Hermes 3 Llama 3.1 405B est le grand modèle textuel généraliste de Nous Research, développé par ajustement fin de l’ensemble des paramètres de Llama 3.1 405B. Le fabricant souligne l’alignement sur les instructions utilisateur, la capacité d’orientation, le jeu de rôle, le raisonnement, la conversation à plusieurs échanges et la cohérence en contexte long. La sortie est textuelle, notamment réponses, contenus rédigés, code, enregistrements structurés et informations d’appels de fonctions.
C’est le grand profil Hermes 3, distinct de son compagnon 70B et de la version de raisonnement ultérieure Hermes 4. Le fabricant étend les capacités antérieures d’Hermes par l’amélioration des appels de fonctions, des sorties structurées et de la génération de code. Donnez à la tâche ses éléments réels et sa forme finale requise au lieu de supposer que la taille du modèle fournit les sources manquantes ou un critère d’achèvement.
Pour une analyse documentaire, identifiez les passages et les critères de comparaison. Demandez la source pertinente à côté de chaque conclusion et précisez le traitement des informations absentes. Pour une mission rédactionnelle, donnez le public, le ton et les faits devant survivre à la révision. Un prompt pratique serait : « Réécrivez cette explication pour le lecteur indiqué, préservez les termes définis et identifiez toute affirmation non étayée nécessitant une clarification. »
Hermes 3 utilise ChatML pour séparer instructions système, messages utilisateur et réponses de l’assistant. Son propre modèle de conversation peut construire le dialogue et ajouter le préfixe de génération de l’assistant. Les instructions système orientent le rôle, les règles et le style ; elles sont facultatives lorsque la tâche ne nécessite pas de préambule particulier.
Une conversation continue doit garder le texte source distinct des instructions et préserver les faits acceptés dans le contexte pertinent. Pour le jeu de rôle, identifiez qui contrôle chaque personnage et quels événements sont établis. Pour le code, indiquez le comportement qui change et les contrats qui restent intacts. Le livrable souhaité doit rester visible dans le dialogue.
La fiche exacte du modèle documente les signatures de fonctions dans sa représentation de définition d’outils et un schéma de réponse requis pour le nom et les arguments de fonction. Le modèle génère des objets d’appel JSON balisés. L’application analyse et exécute l’opération choisie, puis renvoie son résultat dans une réponse d’outil nommée. La réponse suivante de l’assistant peut expliquer les données réelles.
Donnez à chaque fonction un objectif clair et des descriptions précises de paramètres. Ne laissez pas une recherche proposée remplacer une source retournée. Gardez l’observation associée à l’opération choisie pour qu’une conclusion finale puisse identifier ce qui l’étaye. De même, le code généré reste une proposition jusqu’à son examen et son exécution dans l’environnement prévu.
Le mode JSON d’Hermes 3 est entraîné avec une instruction système contenant le schéma souhaité et demande un objet JSON en réponse. Définissez les champs et la représentation des valeurs sources manquantes ou contradictoires. Validez la structure et vérifiez les faits même si l’objet respecte le schéma.
La configuration publiée fixe max_position_embeddings à 131 072. Répartissez instructions, documents, historique, résultats d’outils et réponse ensemble ; ce champ n’établit pas de plafond universel séparé de sortie. Le modèle complet du producteur et ses variantes quantifiées publiées séparément ont leurs propres identités de précision ; ces variantes ne doivent donc pas être substituées silencieusement au profil 405B nommé.
Un livrable utile est un texte ou du code avec des hypothèses et des liens aux sources clairs. Vérifiez-le par rapport aux exigences fournies et aux observations réelles. Les processus ChatML, d’appels de fonctions et JSON d’Hermes 3 restent distincts des contrôles ultérieurs de réflexion hybride et de raisonnement intercalé d’Hermes 4.
", "aboutText": "Hermes 3 Llama 3.1 405B est le grand modèle textuel généraliste de Nous Research, développé par ajustement fin de l’ensemble des paramètres de Llama 3.1 405B. Le fabricant souligne l’alignement sur les instructions utilisateur, la capacité d’orientation, le jeu de rôle, le raisonnement, la conversation à plusieurs échanges et la cohérence en contexte long. La sortie est textuelle, notamment réponses, contenus rédigés, code, enregistrements structurés et informations d’appels de fonctions.\n\n### L’édition 405B\n\nC’est le grand profil Hermes 3, distinct de son compagnon 70B et de la version de raisonnement ultérieure Hermes 4. Le fabricant étend les capacités antérieures d’Hermes par l’amélioration des appels de fonctions, des sorties structurées et de la génération de code. Donnez à la tâche ses éléments réels et sa forme finale requise au lieu de supposer que la taille du modèle fournit les sources manquantes ou un critère d’achèvement.\n\nPour une analyse documentaire, identifiez les passages et les critères de comparaison. Demandez la source pertinente à côté de chaque conclusion et précisez le traitement des informations absentes. Pour une mission rédactionnelle, donnez le public, le ton et les faits devant survivre à la révision. Un prompt pratique serait : « Réécrivez cette explication pour le lecteur indiqué, préservez les termes définis et identifiez toute affirmation non étayée nécessitant une clarification. »\n\n### Format du prompt et dialogue\n\nHermes 3 utilise ChatML pour séparer instructions système, messages utilisateur et réponses de l’assistant. Son propre modèle de conversation peut construire le dialogue et ajouter le préfixe de génération de l’assistant. Les instructions système orientent le rôle, les règles et le style ; elles sont facultatives lorsque la tâche ne nécessite pas de préambule particulier.\n\nUne conversation continue doit garder le texte source distinct des instructions et préserver les faits acceptés dans le contexte pertinent. Pour le jeu de rôle, identifiez qui contrôle chaque personnage et quels événements sont établis. Pour le code, indiquez le comportement qui change et les contrats qui restent intacts. Le livrable souhaité doit rester visible dans le dialogue.\n\n### Fonctions et observations sources\n\nLa fiche exacte du modèle documente les signatures de fonctions dans sa représentation de définition d’outils et un schéma de réponse requis pour le nom et les arguments de fonction. Le modèle génère des objets d’appel JSON balisés. L’application analyse et exécute l’opération choisie, puis renvoie son résultat dans une réponse d’outil nommée. La réponse suivante de l’assistant peut expliquer les données réelles.\n\nDonnez à chaque fonction un objectif clair et des descriptions précises de paramètres. Ne laissez pas une recherche proposée remplacer une source retournée. Gardez l’observation associée à l’opération choisie pour qu’une conclusion finale puisse identifier ce qui l’étaye. De même, le code généré reste une proposition jusqu’à son examen et son exécution dans l’environnement prévu.\n\n### Résultats JSON, contexte et précision\n\nLe mode JSON d’Hermes 3 est entraîné avec une instruction système contenant le schéma souhaité et demande un objet JSON en réponse. Définissez les champs et la représentation des valeurs sources manquantes ou contradictoires. Validez la structure et vérifiez les faits même si l’objet respecte le schéma.\n\nLa configuration publiée fixe max_position_embeddings à 131 072. Répartissez instructions, documents, historique, résultats d’outils et réponse ensemble ; ce champ n’établit pas de plafond universel séparé de sortie. Le modèle complet du producteur et ses variantes quantifiées publiées séparément ont leurs propres identités de précision ; ces variantes ne doivent donc pas être substituées silencieusement au profil 405B nommé.\n\nUn livrable utile est un texte ou du code avec des hypothèses et des liens aux sources clairs. Vérifiez-le par rapport aux exigences fournies et aux observations réelles. Les processus ChatML, d’appels de fonctions et JSON d’Hermes 3 restent distincts des contrôles ultérieurs de réflexion hybride et de raisonnement intercalé d’Hermes 4.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Rewrite a technical explanation for customers\n\nRewrite this explanation for customers in 80 words or fewer: 'We store an immutable invoice snapshot at purchase. Editing the catalog later changes future invoices but cannot alter that snapshot.' Preserve the meaning of immutable snapshot, explain the effect of a later catalog edit and identify any claim you would need clarified before promising invoice corrections.A concise customer-facing explanation and one separate clarification question about invoice corrections.The rewrite preserves the distinction between historical snapshots and future invoices without inventing a correction process.nousresearch/hermes-3-llama-3.1-405bHermes 3 Llama 3.1 405B est l’ajustement fin textuel généraliste de Nous Research portant sur l’ensemble des 405 milliards de paramètres. Son dialogue ChatML orientable, son JSON guidé par schéma et son format d’appels de fonctions accompagnent l’analyse de sources, la rédaction, le code et le travail en plusieurs étapes avec les observations retournées par les outils applicatifs.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Hermes 3 Llama 3.1 405B est le grand modèle textuel généraliste de Nous Research, développé par ajustement fin de l’ensemble des paramètres de Llama 3.1 405B. Le fabricant souligne l’alignement sur les instructions utilisateur, la capacité d’orientation, le jeu de rôle, le raisonnement, la conversation à plusieurs échanges et la cohérence en contexte long. La sortie est textuelle, notamment réponses, contenus rédigés, code, enregistrements structurés et informations d’appels de fonctions.
C’est le grand profil Hermes 3, distinct de son compagnon 70B et de la version de raisonnement ultérieure Hermes 4. Le fabricant étend les capacités antérieures d’Hermes par l’amélioration des appels de fonctions, des sorties structurées et de la génération de code. Donnez à la tâche ses éléments réels et sa forme finale requise au lieu de supposer que la taille du modèle fournit les sources manquantes ou un critère d’achèvement.
Pour une analyse documentaire, identifiez les passages et les critères de comparaison. Demandez la source pertinente à côté de chaque conclusion et précisez le traitement des informations absentes. Pour une mission rédactionnelle, donnez le public, le ton et les faits devant survivre à la révision. Un prompt pratique serait : « Réécrivez cette explication pour le lecteur indiqué, préservez les termes définis et identifiez toute affirmation non étayée nécessitant une clarification. »
Hermes 3 utilise ChatML pour séparer instructions système, messages utilisateur et réponses de l’assistant. Son propre modèle de conversation peut construire le dialogue et ajouter le préfixe de génération de l’assistant. Les instructions système orientent le rôle, les règles et le style ; elles sont facultatives lorsque la tâche ne nécessite pas de préambule particulier.
Une conversation continue doit garder le texte source distinct des instructions et préserver les faits acceptés dans le contexte pertinent. Pour le jeu de rôle, identifiez qui contrôle chaque personnage et quels événements sont établis. Pour le code, indiquez le comportement qui change et les contrats qui restent intacts. Le livrable souhaité doit rester visible dans le dialogue.
La fiche exacte du modèle documente les signatures de fonctions dans sa représentation de définition d’outils et un schéma de réponse requis pour le nom et les arguments de fonction. Le modèle génère des objets d’appel JSON balisés. L’application analyse et exécute l’opération choisie, puis renvoie son résultat dans une réponse d’outil nommée. La réponse suivante de l’assistant peut expliquer les données réelles.
Donnez à chaque fonction un objectif clair et des descriptions précises de paramètres. Ne laissez pas une recherche proposée remplacer une source retournée. Gardez l’observation associée à l’opération choisie pour qu’une conclusion finale puisse identifier ce qui l’étaye. De même, le code généré reste une proposition jusqu’à son examen et son exécution dans l’environnement prévu.
Le mode JSON d’Hermes 3 est entraîné avec une instruction système contenant le schéma souhaité et demande un objet JSON en réponse. Définissez les champs et la représentation des valeurs sources manquantes ou contradictoires. Validez la structure et vérifiez les faits même si l’objet respecte le schéma.
La configuration publiée fixe max_position_embeddings à 131 072. Répartissez instructions, documents, historique, résultats d’outils et réponse ensemble ; ce champ n’établit pas de plafond universel séparé de sortie. Le modèle complet du producteur et ses variantes quantifiées publiées séparément ont leurs propres identités de précision ; ces variantes ne doivent donc pas être substituées silencieusement au profil 405B nommé.
Un livrable utile est un texte ou du code avec des hypothèses et des liens aux sources clairs. Vérifiez-le par rapport aux exigences fournies et aux observations réelles. Les processus ChatML, d’appels de fonctions et JSON d’Hermes 3 restent distincts des contrôles ultérieurs de réflexion hybride et de raisonnement intercalé d’Hermes 4.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites nousresearch/hermes-3-llama-3.1-405b | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.002 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.002 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nousresearch/hermes-3-llama-3.1-405b", "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='nousresearch/hermes-3-llama-3.1-405b',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='nousresearch/hermes-3-llama-3.1-405b',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 nousresearch/hermes-3-llama-3.1-405b
Utilisez les chemins de méthode indiqués ci-dessus.
nousresearch/hermes-3-llama-3.1-405bHermes 3 Llama 3.1 405B est l’ajustement fin textuel généraliste de Nous Research portant sur l’ensemble des 405 milliards de paramètres. Son dialogue ChatML orientable, son JSON guidé par schéma et son format d’appels de fonctions accompagnent l’analyse de sources, la rédaction, le code et le travail en plusieurs étapes avec les observations retournées par les outils applicatifs.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Hermes 3 Llama 3.1 405B est le grand modèle textuel généraliste de Nous Research, développé par ajustement fin de l’ensemble des paramètres de Llama 3.1 405B. Le fabricant souligne l’alignement sur les instructions utilisateur, la capacité d’orientation, le jeu de rôle, le raisonnement, la conversation à plusieurs échanges et la cohérence en contexte long. La sortie est textuelle, notamment réponses, contenus rédigés, code, enregistrements structurés et informations d’appels de fonctions.
C’est le grand profil Hermes 3, distinct de son compagnon 70B et de la version de raisonnement ultérieure Hermes 4. Le fabricant étend les capacités antérieures d’Hermes par l’amélioration des appels de fonctions, des sorties structurées et de la génération de code. Donnez à la tâche ses éléments réels et sa forme finale requise au lieu de supposer que la taille du modèle fournit les sources manquantes ou un critère d’achèvement.
Pour une analyse documentaire, identifiez les passages et les critères de comparaison. Demandez la source pertinente à côté de chaque conclusion et précisez le traitement des informations absentes. Pour une mission rédactionnelle, donnez le public, le ton et les faits devant survivre à la révision. Un prompt pratique serait : « Réécrivez cette explication pour le lecteur indiqué, préservez les termes définis et identifiez toute affirmation non étayée nécessitant une clarification. »
Hermes 3 utilise ChatML pour séparer instructions système, messages utilisateur et réponses de l’assistant. Son propre modèle de conversation peut construire le dialogue et ajouter le préfixe de génération de l’assistant. Les instructions système orientent le rôle, les règles et le style ; elles sont facultatives lorsque la tâche ne nécessite pas de préambule particulier.
Une conversation continue doit garder le texte source distinct des instructions et préserver les faits acceptés dans le contexte pertinent. Pour le jeu de rôle, identifiez qui contrôle chaque personnage et quels événements sont établis. Pour le code, indiquez le comportement qui change et les contrats qui restent intacts. Le livrable souhaité doit rester visible dans le dialogue.
La fiche exacte du modèle documente les signatures de fonctions dans sa représentation de définition d’outils et un schéma de réponse requis pour le nom et les arguments de fonction. Le modèle génère des objets d’appel JSON balisés. L’application analyse et exécute l’opération choisie, puis renvoie son résultat dans une réponse d’outil nommée. La réponse suivante de l’assistant peut expliquer les données réelles.
Donnez à chaque fonction un objectif clair et des descriptions précises de paramètres. Ne laissez pas une recherche proposée remplacer une source retournée. Gardez l’observation associée à l’opération choisie pour qu’une conclusion finale puisse identifier ce qui l’étaye. De même, le code généré reste une proposition jusqu’à son examen et son exécution dans l’environnement prévu.
Le mode JSON d’Hermes 3 est entraîné avec une instruction système contenant le schéma souhaité et demande un objet JSON en réponse. Définissez les champs et la représentation des valeurs sources manquantes ou contradictoires. Validez la structure et vérifiez les faits même si l’objet respecte le schéma.
La configuration publiée fixe max_position_embeddings à 131 072. Répartissez instructions, documents, historique, résultats d’outils et réponse ensemble ; ce champ n’établit pas de plafond universel séparé de sortie. Le modèle complet du producteur et ses variantes quantifiées publiées séparément ont leurs propres identités de précision ; ces variantes ne doivent donc pas être substituées silencieusement au profil 405B nommé.
Un livrable utile est un texte ou du code avec des hypothèses et des liens aux sources clairs. Vérifiez-le par rapport aux exigences fournies et aux observations réelles. Les processus ChatML, d’appels de fonctions et JSON d’Hermes 3 restent distincts des contrôles ultérieurs de réflexion hybride et de raisonnement intercalé d’Hermes 4.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites nousresearch/hermes-3-llama-3.1-405b | 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.002 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.002 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "nousresearch/hermes-3-llama-3.1-405b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'nousresearch/hermes-3-llama-3.1-405b', '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': 'nousresearch/hermes-3-llama-3.1-405b', '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 nousresearch/hermes-3-llama-3.1-405b
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Rewrite a technical explanation for customers\n\nRewrite this explanation for customers in 80 words or fewer: 'We store an immutable invoice snapshot at purchase. Editing the catalog later changes future invoices but cannot alter that snapshot.' Preserve the meaning of immutable snapshot, explain the effect of a later catalog edit and identify any claim you would need clarified before promising invoice corrections.A concise customer-facing explanation and one separate clarification question about invoice corrections.The rewrite preserves the distinction between historical snapshots and future invoices without inventing a correction process.