Weaver Alpha est le système expérimental de Mancer pour le jeu de rôle et l’écriture narrative. Le fabricant décrit une combinaison de petits modèles destinée à produire une prose ample, répertoriée comme un système de 13 milliards de paramètres fondé sur LLaMA 2. Il reçoit des consignes écrites de scène et du contexte, puis génère du texte. Son rôle caractéristique est une continuation créative et abondante, plutôt qu’une promesse de mémoire cohérente à long terme ou des capacités étendues d’un autre modèle.
Donnez le cadre actuel, le point de vue, les motivations des personnages et l’événement qui doit se produire ensuite. Distinguez les faits établis des détails que le modèle peut inventer. Pour le jeu de rôle, précisez qui contrôle chaque personnage et si la réponse doit contenir de la narration, du dialogue ou les deux. Consigne utile : « Poursuivez cette scène du point de vue du narrateur, préservez l’objectif déclaré du personnage et arrêtez après la révélation de la nouvelle complication. »
Pour un passage d’ambiance, décrivez l’atmosphère souhaitée et les détails qui doivent la porter : environnement, rythme, voix et action au centre de la scène. Demandez la longueur et le point d’arrêt nécessaires. Un style abondant peut apporter de la texture, mais une scène gagne toujours à avoir un objectif dramatique clair plutôt qu’une consigne de développement sans direction.
Le fabricant exige le format de consigne Alpaca pour son processus de complétion documenté. Son format simplifié publié distingue la consigne système, la consigne utilisateur et la réponse de l’assistant. Gardez ces rôles séparés et conservez le format propre au modèle lorsque vous préparez une continuation. Un processus conversationnel environnant peut gérer cette mise en forme, mais le nom de modèle affiché seul ne détermine pas la construction des consignes d’une application.
Les réglages de départ suggérés par le fabricant sont temperature 0.9, une pénalité de répétition de 1.1, top-p 0.58 et top-k 50. Ce sont les recommandations du fabricant pour ce profil expérimental, et non des réglages déduits pour toutes les applications. Ils donnent un point de départ au style de prose; le résultat réel doit encore être vérifié pour les répétitions, la voix et le respect de la scène.
Le fabricant de Weaver met explicitement en garde au sujet de la cohérence et de la mémoire. Gardez l’état récent de la scène et les faits essentiels sur les personnages dans l’entrée lorsque le récit se poursuit. Une note de continuité concise peut préciser ce qui s’est passé, ce que les personnages savent et ce qui ne doit pas changer. Si un passage généré contredit cette note, indiquez l’écart précis et demandez une révision liée aux événements établis.
Le profil du fabricant indique un contexte de 8 000 jetons et une sortie maximale de 6 000 jetons. Les documents sources, les consignes, la conversation et la complétion doivent tenir dans le budget applicable; la limite de sortie n’est pas de l’espace ajouté au contexte. Le fabricant précise aussi que ce profil ne prend pas en charge la génération multi-swipe. Traitez une continuation générée comme un résultat unique à examiner plutôt que de supposer plusieurs variantes simultanées dans une requête.
Le résultat peut être une continuation de scène, un passage descriptif ou un échange entre personnages. Vérifiez s’il préserve le point de vue, l’autonomie des personnages, la chronologie et la fin demandée. Pour une modification, désignez le passage exact à changer et le sens à conserver. Gardez les faits narratifs réussis dans la consigne suivante plutôt que d’attendre qu’un long historique invisible reste disponible. La valeur pratique de Weaver Alpha réside dans son profil de prose créative, avec son identité expérimentale et ses limites de continuité documentées visibles dans la préparation de la tâche.
", "aboutText": "Weaver Alpha est le système expérimental de Mancer pour le jeu de rôle et l’écriture narrative. Le fabricant décrit une combinaison de petits modèles destinée à produire une prose ample, répertoriée comme un système de 13 milliards de paramètres fondé sur LLaMA 2. Il reçoit des consignes écrites de scène et du contexte, puis génère du texte. Son rôle caractéristique est une continuation créative et abondante, plutôt qu’une promesse de mémoire cohérente à long terme ou des capacités étendues d’un autre modèle.\n\n### Préparez une scène narrative\n\nDonnez le cadre actuel, le point de vue, les motivations des personnages et l’événement qui doit se produire ensuite. Distinguez les faits établis des détails que le modèle peut inventer. Pour le jeu de rôle, précisez qui contrôle chaque personnage et si la réponse doit contenir de la narration, du dialogue ou les deux. Consigne utile : « Poursuivez cette scène du point de vue du narrateur, préservez l’objectif déclaré du personnage et arrêtez après la révélation de la nouvelle complication. »\n\nPour un passage d’ambiance, décrivez l’atmosphère souhaitée et les détails qui doivent la porter : environnement, rythme, voix et action au centre de la scène. Demandez la longueur et le point d’arrêt nécessaires. Un style abondant peut apporter de la texture, mais une scène gagne toujours à avoir un objectif dramatique clair plutôt qu’une consigne de développement sans direction.\n\n### Consignes et commandes du fabricant\n\nLe fabricant exige le format de consigne Alpaca pour son processus de complétion documenté. Son format simplifié publié distingue la consigne système, la consigne utilisateur et la réponse de l’assistant. Gardez ces rôles séparés et conservez le format propre au modèle lorsque vous préparez une continuation. Un processus conversationnel environnant peut gérer cette mise en forme, mais le nom de modèle affiché seul ne détermine pas la construction des consignes d’une application.\n\nLes réglages de départ suggérés par le fabricant sont temperature 0.9, une pénalité de répétition de 1.1, top-p 0.58 et top-k 50. Ce sont les recommandations du fabricant pour ce profil expérimental, et non des réglages déduits pour toutes les applications. Ils donnent un point de départ au style de prose; le résultat réel doit encore être vérifié pour les répétitions, la voix et le respect de la scène.\n\n### Continuité et limites\n\nLe fabricant de Weaver met explicitement en garde au sujet de la cohérence et de la mémoire. Gardez l’état récent de la scène et les faits essentiels sur les personnages dans l’entrée lorsque le récit se poursuit. Une note de continuité concise peut préciser ce qui s’est passé, ce que les personnages savent et ce qui ne doit pas changer. Si un passage généré contredit cette note, indiquez l’écart précis et demandez une révision liée aux événements établis.\n\nLe profil du fabricant indique un contexte de 8 000 jetons et une sortie maximale de 6 000 jetons. Les documents sources, les consignes, la conversation et la complétion doivent tenir dans le budget applicable; la limite de sortie n’est pas de l’espace ajouté au contexte. Le fabricant précise aussi que ce profil ne prend pas en charge la génération multi-swipe. Traitez une continuation générée comme un résultat unique à examiner plutôt que de supposer plusieurs variantes simultanées dans une requête.\n\n### Un livrable d’écriture utile\n\nLe résultat peut être une continuation de scène, un passage descriptif ou un échange entre personnages. Vérifiez s’il préserve le point de vue, l’autonomie des personnages, la chronologie et la fin demandée. Pour une modification, désignez le passage exact à changer et le sens à conserver. Gardez les faits narratifs réussis dans la consigne suivante plutôt que d’attendre qu’un long historique invisible reste disponible. La valeur pratique de Weaver Alpha réside dans son profil de prose créative, avec son identité expérimentale et ses limites de continuité documentées visibles dans la préparation de la tâche.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Reveal a scene complication\n\nContinue in close third person through cartographer Nera. She has reached an abandoned observatory to recover her stolen atlas; her companion believes it burned. Write 200 words of atmospheric prose with one brief exchange. Preserve those facts, then stop when Nera finds a freshly drawn map of their route inside the supposedly empty dome.An atmospheric scene continuation around 200 words, ending on the discovery rather than resolving it.Check viewpoint, the companion's belief and the requested stopping event remain consistent.mancer/weaverWeaver Alpha est le système expérimental de génération de texte de Mancer pour le jeu de rôle et la prose narrative. Son style créatif abondant fonctionne mieux avec une scène explicite, une fiche de personnage et des notes de continuité récentes; le profil du fabricant indique un contexte de 8 000 jetons et une limite de sortie de 6 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Weaver Alpha est le système expérimental de Mancer pour le jeu de rôle et l’écriture narrative. Le fabricant décrit une combinaison de petits modèles destinée à produire une prose ample, répertoriée comme un système de 13 milliards de paramètres fondé sur LLaMA 2. Il reçoit des consignes écrites de scène et du contexte, puis génère du texte. Son rôle caractéristique est une continuation créative et abondante, plutôt qu’une promesse de mémoire cohérente à long terme ou des capacités étendues d’un autre modèle.
Donnez le cadre actuel, le point de vue, les motivations des personnages et l’événement qui doit se produire ensuite. Distinguez les faits établis des détails que le modèle peut inventer. Pour le jeu de rôle, précisez qui contrôle chaque personnage et si la réponse doit contenir de la narration, du dialogue ou les deux. Consigne utile : « Poursuivez cette scène du point de vue du narrateur, préservez l’objectif déclaré du personnage et arrêtez après la révélation de la nouvelle complication. »
Pour un passage d’ambiance, décrivez l’atmosphère souhaitée et les détails qui doivent la porter : environnement, rythme, voix et action au centre de la scène. Demandez la longueur et le point d’arrêt nécessaires. Un style abondant peut apporter de la texture, mais une scène gagne toujours à avoir un objectif dramatique clair plutôt qu’une consigne de développement sans direction.
Le fabricant exige le format de consigne Alpaca pour son processus de complétion documenté. Son format simplifié publié distingue la consigne système, la consigne utilisateur et la réponse de l’assistant. Gardez ces rôles séparés et conservez le format propre au modèle lorsque vous préparez une continuation. Un processus conversationnel environnant peut gérer cette mise en forme, mais le nom de modèle affiché seul ne détermine pas la construction des consignes d’une application.
Les réglages de départ suggérés par le fabricant sont temperature 0.9, une pénalité de répétition de 1.1, top-p 0.58 et top-k 50. Ce sont les recommandations du fabricant pour ce profil expérimental, et non des réglages déduits pour toutes les applications. Ils donnent un point de départ au style de prose; le résultat réel doit encore être vérifié pour les répétitions, la voix et le respect de la scène.
Le fabricant de Weaver met explicitement en garde au sujet de la cohérence et de la mémoire. Gardez l’état récent de la scène et les faits essentiels sur les personnages dans l’entrée lorsque le récit se poursuit. Une note de continuité concise peut préciser ce qui s’est passé, ce que les personnages savent et ce qui ne doit pas changer. Si un passage généré contredit cette note, indiquez l’écart précis et demandez une révision liée aux événements établis.
Le profil du fabricant indique un contexte de 8 000 jetons et une sortie maximale de 6 000 jetons. Les documents sources, les consignes, la conversation et la complétion doivent tenir dans le budget applicable; la limite de sortie n’est pas de l’espace ajouté au contexte. Le fabricant précise aussi que ce profil ne prend pas en charge la génération multi-swipe. Traitez une continuation générée comme un résultat unique à examiner plutôt que de supposer plusieurs variantes simultanées dans une requête.
Le résultat peut être une continuation de scène, un passage descriptif ou un échange entre personnages. Vérifiez s’il préserve le point de vue, l’autonomie des personnages, la chronologie et la fin demandée. Pour une modification, désignez le passage exact à changer et le sens à conserver. Gardez les faits narratifs réussis dans la consigne suivante plutôt que d’attendre qu’un long historique invisible reste disponible. La valeur pratique de Weaver Alpha réside dans son profil de prose créative, avec son identité expérimentale et ses limites de continuité documentées visibles dans la préparation de la tâche.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mancer/weaver | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0008 / 1K jetons Sortie · Jetons en sortie $0.0015 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0008 / 1K jetons Sortie · Jetons en sortie $0.0015 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mancer/weaver", "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='mancer/weaver',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='mancer/weaver',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 mancer/weaver
Utilisez les chemins de méthode indiqués ci-dessus.
mancer/weaverWeaver Alpha est le système expérimental de génération de texte de Mancer pour le jeu de rôle et la prose narrative. Son style créatif abondant fonctionne mieux avec une scène explicite, une fiche de personnage et des notes de continuité récentes; le profil du fabricant indique un contexte de 8 000 jetons et une limite de sortie de 6 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Weaver Alpha est le système expérimental de Mancer pour le jeu de rôle et l’écriture narrative. Le fabricant décrit une combinaison de petits modèles destinée à produire une prose ample, répertoriée comme un système de 13 milliards de paramètres fondé sur LLaMA 2. Il reçoit des consignes écrites de scène et du contexte, puis génère du texte. Son rôle caractéristique est une continuation créative et abondante, plutôt qu’une promesse de mémoire cohérente à long terme ou des capacités étendues d’un autre modèle.
Donnez le cadre actuel, le point de vue, les motivations des personnages et l’événement qui doit se produire ensuite. Distinguez les faits établis des détails que le modèle peut inventer. Pour le jeu de rôle, précisez qui contrôle chaque personnage et si la réponse doit contenir de la narration, du dialogue ou les deux. Consigne utile : « Poursuivez cette scène du point de vue du narrateur, préservez l’objectif déclaré du personnage et arrêtez après la révélation de la nouvelle complication. »
Pour un passage d’ambiance, décrivez l’atmosphère souhaitée et les détails qui doivent la porter : environnement, rythme, voix et action au centre de la scène. Demandez la longueur et le point d’arrêt nécessaires. Un style abondant peut apporter de la texture, mais une scène gagne toujours à avoir un objectif dramatique clair plutôt qu’une consigne de développement sans direction.
Le fabricant exige le format de consigne Alpaca pour son processus de complétion documenté. Son format simplifié publié distingue la consigne système, la consigne utilisateur et la réponse de l’assistant. Gardez ces rôles séparés et conservez le format propre au modèle lorsque vous préparez une continuation. Un processus conversationnel environnant peut gérer cette mise en forme, mais le nom de modèle affiché seul ne détermine pas la construction des consignes d’une application.
Les réglages de départ suggérés par le fabricant sont temperature 0.9, une pénalité de répétition de 1.1, top-p 0.58 et top-k 50. Ce sont les recommandations du fabricant pour ce profil expérimental, et non des réglages déduits pour toutes les applications. Ils donnent un point de départ au style de prose; le résultat réel doit encore être vérifié pour les répétitions, la voix et le respect de la scène.
Le fabricant de Weaver met explicitement en garde au sujet de la cohérence et de la mémoire. Gardez l’état récent de la scène et les faits essentiels sur les personnages dans l’entrée lorsque le récit se poursuit. Une note de continuité concise peut préciser ce qui s’est passé, ce que les personnages savent et ce qui ne doit pas changer. Si un passage généré contredit cette note, indiquez l’écart précis et demandez une révision liée aux événements établis.
Le profil du fabricant indique un contexte de 8 000 jetons et une sortie maximale de 6 000 jetons. Les documents sources, les consignes, la conversation et la complétion doivent tenir dans le budget applicable; la limite de sortie n’est pas de l’espace ajouté au contexte. Le fabricant précise aussi que ce profil ne prend pas en charge la génération multi-swipe. Traitez une continuation générée comme un résultat unique à examiner plutôt que de supposer plusieurs variantes simultanées dans une requête.
Le résultat peut être une continuation de scène, un passage descriptif ou un échange entre personnages. Vérifiez s’il préserve le point de vue, l’autonomie des personnages, la chronologie et la fin demandée. Pour une modification, désignez le passage exact à changer et le sens à conserver. Gardez les faits narratifs réussis dans la consigne suivante plutôt que d’attendre qu’un long historique invisible reste disponible. La valeur pratique de Weaver Alpha réside dans son profil de prose créative, avec son identité expérimentale et ses limites de continuité documentées visibles dans la préparation de la tâche.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mancer/weaver | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0008 / 1K jetons Sortie · Jetons en sortie $0.0015 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0008 / 1K jetons Sortie · Jetons en sortie $0.0015 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "mancer/weaver",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mancer/weaver', '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': 'mancer/weaver', '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 mancer/weaver
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Reveal a scene complication\n\nContinue in close third person through cartographer Nera. She has reached an abandoned observatory to recover her stolen atlas; her companion believes it burned. Write 200 words of atmospheric prose with one brief exchange. Preserve those facts, then stop when Nera finds a freshly drawn map of their route inside the supposedly empty dome.An atmospheric scene continuation around 200 words, ending on the discovery rather than resolving it.Check viewpoint, the companion's belief and the requested stopping event remain consistent.