Spark Max est la famille de modèles textuels iFlytek Spark désignée par generalv3.5 dans la documentation du fabricant. Dans sa description de Max, iFlytek met l’accent sur l’extraction structurée et le raisonnement logique. Ce modèle peut être utile lorsqu’une tâche part d’un texte et doit produire un résultat défini : l’explication d’un processus, des champs extraits d’un message, une réponse adaptée à une conversation ou un brouillon respectant un rôle et un style précis.
L’entrée est une suite de messages. Les rôles documentés distinguent la demande de l’utilisateur, les réponses précédentes de l’assistant, une consigne système et les résultats renvoyés par les outils. Une consigne système peut définir la mission de l’assistant et les règles de sa réponse. Pour poursuivre une conversation, incluez les messages précédents pertinents dans l’ordre : les renseignements nécessaires à la demande actuelle doivent se trouver dans le contexte soumis. Placez la question immédiate à côté du document source qu’elle concerne et précisez les faits à conserver lors d’une révision.
Le fabricant propose une sortie textuelle ordinaire et un mode objet JSON. Dans ce mode, les consignes doivent tout de même demander explicitement du JSON. Il est utile pour les tâches d’extraction dont le format de résultat est convenu. Exemple de demande : « Lisez cette demande de service. Renvoyez un objet JSON contenant l’action demandée, les renseignements déjà fournis et les questions encore sans réponse. » Énumérez les champs attendus et les règles applicables aux valeurs manquantes plutôt que de considérer le réglage du format de sortie comme un substitut à une tâche précise.
Les commandes de génération comprennent des réglages d’échantillonnage, des pénalités de répétition, un réglage de longueur de sortie et une livraison en continu ou sous forme de réponse complète. Pour la fiche Max documentée, iFlytek indique une configuration d’entrée de 8K et une sortie maximale de 8K; le paramètre max_tokens de Max va de 1 à 8 192, avec une valeur par défaut documentée de 4 096. Le nom distinct Max-32K désigne une autre configuration. Gardez la conversation, le texte de référence et la question actuelle dans le budget d’entrée applicable, et choisissez la longueur de réponse selon la tâche plutôt que selon le volume des documents fournis.
Les descriptions des outils du fabricant comprennent la recherche Web et des utilitaires intégrés pour la météo, les dates, la poésie, les renseignements sur les mots et les données boursières. La recherche offre un mode normal et un mode approfondi : le premier utilise des résumés récupérés, tandis que le second utilise des documents récupérés plus complets. La commande d’étiquetage des sources permet de demander des renseignements sur les sources récupérées. Ce sont des fonctions documentées de l’interface d’outils d’iFlytek; préparez une question qui indique les renseignements manquants et les éléments probants qui permettraient d’y répondre.
Les appels de fonctions sont décrits pour l’interface HTTP du fabricant. L’application fournit un nom de fonction, son objectif et un JSON Schema valide pour ses paramètres. Les options de sélection des outils comprennent la sélection automatique, la désactivation des appels, l’obligation d’effectuer un appel ou le choix d’une fonction précise. La documentation distingue aussi différentes représentations possibles des appels renvoyés. Le résultat réel de la fonction est transmis au modèle dans un message de rôle tool; l’application qui l’entoure demeure donc responsable d’effectuer l’opération et de renvoyer des données utilisables par le modèle.
Pour un assistant pratique, définissez une tâche utile et les champs nécessaires à son exécution. Un exemple de processus consiste à extraire une caractéristique de produit demandée, à obtenir une valeur non résolue au moyen d’un outil de l’application, puis à rédiger une réponse qui distingue les faits fournis des questions ouvertes. Pour une révision, précisez le lectorat, le ton et les faits à conserver; pour une question logique, énoncez les conditions et demandez une conclusion vérifiable à partir de celles-ci. Le nom generalv3.5 appartient à la famille Max plutôt qu’à un modèle de réflexion approfondie nommé séparément. Distinguez sa configuration de celles des autres éditions Spark et établissez les limites et les outils de la connexion choisie sans lui attribuer les fonctions d’une autre version.
", "aboutText": "Spark Max est la famille de modèles textuels iFlytek Spark désignée par generalv3.5 dans la documentation du fabricant. Dans sa description de Max, iFlytek met l’accent sur l’extraction structurée et le raisonnement logique. Ce modèle peut être utile lorsqu’une tâche part d’un texte et doit produire un résultat défini : l’explication d’un processus, des champs extraits d’un message, une réponse adaptée à une conversation ou un brouillon respectant un rôle et un style précis.\n\nL’entrée est une suite de messages. Les rôles documentés distinguent la demande de l’utilisateur, les réponses précédentes de l’assistant, une consigne système et les résultats renvoyés par les outils. Une consigne système peut définir la mission de l’assistant et les règles de sa réponse. Pour poursuivre une conversation, incluez les messages précédents pertinents dans l’ordre : les renseignements nécessaires à la demande actuelle doivent se trouver dans le contexte soumis. Placez la question immédiate à côté du document source qu’elle concerne et précisez les faits à conserver lors d’une révision.\n\nLe fabricant propose une sortie textuelle ordinaire et un mode objet JSON. Dans ce mode, les consignes doivent tout de même demander explicitement du JSON. Il est utile pour les tâches d’extraction dont le format de résultat est convenu. Exemple de demande : « Lisez cette demande de service. Renvoyez un objet JSON contenant l’action demandée, les renseignements déjà fournis et les questions encore sans réponse. » Énumérez les champs attendus et les règles applicables aux valeurs manquantes plutôt que de considérer le réglage du format de sortie comme un substitut à une tâche précise.\n\nLes commandes de génération comprennent des réglages d’échantillonnage, des pénalités de répétition, un réglage de longueur de sortie et une livraison en continu ou sous forme de réponse complète. Pour la fiche Max documentée, iFlytek indique une configuration d’entrée de 8K et une sortie maximale de 8K; le paramètre max_tokens de Max va de 1 à 8 192, avec une valeur par défaut documentée de 4 096. Le nom distinct Max-32K désigne une autre configuration. Gardez la conversation, le texte de référence et la question actuelle dans le budget d’entrée applicable, et choisissez la longueur de réponse selon la tâche plutôt que selon le volume des documents fournis.\n\nLes descriptions des outils du fabricant comprennent la recherche Web et des utilitaires intégrés pour la météo, les dates, la poésie, les renseignements sur les mots et les données boursières. La recherche offre un mode normal et un mode approfondi : le premier utilise des résumés récupérés, tandis que le second utilise des documents récupérés plus complets. La commande d’étiquetage des sources permet de demander des renseignements sur les sources récupérées. Ce sont des fonctions documentées de l’interface d’outils d’iFlytek; préparez une question qui indique les renseignements manquants et les éléments probants qui permettraient d’y répondre.\n\nLes appels de fonctions sont décrits pour l’interface HTTP du fabricant. L’application fournit un nom de fonction, son objectif et un JSON Schema valide pour ses paramètres. Les options de sélection des outils comprennent la sélection automatique, la désactivation des appels, l’obligation d’effectuer un appel ou le choix d’une fonction précise. La documentation distingue aussi différentes représentations possibles des appels renvoyés. Le résultat réel de la fonction est transmis au modèle dans un message de rôle tool; l’application qui l’entoure demeure donc responsable d’effectuer l’opération et de renvoyer des données utilisables par le modèle.\n\nPour un assistant pratique, définissez une tâche utile et les champs nécessaires à son exécution. Un exemple de processus consiste à extraire une caractéristique de produit demandée, à obtenir une valeur non résolue au moyen d’un outil de l’application, puis à rédiger une réponse qui distingue les faits fournis des questions ouvertes. Pour une révision, précisez le lectorat, le ton et les faits à conserver; pour une question logique, énoncez les conditions et demandez une conclusion vérifiable à partir de celles-ci. Le nom generalv3.5 appartient à la famille Max plutôt qu’à un modèle de réflexion approfondie nommé séparément. Distinguez sa configuration de celles des autres éditions Spark et établissez les limites et les outils de la connexion choisie sans lui attribuer les fonctions d’une autre version.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.generalv3.5Spark Max est le modèle textuel d’iFlytek destiné à l’extraction structurée, aux tâches logiques et à la conversation. Son interface documentée combine des messages associés à des rôles, une sortie sous forme d’objet JSON, des commandes de recherche Web et des appels de fonctions définies par l’application.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Spark Max est la famille de modèles textuels iFlytek Spark désignée par generalv3.5 dans la documentation du fabricant. Dans sa description de Max, iFlytek met l’accent sur l’extraction structurée et le raisonnement logique. Ce modèle peut être utile lorsqu’une tâche part d’un texte et doit produire un résultat défini : l’explication d’un processus, des champs extraits d’un message, une réponse adaptée à une conversation ou un brouillon respectant un rôle et un style précis.
L’entrée est une suite de messages. Les rôles documentés distinguent la demande de l’utilisateur, les réponses précédentes de l’assistant, une consigne système et les résultats renvoyés par les outils. Une consigne système peut définir la mission de l’assistant et les règles de sa réponse. Pour poursuivre une conversation, incluez les messages précédents pertinents dans l’ordre : les renseignements nécessaires à la demande actuelle doivent se trouver dans le contexte soumis. Placez la question immédiate à côté du document source qu’elle concerne et précisez les faits à conserver lors d’une révision.
Le fabricant propose une sortie textuelle ordinaire et un mode objet JSON. Dans ce mode, les consignes doivent tout de même demander explicitement du JSON. Il est utile pour les tâches d’extraction dont le format de résultat est convenu. Exemple de demande : « Lisez cette demande de service. Renvoyez un objet JSON contenant l’action demandée, les renseignements déjà fournis et les questions encore sans réponse. » Énumérez les champs attendus et les règles applicables aux valeurs manquantes plutôt que de considérer le réglage du format de sortie comme un substitut à une tâche précise.
Les commandes de génération comprennent des réglages d’échantillonnage, des pénalités de répétition, un réglage de longueur de sortie et une livraison en continu ou sous forme de réponse complète. Pour la fiche Max documentée, iFlytek indique une configuration d’entrée de 8K et une sortie maximale de 8K; le paramètre max_tokens de Max va de 1 à 8 192, avec une valeur par défaut documentée de 4 096. Le nom distinct Max-32K désigne une autre configuration. Gardez la conversation, le texte de référence et la question actuelle dans le budget d’entrée applicable, et choisissez la longueur de réponse selon la tâche plutôt que selon le volume des documents fournis.
Les descriptions des outils du fabricant comprennent la recherche Web et des utilitaires intégrés pour la météo, les dates, la poésie, les renseignements sur les mots et les données boursières. La recherche offre un mode normal et un mode approfondi : le premier utilise des résumés récupérés, tandis que le second utilise des documents récupérés plus complets. La commande d’étiquetage des sources permet de demander des renseignements sur les sources récupérées. Ce sont des fonctions documentées de l’interface d’outils d’iFlytek; préparez une question qui indique les renseignements manquants et les éléments probants qui permettraient d’y répondre.
Les appels de fonctions sont décrits pour l’interface HTTP du fabricant. L’application fournit un nom de fonction, son objectif et un JSON Schema valide pour ses paramètres. Les options de sélection des outils comprennent la sélection automatique, la désactivation des appels, l’obligation d’effectuer un appel ou le choix d’une fonction précise. La documentation distingue aussi différentes représentations possibles des appels renvoyés. Le résultat réel de la fonction est transmis au modèle dans un message de rôle tool; l’application qui l’entoure demeure donc responsable d’effectuer l’opération et de renvoyer des données utilisables par le modèle.
Pour un assistant pratique, définissez une tâche utile et les champs nécessaires à son exécution. Un exemple de processus consiste à extraire une caractéristique de produit demandée, à obtenir une valeur non résolue au moyen d’un outil de l’application, puis à rédiger une réponse qui distingue les faits fournis des questions ouvertes. Pour une révision, précisez le lectorat, le ton et les faits à conserver; pour une question logique, énoncez les conditions et demandez une conclusion vérifiable à partir de celles-ci. Le nom generalv3.5 appartient à la famille Max plutôt qu’à un modèle de réflexion approfondie nommé séparément. Distinguez sa configuration de celles des autres éditions Spark et établissez les limites et les outils de la connexion choisie sans lui attribuer les fonctions d’une autre version.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites generalv3.5 | 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 $0.00946 / 1K jetons Sortie · Jetons en sortie $0.00946 / 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": "generalv3.5", "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='generalv3.5',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='generalv3.5',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 generalv3.5
Utilisez les chemins de méthode indiqués ci-dessus.
generalv3.5Spark Max est le modèle textuel d’iFlytek destiné à l’extraction structurée, aux tâches logiques et à la conversation. Son interface documentée combine des messages associés à des rôles, une sortie sous forme d’objet JSON, des commandes de recherche Web et des appels de fonctions définies par l’application.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Spark Max est la famille de modèles textuels iFlytek Spark désignée par generalv3.5 dans la documentation du fabricant. Dans sa description de Max, iFlytek met l’accent sur l’extraction structurée et le raisonnement logique. Ce modèle peut être utile lorsqu’une tâche part d’un texte et doit produire un résultat défini : l’explication d’un processus, des champs extraits d’un message, une réponse adaptée à une conversation ou un brouillon respectant un rôle et un style précis.
L’entrée est une suite de messages. Les rôles documentés distinguent la demande de l’utilisateur, les réponses précédentes de l’assistant, une consigne système et les résultats renvoyés par les outils. Une consigne système peut définir la mission de l’assistant et les règles de sa réponse. Pour poursuivre une conversation, incluez les messages précédents pertinents dans l’ordre : les renseignements nécessaires à la demande actuelle doivent se trouver dans le contexte soumis. Placez la question immédiate à côté du document source qu’elle concerne et précisez les faits à conserver lors d’une révision.
Le fabricant propose une sortie textuelle ordinaire et un mode objet JSON. Dans ce mode, les consignes doivent tout de même demander explicitement du JSON. Il est utile pour les tâches d’extraction dont le format de résultat est convenu. Exemple de demande : « Lisez cette demande de service. Renvoyez un objet JSON contenant l’action demandée, les renseignements déjà fournis et les questions encore sans réponse. » Énumérez les champs attendus et les règles applicables aux valeurs manquantes plutôt que de considérer le réglage du format de sortie comme un substitut à une tâche précise.
Les commandes de génération comprennent des réglages d’échantillonnage, des pénalités de répétition, un réglage de longueur de sortie et une livraison en continu ou sous forme de réponse complète. Pour la fiche Max documentée, iFlytek indique une configuration d’entrée de 8K et une sortie maximale de 8K; le paramètre max_tokens de Max va de 1 à 8 192, avec une valeur par défaut documentée de 4 096. Le nom distinct Max-32K désigne une autre configuration. Gardez la conversation, le texte de référence et la question actuelle dans le budget d’entrée applicable, et choisissez la longueur de réponse selon la tâche plutôt que selon le volume des documents fournis.
Les descriptions des outils du fabricant comprennent la recherche Web et des utilitaires intégrés pour la météo, les dates, la poésie, les renseignements sur les mots et les données boursières. La recherche offre un mode normal et un mode approfondi : le premier utilise des résumés récupérés, tandis que le second utilise des documents récupérés plus complets. La commande d’étiquetage des sources permet de demander des renseignements sur les sources récupérées. Ce sont des fonctions documentées de l’interface d’outils d’iFlytek; préparez une question qui indique les renseignements manquants et les éléments probants qui permettraient d’y répondre.
Les appels de fonctions sont décrits pour l’interface HTTP du fabricant. L’application fournit un nom de fonction, son objectif et un JSON Schema valide pour ses paramètres. Les options de sélection des outils comprennent la sélection automatique, la désactivation des appels, l’obligation d’effectuer un appel ou le choix d’une fonction précise. La documentation distingue aussi différentes représentations possibles des appels renvoyés. Le résultat réel de la fonction est transmis au modèle dans un message de rôle tool; l’application qui l’entoure demeure donc responsable d’effectuer l’opération et de renvoyer des données utilisables par le modèle.
Pour un assistant pratique, définissez une tâche utile et les champs nécessaires à son exécution. Un exemple de processus consiste à extraire une caractéristique de produit demandée, à obtenir une valeur non résolue au moyen d’un outil de l’application, puis à rédiger une réponse qui distingue les faits fournis des questions ouvertes. Pour une révision, précisez le lectorat, le ton et les faits à conserver; pour une question logique, énoncez les conditions et demandez une conclusion vérifiable à partir de celles-ci. Le nom generalv3.5 appartient à la famille Max plutôt qu’à un modèle de réflexion approfondie nommé séparément. Distinguez sa configuration de celles des autres éditions Spark et établissez les limites et les outils de la connexion choisie sans lui attribuer les fonctions d’une autre version.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites generalv3.5 | 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 $0.00946 / 1K jetons Sortie · Jetons en sortie $0.00946 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "generalv3.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'generalv3.5', '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': 'generalv3.5', '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 generalv3.5
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.