Baichuan3-Turbo est un modèle de conversation textuelle générale de la gamme Baichuan de troisième génération. Le concepteur indique un contexte de 32K pour ce nom précis. Baichuan3-Turbo-128k est une entrée distincte avec un contexte plus grand, et les modèles de quatrième génération sont des éditions nommées séparément. Gardez explicites le modèle sélectionné et son profil de contexte lors de la préparation d’une conversation ou de la comparaison des résultats.
La référence de conversation générale du fournisseur fournit un nom de modèle et une liste de messages. Placez les premiers tours avant les suivants. Un message système, lorsqu’il est utilisé, vient en premier et définit le rôle ou les exigences de réponse ; les messages utilisateur apportent la tâche et les messages assistant préservent les réponses précédentes. Le contenu textuel peut être une chaîne ou une structure de contenu textuel typée.
Pour une tâche documentaire, identifiez le passage et le résultat voulu. Un exemple est : « Extrayez l’échéance, le responsable et le livrable énoncés dans cette note de projet et renvoyez une liste de champs avec les formulations qui les étayent. » Pour une réécriture, fournissez le texte original, le public et le ton. Préservez le tour antérieur pertinent lorsque la demande suivante dépend d’une interprétation précédente.
L’opération de conversation documentée accepte un budget maximal de réponse de 1 à 2 048 tokens, avec 2 048 par défaut. Ce réglage de réponse est distinct du contexte de 32K du modèle. Gardez de la place pour la réponse lors du choix de l’entrée et inspectez la raison de fin avant de considérer le résultat comme terminé.
Les réglages d’échantillonnage du concepteur sont temperature de 0 à 1, par défaut 0.3 ; top_p de 0 jusqu’à 1 exclu, par défaut 0.85 ; et top_k de 0 à 20, par défaut 5. Un top_k de 0 désactive cette stratégie de sélection. Il s’agit de réglages de l’interface du fournisseur. Pour une comparaison, gardez la tâche et la source fixes tout en changeant le réglage pertinent pour le résultat à examiner.
Baichuan3-Turbo est explicitement cité parmi les modèles qui prennent en charge la sortie sous forme d’objet JSON. Le mode JSON du fournisseur exige également une instruction dans le message système ou utilisateur pour générer du JSON. Précisez les champs et leur signification, et expliquez comment représenter une valeur inconnue. Vérifiez l’objet renvoyé selon ces exigences avant de le transmettre à l’étape suivante.
Pour l’exemple de note de projet, demandez les champs échéance, responsable et livrable avec le texte qui les étaye. Une réponse arrêtée à cause de son budget de longueur peut contenir du JSON incomplet. Préservez la source et la raison de fin, puis ajustez la tâche ou le budget de réponse avant de traiter un objet partiel comme une fiche valide.
Le parcours de conversation générale propose la récupération dans une base de connaissances, la recherche Web et les fonctions personnalisées. La récupération dans une base de connaissances peut être limitée aux seules connaissances fournies ; dans ce mode, le concepteur précise que l’absence de résultat récupéré signifie l’absence de réponse. Si la récupération et la recherche Web sont configurées ensemble, la récupération est prioritaire. La référence déconseille aussi de combiner les appels de fonctions avec ces outils de récupération ou de recherche dans une même tâche.
Pour une question de connaissances, fournissez la collection pertinente et posez une question ciblée. Pour une question sur des informations actuelles, conservez les éléments réels de recherche avec la réponse. Gardez les éléments fournis par un outil distincts d’une conclusion générée à partir de ceux-ci.
Baichuan3-Turbo est expressément inclus dans la liste de prise en charge des fonctions. Une définition de fonction fournit son nom, sa description et son schéma d’arguments. Le modèle peut sélectionner une opération et générer les arguments ; l’application connectée l’exécute et renvoie le résultat comme message d’outil lié à l’appel. Préservez cette relation au tour suivant. Les choix de sélection de fonctions du fournisseur sont la sélection automatique ou l’absence d’appels d’outils.
L’interface documentée prend en charge une réponse complète ou un flux de fragments textuels ; le mode sans streaming est celui par défaut. Assemblez les fragments diffusés pour constituer la réponse finale. Le résultat indique si la génération s’est arrêtée normalement, a atteint une limite de longueur, a sélectionné un outil ou a rencontré un filtrage de contenu.
Utilisez le livrable terminé pour sa tâche prévue : une réponse concise, une formulation révisée, une fiche extraite ou une explication fondée sur les éléments renvoyés. Vérifiez ensemble les valeurs dépendant des sources et l’édition sélectionnée. Un modèle apparenté à contexte plus grand, une autre génération Baichuan et un résultat de fonction produit par une application restent des parties distinctes du parcours.
", "aboutText": "### Le modèle de conversation nommé à contexte de 32K\n\nBaichuan3-Turbo est un modèle de conversation textuelle générale de la gamme Baichuan de troisième génération. Le concepteur indique un contexte de 32K pour ce nom précis. Baichuan3-Turbo-128k est une entrée distincte avec un contexte plus grand, et les modèles de quatrième génération sont des éditions nommées séparément. Gardez explicites le modèle sélectionné et son profil de contexte lors de la préparation d’une conversation ou de la comparaison des résultats.\n\n### Préparer les messages dans l’ordre de conversation\n\nLa référence de conversation générale du fournisseur fournit un nom de modèle et une liste de messages. Placez les premiers tours avant les suivants. Un message système, lorsqu’il est utilisé, vient en premier et définit le rôle ou les exigences de réponse ; les messages utilisateur apportent la tâche et les messages assistant préservent les réponses précédentes. Le contenu textuel peut être une chaîne ou une structure de contenu textuel typée.\n\nPour une tâche documentaire, identifiez le passage et le résultat voulu. Un exemple est : « Extrayez l’échéance, le responsable et le livrable énoncés dans cette note de projet et renvoyez une liste de champs avec les formulations qui les étayent. » Pour une réécriture, fournissez le texte original, le public et le ton. Préservez le tour antérieur pertinent lorsque la demande suivante dépend d’une interprétation précédente.\n\n### Régler la réponse et sa longueur\n\nL’opération de conversation documentée accepte un budget maximal de réponse de 1 à 2 048 tokens, avec 2 048 par défaut. Ce réglage de réponse est distinct du contexte de 32K du modèle. Gardez de la place pour la réponse lors du choix de l’entrée et inspectez la raison de fin avant de considérer le résultat comme terminé.\n\nLes réglages d’échantillonnage du concepteur sont temperature de 0 à 1, par défaut 0.3 ; top_p de 0 jusqu’à 1 exclu, par défaut 0.85 ; et top_k de 0 à 20, par défaut 5. Un top_k de 0 désactive cette stratégie de sélection. Il s’agit de réglages de l’interface du fournisseur. Pour une comparaison, gardez la tâche et la source fixes tout en changeant le réglage pertinent pour le résultat à examiner.\n\n### Produire du JSON délibérément\n\nBaichuan3-Turbo est explicitement cité parmi les modèles qui prennent en charge la sortie sous forme d’objet JSON. Le mode JSON du fournisseur exige également une instruction dans le message système ou utilisateur pour générer du JSON. Précisez les champs et leur signification, et expliquez comment représenter une valeur inconnue. Vérifiez l’objet renvoyé selon ces exigences avant de le transmettre à l’étape suivante.\n\nPour l’exemple de note de projet, demandez les champs échéance, responsable et livrable avec le texte qui les étaye. Une réponse arrêtée à cause de son budget de longueur peut contenir du JSON incomplet. Préservez la source et la raison de fin, puis ajustez la tâche ou le budget de réponse avant de traiter un objet partiel comme une fiche valide.\n\n### Récupérer des éléments de preuve ou demander une fonction\n\nLe parcours de conversation générale propose la récupération dans une base de connaissances, la recherche Web et les fonctions personnalisées. La récupération dans une base de connaissances peut être limitée aux seules connaissances fournies ; dans ce mode, le concepteur précise que l’absence de résultat récupéré signifie l’absence de réponse. Si la récupération et la recherche Web sont configurées ensemble, la récupération est prioritaire. La référence déconseille aussi de combiner les appels de fonctions avec ces outils de récupération ou de recherche dans une même tâche.\n\nPour une question de connaissances, fournissez la collection pertinente et posez une question ciblée. Pour une question sur des informations actuelles, conservez les éléments réels de recherche avec la réponse. Gardez les éléments fournis par un outil distincts d’une conclusion générée à partir de ceux-ci.\n\nBaichuan3-Turbo est expressément inclus dans la liste de prise en charge des fonctions. Une définition de fonction fournit son nom, sa description et son schéma d’arguments. Le modèle peut sélectionner une opération et générer les arguments ; l’application connectée l’exécute et renvoie le résultat comme message d’outil lié à l’appel. Préservez cette relation au tour suivant. Les choix de sélection de fonctions du fournisseur sont la sélection automatique ou l’absence d’appels d’outils.\n\n### Conserver le texte ou l’objet terminé\n\nL’interface documentée prend en charge une réponse complète ou un flux de fragments textuels ; le mode sans streaming est celui par défaut. Assemblez les fragments diffusés pour constituer la réponse finale. Le résultat indique si la génération s’est arrêtée normalement, a atteint une limite de longueur, a sélectionné un outil ou a rencontré un filtrage de contenu.\n\nUtilisez le livrable terminé pour sa tâche prévue : une réponse concise, une formulation révisée, une fiche extraite ou une explication fondée sur les éléments renvoyés. Vérifiez ensemble les valeurs dépendant des sources et l’édition sélectionnée. Un modèle apparenté à contexte plus grand, une autre génération Baichuan et un résultat de fonction produit par une application restent des parties distinctes du parcours.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo est un modèle de conversation textuelle avec un contexte documenté de 32K. L’interface de son fournisseur prend en charge les réponses complètes ou en streaming, la sortie JSON et les appels de fonctions personnalisées, avec des options séparées de récupération de connaissances et de recherche Web pour des réponses ancrées dans les sources.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Baichuan3-Turbo est un modèle de conversation textuelle générale de la gamme Baichuan de troisième génération. Le concepteur indique un contexte de 32K pour ce nom précis. Baichuan3-Turbo-128k est une entrée distincte avec un contexte plus grand, et les modèles de quatrième génération sont des éditions nommées séparément. Gardez explicites le modèle sélectionné et son profil de contexte lors de la préparation d’une conversation ou de la comparaison des résultats.
La référence de conversation générale du fournisseur fournit un nom de modèle et une liste de messages. Placez les premiers tours avant les suivants. Un message système, lorsqu’il est utilisé, vient en premier et définit le rôle ou les exigences de réponse ; les messages utilisateur apportent la tâche et les messages assistant préservent les réponses précédentes. Le contenu textuel peut être une chaîne ou une structure de contenu textuel typée.
Pour une tâche documentaire, identifiez le passage et le résultat voulu. Un exemple est : « Extrayez l’échéance, le responsable et le livrable énoncés dans cette note de projet et renvoyez une liste de champs avec les formulations qui les étayent. » Pour une réécriture, fournissez le texte original, le public et le ton. Préservez le tour antérieur pertinent lorsque la demande suivante dépend d’une interprétation précédente.
L’opération de conversation documentée accepte un budget maximal de réponse de 1 à 2 048 tokens, avec 2 048 par défaut. Ce réglage de réponse est distinct du contexte de 32K du modèle. Gardez de la place pour la réponse lors du choix de l’entrée et inspectez la raison de fin avant de considérer le résultat comme terminé.
Les réglages d’échantillonnage du concepteur sont temperature de 0 à 1, par défaut 0.3 ; top_p de 0 jusqu’à 1 exclu, par défaut 0.85 ; et top_k de 0 à 20, par défaut 5. Un top_k de 0 désactive cette stratégie de sélection. Il s’agit de réglages de l’interface du fournisseur. Pour une comparaison, gardez la tâche et la source fixes tout en changeant le réglage pertinent pour le résultat à examiner.
Baichuan3-Turbo est explicitement cité parmi les modèles qui prennent en charge la sortie sous forme d’objet JSON. Le mode JSON du fournisseur exige également une instruction dans le message système ou utilisateur pour générer du JSON. Précisez les champs et leur signification, et expliquez comment représenter une valeur inconnue. Vérifiez l’objet renvoyé selon ces exigences avant de le transmettre à l’étape suivante.
Pour l’exemple de note de projet, demandez les champs échéance, responsable et livrable avec le texte qui les étaye. Une réponse arrêtée à cause de son budget de longueur peut contenir du JSON incomplet. Préservez la source et la raison de fin, puis ajustez la tâche ou le budget de réponse avant de traiter un objet partiel comme une fiche valide.
Le parcours de conversation générale propose la récupération dans une base de connaissances, la recherche Web et les fonctions personnalisées. La récupération dans une base de connaissances peut être limitée aux seules connaissances fournies ; dans ce mode, le concepteur précise que l’absence de résultat récupéré signifie l’absence de réponse. Si la récupération et la recherche Web sont configurées ensemble, la récupération est prioritaire. La référence déconseille aussi de combiner les appels de fonctions avec ces outils de récupération ou de recherche dans une même tâche.
Pour une question de connaissances, fournissez la collection pertinente et posez une question ciblée. Pour une question sur des informations actuelles, conservez les éléments réels de recherche avec la réponse. Gardez les éléments fournis par un outil distincts d’une conclusion générée à partir de ceux-ci.
Baichuan3-Turbo est expressément inclus dans la liste de prise en charge des fonctions. Une définition de fonction fournit son nom, sa description et son schéma d’arguments. Le modèle peut sélectionner une opération et générer les arguments ; l’application connectée l’exécute et renvoie le résultat comme message d’outil lié à l’appel. Préservez cette relation au tour suivant. Les choix de sélection de fonctions du fournisseur sont la sélection automatique ou l’absence d’appels d’outils.
L’interface documentée prend en charge une réponse complète ou un flux de fragments textuels ; le mode sans streaming est celui par défaut. Assemblez les fragments diffusés pour constituer la réponse finale. Le résultat indique si la génération s’est arrêtée normalement, a atteint une limite de longueur, a sélectionné un outil ou a rencontré un filtrage de contenu.
Utilisez le livrable terminé pour sa tâche prévue : une réponse concise, une formulation révisée, une fiche extraite ou une explication fondée sur les éléments renvoyés. Vérifiez ensemble les valeurs dépendant des sources et l’édition sélectionnée. Un modèle apparenté à contexte plus grand, une autre génération Baichuan et un résultat de fonction produit par une application restent des parties distinctes du parcours.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Baichuan3-Turbo | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’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 $0.00374 / 1K tokens Sortie · Tokens en sortie $0.00374 / 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": "Baichuan3-Turbo", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Baichuan3-Turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Baichuan3-Turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, 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 Baichuan3-Turbo
Utilisez les chemins de méthode indiqués ci-dessus.
Baichuan3-TurboBaichuan3-Turbo est un modèle de conversation textuelle avec un contexte documenté de 32K. L’interface de son fournisseur prend en charge les réponses complètes ou en streaming, la sortie JSON et les appels de fonctions personnalisées, avec des options séparées de récupération de connaissances et de recherche Web pour des réponses ancrées dans les sources.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Baichuan3-Turbo est un modèle de conversation textuelle générale de la gamme Baichuan de troisième génération. Le concepteur indique un contexte de 32K pour ce nom précis. Baichuan3-Turbo-128k est une entrée distincte avec un contexte plus grand, et les modèles de quatrième génération sont des éditions nommées séparément. Gardez explicites le modèle sélectionné et son profil de contexte lors de la préparation d’une conversation ou de la comparaison des résultats.
La référence de conversation générale du fournisseur fournit un nom de modèle et une liste de messages. Placez les premiers tours avant les suivants. Un message système, lorsqu’il est utilisé, vient en premier et définit le rôle ou les exigences de réponse ; les messages utilisateur apportent la tâche et les messages assistant préservent les réponses précédentes. Le contenu textuel peut être une chaîne ou une structure de contenu textuel typée.
Pour une tâche documentaire, identifiez le passage et le résultat voulu. Un exemple est : « Extrayez l’échéance, le responsable et le livrable énoncés dans cette note de projet et renvoyez une liste de champs avec les formulations qui les étayent. » Pour une réécriture, fournissez le texte original, le public et le ton. Préservez le tour antérieur pertinent lorsque la demande suivante dépend d’une interprétation précédente.
L’opération de conversation documentée accepte un budget maximal de réponse de 1 à 2 048 tokens, avec 2 048 par défaut. Ce réglage de réponse est distinct du contexte de 32K du modèle. Gardez de la place pour la réponse lors du choix de l’entrée et inspectez la raison de fin avant de considérer le résultat comme terminé.
Les réglages d’échantillonnage du concepteur sont temperature de 0 à 1, par défaut 0.3 ; top_p de 0 jusqu’à 1 exclu, par défaut 0.85 ; et top_k de 0 à 20, par défaut 5. Un top_k de 0 désactive cette stratégie de sélection. Il s’agit de réglages de l’interface du fournisseur. Pour une comparaison, gardez la tâche et la source fixes tout en changeant le réglage pertinent pour le résultat à examiner.
Baichuan3-Turbo est explicitement cité parmi les modèles qui prennent en charge la sortie sous forme d’objet JSON. Le mode JSON du fournisseur exige également une instruction dans le message système ou utilisateur pour générer du JSON. Précisez les champs et leur signification, et expliquez comment représenter une valeur inconnue. Vérifiez l’objet renvoyé selon ces exigences avant de le transmettre à l’étape suivante.
Pour l’exemple de note de projet, demandez les champs échéance, responsable et livrable avec le texte qui les étaye. Une réponse arrêtée à cause de son budget de longueur peut contenir du JSON incomplet. Préservez la source et la raison de fin, puis ajustez la tâche ou le budget de réponse avant de traiter un objet partiel comme une fiche valide.
Le parcours de conversation générale propose la récupération dans une base de connaissances, la recherche Web et les fonctions personnalisées. La récupération dans une base de connaissances peut être limitée aux seules connaissances fournies ; dans ce mode, le concepteur précise que l’absence de résultat récupéré signifie l’absence de réponse. Si la récupération et la recherche Web sont configurées ensemble, la récupération est prioritaire. La référence déconseille aussi de combiner les appels de fonctions avec ces outils de récupération ou de recherche dans une même tâche.
Pour une question de connaissances, fournissez la collection pertinente et posez une question ciblée. Pour une question sur des informations actuelles, conservez les éléments réels de recherche avec la réponse. Gardez les éléments fournis par un outil distincts d’une conclusion générée à partir de ceux-ci.
Baichuan3-Turbo est expressément inclus dans la liste de prise en charge des fonctions. Une définition de fonction fournit son nom, sa description et son schéma d’arguments. Le modèle peut sélectionner une opération et générer les arguments ; l’application connectée l’exécute et renvoie le résultat comme message d’outil lié à l’appel. Préservez cette relation au tour suivant. Les choix de sélection de fonctions du fournisseur sont la sélection automatique ou l’absence d’appels d’outils.
L’interface documentée prend en charge une réponse complète ou un flux de fragments textuels ; le mode sans streaming est celui par défaut. Assemblez les fragments diffusés pour constituer la réponse finale. Le résultat indique si la génération s’est arrêtée normalement, a atteint une limite de longueur, a sélectionné un outil ou a rencontré un filtrage de contenu.
Utilisez le livrable terminé pour sa tâche prévue : une réponse concise, une formulation révisée, une fiche extraite ou une explication fondée sur les éléments renvoyés. Vérifiez ensemble les valeurs dépendant des sources et l’édition sélectionnée. Un modèle apparenté à contexte plus grand, une autre génération Baichuan et un résultat de fonction produit par une application restent des parties distinctes du parcours.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Baichuan3-Turbo | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00374 / 1K tokens Sortie · Tokens en sortie $0.00374 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Baichuan3-Turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Baichuan3-Turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les 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 Baichuan3-Turbo
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.