460 800 | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtop_k | Typeinteger | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champstop_sequences | Typearray | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmetadata | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional | Contratstream, system, temperature, top_p, top_k, stop_sequences, metadata |
Paramètrematerial_types | Contrattext |
Paramètreconditions | ContratUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 512000 bytes. |
Cycle de vie : synchronous_json
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 / 1K jetons Sortie · Jetons en sortie $0 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "dots-studio/dots-3-note-preview:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
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 dots-studio/dots-3-note-preview:free
Utilisez les chemins de méthode indiqués ci-dessus.