Baichuan4 est le modèle nommé de conversation générale de quatrième génération de la gamme Baichuan. Le fabricant documente un contexte de 32K pour cette édition précise. Baichuan4-Turbo et Baichuan4-Air sont des éditions distinctes avec leurs propres profils de modèle.
Le modèle utilise une conversation textuelle et produit une réponse d’assistant ou une demande d’appel de fonction dans le processus documenté du fabricant. Les tâches utiles comprennent les réponses à partir d’informations fournies, l’organisation du contenu d’un document, la révision de texte et la production d’une fiche structurée pour une application.
Préparez les messages dans l’ordre chronologique, avec une instruction système en premier lorsqu’elle est nécessaire. Gardez la tâche de l’utilisateur distincte des réponses antérieures de l’assistant et des résultats d’outils externes. La référence du fabricant accepte des chaînes de texte ordinaires ou des structures typées de contenu textuel, et utilise un rôle de message d’outil distinct pour les résultats des appels de fonctions.
Pour une comparaison, fournissez les deux passages, identifiez-les clairement et demandez les points d’accord, les divergences et les formulations qui les étayent. Pour une explication révisée, précisez le public et les détails à conserver dans la réécriture. Une instruction utile est : « Comparez ces deux descriptions de projet, listez les exigences modifiées et indiquez le passage qui établit chaque changement. »
Baichuan4 est explicitement inclus dans le mode objet JSON du fabricant. L’activation de ce mode exige aussi une instruction système ou utilisateur demandant du JSON. Définissez les champs requis et la manière de représenter les informations manquantes. Analysez et examinez le résultat avant de l’utiliser comme fiche dans une application.
L’opération de conversation du fabricant accepte max_tokens de 1 à 2 048, avec 2 048 par défaut. Ses réglages d’échantillonnage sont temperature de 0 à 1, avec 0.3 par défaut ; top_p de 0 à 1 exclu, avec 0.85 par défaut ; et top_k de 0 à 20, avec 5 par défaut. Régler top_k sur 0 désactive cette stratégie. Le budget de réponse diffère du contexte de 32K : prévoyez ensemble les sources et la place pour la réponse.
Si la raison d’achèvement est length, une réponse écrite ou un objet JSON peut être incomplet. Préservez le résultat partiel et la raison de son arrêt, puis décidez s’il faut raccourcir le livrable demandé, réduire l’entrée ou réviser le budget de réponse applicable.
Les outils du fabricant distinguent la recherche dans une base de connaissances de la recherche sur le Web. Une demande dans la base de connaissances nomme les collections pertinentes. Son mode de réponse limité à la base de connaissances empêche une réponse lorsque la recherche ne trouve aucun résultat. Si la recherche sur le Web et celle dans la base de connaissances sont toutes deux configurées, la référence précise que la recherche dans la base est prioritaire.
Pour un fait susceptible de changer, conservez les informations réellement récupérées ou trouvées afin de pouvoir vérifier la réponse finale. Gardez avec l’observation la source, la date et toute réserve pertinente. Lorsque la tâche concerne une collection fournie, posez une question ciblée plutôt que de mélanger la question de recherche à des instructions créatives sans rapport.
Les exemples documentés de Baichuan4 montrent la sélection parmi des fonctions personnalisées et la poursuite après que l’application a renvoyé le résultat d’une fonction. Définissez chaque fonction avec un nom, un objectif et un schéma d’arguments. Conservez l’appel de l’assistant et le résultat d’outil correspondant, puis demandez à la réponse suivante d’expliquer ou d’utiliser cette observation.
Une comparaison pratique peut demander deux relevés réels, par exemple des valeurs à deux dates différentes, puis leur différence. L’application fournit ces relevés ; la fonction sélectionnée par le modèle et les arguments générés constituent une demande pour cette opération. Le réglage du fabricant de sélection automatique ou sans outil s’applique aux fonctions. La référence conseille de garder les appels de fonctions séparés des configurations de recherche sur le Web ou dans une base de connaissances.
Le mode sans diffusion en continu est celui par défaut du fabricant ; la diffusion en continu renvoie des fragments de réponse progressifs qui doivent être assemblés. La raison d’achèvement distingue un arrêt normal, une demande d’outil, une limite de longueur de sortie ou de contexte et le filtrage de contenu. Conservez le message ou l’objet terminé avec les sources et les observations d’outils nécessaires à son interprétation.
Vérifiez les champs demandés, les comparaisons étayées et la formulation adaptée à la destination du résultat. Conservez l’identité exacte Baichuan4 avec la tâche lorsque vous comparez une autre édition. Le résultat utile est un livrable textuel terminé ou une explication d’une observation d’outil réelle, dont les parties non résolues restent identifiables.
", "aboutText": "### Baichuan4, une édition de conversation distincte\n\nBaichuan4 est le modèle nommé de conversation générale de quatrième génération de la gamme Baichuan. Le fabricant documente un contexte de 32K pour cette édition précise. Baichuan4-Turbo et Baichuan4-Air sont des éditions distinctes avec leurs propres profils de modèle.\n\nLe modèle utilise une conversation textuelle et produit une réponse d’assistant ou une demande d’appel de fonction dans le processus documenté du fabricant. Les tâches utiles comprennent les réponses à partir d’informations fournies, l’organisation du contenu d’un document, la révision de texte et la production d’une fiche structurée pour une application.\n\n### Fournir une demande de dialogue complète\n\nPréparez les messages dans l’ordre chronologique, avec une instruction système en premier lorsqu’elle est nécessaire. Gardez la tâche de l’utilisateur distincte des réponses antérieures de l’assistant et des résultats d’outils externes. La référence du fabricant accepte des chaînes de texte ordinaires ou des structures typées de contenu textuel, et utilise un rôle de message d’outil distinct pour les résultats des appels de fonctions.\n\nPour une comparaison, fournissez les deux passages, identifiez-les clairement et demandez les points d’accord, les divergences et les formulations qui les étayent. Pour une explication révisée, précisez le public et les détails à conserver dans la réécriture. Une instruction utile est : « Comparez ces deux descriptions de projet, listez les exigences modifiées et indiquez le passage qui établit chaque changement. »\n\n### Choisir la forme de sortie et le budget de réponse\n\nBaichuan4 est explicitement inclus dans le mode objet JSON du fabricant. L’activation de ce mode exige aussi une instruction système ou utilisateur demandant du JSON. Définissez les champs requis et la manière de représenter les informations manquantes. Analysez et examinez le résultat avant de l’utiliser comme fiche dans une application.\n\nL’opération de conversation du fabricant accepte max_tokens de 1 à 2 048, avec 2 048 par défaut. Ses réglages d’échantillonnage sont temperature de 0 à 1, avec 0.3 par défaut ; top_p de 0 à 1 exclu, avec 0.85 par défaut ; et top_k de 0 à 20, avec 5 par défaut. Régler top_k sur 0 désactive cette stratégie. Le budget de réponse diffère du contexte de 32K : prévoyez ensemble les sources et la place pour la réponse.\n\nSi la raison d’achèvement est length, une réponse écrite ou un objet JSON peut être incomplet. Préservez le résultat partiel et la raison de son arrêt, puis décidez s’il faut raccourcir le livrable demandé, réduire l’entrée ou réviser le budget de réponse applicable.\n\n### Fonder une réponse sur des informations récupérées\n\nLes outils du fabricant distinguent la recherche dans une base de connaissances de la recherche sur le Web. Une demande dans la base de connaissances nomme les collections pertinentes. Son mode de réponse limité à la base de connaissances empêche une réponse lorsque la recherche ne trouve aucun résultat. Si la recherche sur le Web et celle dans la base de connaissances sont toutes deux configurées, la référence précise que la recherche dans la base est prioritaire.\n\nPour un fait susceptible de changer, conservez les informations réellement récupérées ou trouvées afin de pouvoir vérifier la réponse finale. Gardez avec l’observation la source, la date et toute réserve pertinente. Lorsque la tâche concerne une collection fournie, posez une question ciblée plutôt que de mélanger la question de recherche à des instructions créatives sans rapport.\n\n### Poursuivre à partir d’un résultat de fonction réel\n\nLes exemples documentés de Baichuan4 montrent la sélection parmi des fonctions personnalisées et la poursuite après que l’application a renvoyé le résultat d’une fonction. Définissez chaque fonction avec un nom, un objectif et un schéma d’arguments. Conservez l’appel de l’assistant et le résultat d’outil correspondant, puis demandez à la réponse suivante d’expliquer ou d’utiliser cette observation.\n\nUne comparaison pratique peut demander deux relevés réels, par exemple des valeurs à deux dates différentes, puis leur différence. L’application fournit ces relevés ; la fonction sélectionnée par le modèle et les arguments générés constituent une demande pour cette opération. Le réglage du fabricant de sélection automatique ou sans outil s’applique aux fonctions. La référence conseille de garder les appels de fonctions séparés des configurations de recherche sur le Web ou dans une base de connaissances.\n\n### Rassembler et examiner le livrable final\n\nLe mode sans diffusion en continu est celui par défaut du fabricant ; la diffusion en continu renvoie des fragments de réponse progressifs qui doivent être assemblés. La raison d’achèvement distingue un arrêt normal, une demande d’outil, une limite de longueur de sortie ou de contexte et le filtrage de contenu. Conservez le message ou l’objet terminé avec les sources et les observations d’outils nécessaires à son interprétation.\n\nVérifiez les champs demandés, les comparaisons étayées et la formulation adaptée à la destination du résultat. Conservez l’identité exacte Baichuan4 avec la tâche lorsque vous comparez une autre édition. Le résultat utile est un livrable textuel terminé ou une explication d’une observation d’outil réelle, dont les parties non résolues restent identifiables.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.Baichuan4Baichuan4 est le modèle nommé de conversation textuelle de quatrième génération, avec un contexte documenté de 32K. Le processus de son fabricant prend en charge les réponses en objets JSON, le texte complet ou en continu, les fonctions personnalisées et les éléments issus de la recherche dans une base de connaissances ou sur le Web.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Baichuan4 est le modèle nommé de conversation générale de quatrième génération de la gamme Baichuan. Le fabricant documente un contexte de 32K pour cette édition précise. Baichuan4-Turbo et Baichuan4-Air sont des éditions distinctes avec leurs propres profils de modèle.
Le modèle utilise une conversation textuelle et produit une réponse d’assistant ou une demande d’appel de fonction dans le processus documenté du fabricant. Les tâches utiles comprennent les réponses à partir d’informations fournies, l’organisation du contenu d’un document, la révision de texte et la production d’une fiche structurée pour une application.
Préparez les messages dans l’ordre chronologique, avec une instruction système en premier lorsqu’elle est nécessaire. Gardez la tâche de l’utilisateur distincte des réponses antérieures de l’assistant et des résultats d’outils externes. La référence du fabricant accepte des chaînes de texte ordinaires ou des structures typées de contenu textuel, et utilise un rôle de message d’outil distinct pour les résultats des appels de fonctions.
Pour une comparaison, fournissez les deux passages, identifiez-les clairement et demandez les points d’accord, les divergences et les formulations qui les étayent. Pour une explication révisée, précisez le public et les détails à conserver dans la réécriture. Une instruction utile est : « Comparez ces deux descriptions de projet, listez les exigences modifiées et indiquez le passage qui établit chaque changement. »
Baichuan4 est explicitement inclus dans le mode objet JSON du fabricant. L’activation de ce mode exige aussi une instruction système ou utilisateur demandant du JSON. Définissez les champs requis et la manière de représenter les informations manquantes. Analysez et examinez le résultat avant de l’utiliser comme fiche dans une application.
L’opération de conversation du fabricant accepte max_tokens de 1 à 2 048, avec 2 048 par défaut. Ses réglages d’échantillonnage sont temperature de 0 à 1, avec 0.3 par défaut ; top_p de 0 à 1 exclu, avec 0.85 par défaut ; et top_k de 0 à 20, avec 5 par défaut. Régler top_k sur 0 désactive cette stratégie. Le budget de réponse diffère du contexte de 32K : prévoyez ensemble les sources et la place pour la réponse.
Si la raison d’achèvement est length, une réponse écrite ou un objet JSON peut être incomplet. Préservez le résultat partiel et la raison de son arrêt, puis décidez s’il faut raccourcir le livrable demandé, réduire l’entrée ou réviser le budget de réponse applicable.
Les outils du fabricant distinguent la recherche dans une base de connaissances de la recherche sur le Web. Une demande dans la base de connaissances nomme les collections pertinentes. Son mode de réponse limité à la base de connaissances empêche une réponse lorsque la recherche ne trouve aucun résultat. Si la recherche sur le Web et celle dans la base de connaissances sont toutes deux configurées, la référence précise que la recherche dans la base est prioritaire.
Pour un fait susceptible de changer, conservez les informations réellement récupérées ou trouvées afin de pouvoir vérifier la réponse finale. Gardez avec l’observation la source, la date et toute réserve pertinente. Lorsque la tâche concerne une collection fournie, posez une question ciblée plutôt que de mélanger la question de recherche à des instructions créatives sans rapport.
Les exemples documentés de Baichuan4 montrent la sélection parmi des fonctions personnalisées et la poursuite après que l’application a renvoyé le résultat d’une fonction. Définissez chaque fonction avec un nom, un objectif et un schéma d’arguments. Conservez l’appel de l’assistant et le résultat d’outil correspondant, puis demandez à la réponse suivante d’expliquer ou d’utiliser cette observation.
Une comparaison pratique peut demander deux relevés réels, par exemple des valeurs à deux dates différentes, puis leur différence. L’application fournit ces relevés ; la fonction sélectionnée par le modèle et les arguments générés constituent une demande pour cette opération. Le réglage du fabricant de sélection automatique ou sans outil s’applique aux fonctions. La référence conseille de garder les appels de fonctions séparés des configurations de recherche sur le Web ou dans une base de connaissances.
Le mode sans diffusion en continu est celui par défaut du fabricant ; la diffusion en continu renvoie des fragments de réponse progressifs qui doivent être assemblés. La raison d’achèvement distingue un arrêt normal, une demande d’outil, une limite de longueur de sortie ou de contexte et le filtrage de contenu. Conservez le message ou l’objet terminé avec les sources et les observations d’outils nécessaires à son interprétation.
Vérifiez les champs demandés, les comparaisons étayées et la formulation adaptée à la destination du résultat. Conservez l’identité exacte Baichuan4 avec la tâche lorsque vous comparez une autre édition. Le résultat utile est un livrable textuel terminé ou une explication d’une observation d’outil réelle, dont les parties non résolues restent identifiables.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Baichuan4 | 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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.03146 / 1K tokens Sortie · Tokens en sortie $0.03146 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan4", "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='Baichuan4',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='Baichuan4',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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Baichuan4
Utilisez les chemins de méthode indiqués ci-dessus.
Baichuan4Baichuan4 est le modèle nommé de conversation textuelle de quatrième génération, avec un contexte documenté de 32K. Le processus de son fabricant prend en charge les réponses en objets JSON, le texte complet ou en continu, les fonctions personnalisées et les éléments issus de la recherche dans une base de connaissances ou sur le Web.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Baichuan4 est le modèle nommé de conversation générale de quatrième génération de la gamme Baichuan. Le fabricant documente un contexte de 32K pour cette édition précise. Baichuan4-Turbo et Baichuan4-Air sont des éditions distinctes avec leurs propres profils de modèle.
Le modèle utilise une conversation textuelle et produit une réponse d’assistant ou une demande d’appel de fonction dans le processus documenté du fabricant. Les tâches utiles comprennent les réponses à partir d’informations fournies, l’organisation du contenu d’un document, la révision de texte et la production d’une fiche structurée pour une application.
Préparez les messages dans l’ordre chronologique, avec une instruction système en premier lorsqu’elle est nécessaire. Gardez la tâche de l’utilisateur distincte des réponses antérieures de l’assistant et des résultats d’outils externes. La référence du fabricant accepte des chaînes de texte ordinaires ou des structures typées de contenu textuel, et utilise un rôle de message d’outil distinct pour les résultats des appels de fonctions.
Pour une comparaison, fournissez les deux passages, identifiez-les clairement et demandez les points d’accord, les divergences et les formulations qui les étayent. Pour une explication révisée, précisez le public et les détails à conserver dans la réécriture. Une instruction utile est : « Comparez ces deux descriptions de projet, listez les exigences modifiées et indiquez le passage qui établit chaque changement. »
Baichuan4 est explicitement inclus dans le mode objet JSON du fabricant. L’activation de ce mode exige aussi une instruction système ou utilisateur demandant du JSON. Définissez les champs requis et la manière de représenter les informations manquantes. Analysez et examinez le résultat avant de l’utiliser comme fiche dans une application.
L’opération de conversation du fabricant accepte max_tokens de 1 à 2 048, avec 2 048 par défaut. Ses réglages d’échantillonnage sont temperature de 0 à 1, avec 0.3 par défaut ; top_p de 0 à 1 exclu, avec 0.85 par défaut ; et top_k de 0 à 20, avec 5 par défaut. Régler top_k sur 0 désactive cette stratégie. Le budget de réponse diffère du contexte de 32K : prévoyez ensemble les sources et la place pour la réponse.
Si la raison d’achèvement est length, une réponse écrite ou un objet JSON peut être incomplet. Préservez le résultat partiel et la raison de son arrêt, puis décidez s’il faut raccourcir le livrable demandé, réduire l’entrée ou réviser le budget de réponse applicable.
Les outils du fabricant distinguent la recherche dans une base de connaissances de la recherche sur le Web. Une demande dans la base de connaissances nomme les collections pertinentes. Son mode de réponse limité à la base de connaissances empêche une réponse lorsque la recherche ne trouve aucun résultat. Si la recherche sur le Web et celle dans la base de connaissances sont toutes deux configurées, la référence précise que la recherche dans la base est prioritaire.
Pour un fait susceptible de changer, conservez les informations réellement récupérées ou trouvées afin de pouvoir vérifier la réponse finale. Gardez avec l’observation la source, la date et toute réserve pertinente. Lorsque la tâche concerne une collection fournie, posez une question ciblée plutôt que de mélanger la question de recherche à des instructions créatives sans rapport.
Les exemples documentés de Baichuan4 montrent la sélection parmi des fonctions personnalisées et la poursuite après que l’application a renvoyé le résultat d’une fonction. Définissez chaque fonction avec un nom, un objectif et un schéma d’arguments. Conservez l’appel de l’assistant et le résultat d’outil correspondant, puis demandez à la réponse suivante d’expliquer ou d’utiliser cette observation.
Une comparaison pratique peut demander deux relevés réels, par exemple des valeurs à deux dates différentes, puis leur différence. L’application fournit ces relevés ; la fonction sélectionnée par le modèle et les arguments générés constituent une demande pour cette opération. Le réglage du fabricant de sélection automatique ou sans outil s’applique aux fonctions. La référence conseille de garder les appels de fonctions séparés des configurations de recherche sur le Web ou dans une base de connaissances.
Le mode sans diffusion en continu est celui par défaut du fabricant ; la diffusion en continu renvoie des fragments de réponse progressifs qui doivent être assemblés. La raison d’achèvement distingue un arrêt normal, une demande d’outil, une limite de longueur de sortie ou de contexte et le filtrage de contenu. Conservez le message ou l’objet terminé avec les sources et les observations d’outils nécessaires à son interprétation.
Vérifiez les champs demandés, les comparaisons étayées et la formulation adaptée à la destination du résultat. Conservez l’identité exacte Baichuan4 avec la tâche lorsque vous comparez une autre édition. Le résultat utile est un livrable textuel terminé ou une explication d’une observation d’outil réelle, dont les parties non résolues restent identifiables.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Baichuan4 | 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.03146 / 1K tokens Sortie · Tokens en sortie $0.03146 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "Baichuan4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan4', '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': 'Baichuan4', '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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Baichuan4
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.