Hy-MT2-1.8B est le modèle de traduction compact de Tencent Hy pour les contenus écrits et les consignes multilingues. Il s’agit de l’édition dense 1.8B d’une famille qui comprend aussi les modèles 7B et 30B-A3B. Le fournisseur conçoit Hy-MT2 pour des tâches réelles de traduction comportant des exigences explicites de terminologie, de style, de personnalisation et de structure du texte traduit. Le tableau des langues du fabricant comprend le chinois, le chinois traditionnel, l’anglais, le japonais, le coréen, le russe, l’arabe, le français et l’espagnol, ainsi que le cantonais, le tibétain, le kazakh, le mongol et l’ouïghour.
Sa configuration publiée comporte 32 couches, 16 têtes d’attention de requête et quatre têtes clé/valeur, avec un maximum de 262 144 positions. Il s’agit de la spécification de contexte de la configuration du modèle. L’exemple de requête d’inférence du fournisseur alloue 4096 tokens générés, ce qui constitue un budget d’exemple et non une limite de sortie intrinsèque distincte.
Pour une traduction simple, nommez la langue cible en toutes lettres et précisez si le résultat doit contenir uniquement le texte traduit. Le fournisseur recommande d’utiliser les noms complets des langues dans la langue du prompt. Séparez le texte source de la consigne afin que le contenu à traduire ne devienne pas une instruction sur le rôle du modèle.
La terminologie et le style peuvent être précisés directement. Fournissez les termes et leurs traductions préférées, puis identifiez le public et le ton. Pour une traduction personnalisée, énumérez les contraintes avant le contenu source. Si des informations contextuelles modifient l’interprétation d’un terme ou d’une phrase, incluez-les comme contexte et expliquez qu’elles doivent guider la traduction.
Le texte structuré exige des règles de préservation précises. Les exemples du fabricant conservent l’imbrication, la hiérarchie et l’indentation en ne traduisant que les valeurs visibles par l’utilisateur. Les clés, les balises de code, les propriétés et les espaces réservés aux variables restent inchangés. Pour un contenu délimité, précisez que le nombre et l’emplacement des séparateurs doivent être conservés, sans échappement ni traduction.
Le fournisseur recommande temperature 0.7, top-p 0.6, top-k 20 et une pénalité de répétition de 1.05 pour les éditions 1.8B et 7B, et n’indique aucun prompt système par défaut. L’édition compacte dispose également de ressources compressées publiées séparément pour un usage local. Une variante 1.25-bit du fournisseur occupe 440 MB de stockage ; ce chiffre appartient à la ressource compressée nommée et non à la sélection du modèle 1.8B de base.
Préparez la sortie sous la forme du passage traduit ou des données structurées demandées, puis vérifiez la terminologie, le sens et les symboles préservés par rapport à la source. Pour une petite tâche de localisation logicielle, comparez les clés et espaces réservés d’origine et traduits en parallèle du texte visible. Cela rend vérifiables à la fois la traduction et ses contraintes structurelles.
", "aboutText": "Hy-MT2-1.8B est le modèle de traduction compact de Tencent Hy pour les contenus écrits et les consignes multilingues. Il s’agit de l’édition dense 1.8B d’une famille qui comprend aussi les modèles 7B et 30B-A3B. Le fournisseur conçoit Hy-MT2 pour des tâches réelles de traduction comportant des exigences explicites de terminologie, de style, de personnalisation et de structure du texte traduit. Le tableau des langues du fabricant comprend le chinois, le chinois traditionnel, l’anglais, le japonais, le coréen, le russe, l’arabe, le français et l’espagnol, ainsi que le cantonais, le tibétain, le kazakh, le mongol et l’ouïghour.\n\nSa configuration publiée comporte 32 couches, 16 têtes d’attention de requête et quatre têtes clé/valeur, avec un maximum de 262 144 positions. Il s’agit de la spécification de contexte de la configuration du modèle. L’exemple de requête d’inférence du fournisseur alloue 4096 tokens générés, ce qui constitue un budget d’exemple et non une limite de sortie intrinsèque distincte.\n\nPour une traduction simple, nommez la langue cible en toutes lettres et précisez si le résultat doit contenir uniquement le texte traduit. Le fournisseur recommande d’utiliser les noms complets des langues dans la langue du prompt. Séparez le texte source de la consigne afin que le contenu à traduire ne devienne pas une instruction sur le rôle du modèle.\n\nLa terminologie et le style peuvent être précisés directement. Fournissez les termes et leurs traductions préférées, puis identifiez le public et le ton. Pour une traduction personnalisée, énumérez les contraintes avant le contenu source. Si des informations contextuelles modifient l’interprétation d’un terme ou d’une phrase, incluez-les comme contexte et expliquez qu’elles doivent guider la traduction.\n\nLe texte structuré exige des règles de préservation précises. Les exemples du fabricant conservent l’imbrication, la hiérarchie et l’indentation en ne traduisant que les valeurs visibles par l’utilisateur. Les clés, les balises de code, les propriétés et les espaces réservés aux variables restent inchangés. Pour un contenu délimité, précisez que le nombre et l’emplacement des séparateurs doivent être conservés, sans échappement ni traduction.\n\nLe fournisseur recommande temperature 0.7, top-p 0.6, top-k 20 et une pénalité de répétition de 1.05 pour les éditions 1.8B et 7B, et n’indique aucun prompt système par défaut. L’édition compacte dispose également de ressources compressées publiées séparément pour un usage local. Une variante 1.25-bit du fournisseur occupe 440 MB de stockage ; ce chiffre appartient à la ressource compressée nommée et non à la sélection du modèle 1.8B de base.\n\nPréparez la sortie sous la forme du passage traduit ou des données structurées demandées, puis vérifiez la terminologie, le sens et les symboles préservés par rapport à la source. Pour une petite tâche de localisation logicielle, comparez les clés et espaces réservés d’origine et traduits en parallèle du texte visible. Cela rend vérifiables à la fois la traduction et ses contraintes structurelles.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Translate structured interface strings\n\nTranslate the visible values into Spanish for a neutral product interface. Keep keys, nesting and the placeholder {count} unchanged. Use 'espacio de trabajo' for 'workspace'. Source: {"workspace":{"title":"Open workspace","notice":"You have {count} unsaved changes"}}. Return only the translated structure, preserving every key and placeholder exactly.The same nested structure with Spanish user-facing values, unchanged keys and the exact {count} placeholder.Compare original and translated key paths and placeholder counts before reviewing the terminology.tencent/hy-mt2-1.8bHy-MT2-1.8B de Tencent est l’édition dense compacte de sa famille de traduction à réflexion rapide. Elle suit les consignes de terminologie, de style et de texte structuré, avec une configuration publiée de 262 144 positions et des variantes compressées distinctes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Hy-MT2-1.8B est le modèle de traduction compact de Tencent Hy pour les contenus écrits et les consignes multilingues. Il s’agit de l’édition dense 1.8B d’une famille qui comprend aussi les modèles 7B et 30B-A3B. Le fournisseur conçoit Hy-MT2 pour des tâches réelles de traduction comportant des exigences explicites de terminologie, de style, de personnalisation et de structure du texte traduit. Le tableau des langues du fabricant comprend le chinois, le chinois traditionnel, l’anglais, le japonais, le coréen, le russe, l’arabe, le français et l’espagnol, ainsi que le cantonais, le tibétain, le kazakh, le mongol et l’ouïghour.
Sa configuration publiée comporte 32 couches, 16 têtes d’attention de requête et quatre têtes clé/valeur, avec un maximum de 262 144 positions. Il s’agit de la spécification de contexte de la configuration du modèle. L’exemple de requête d’inférence du fournisseur alloue 4096 tokens générés, ce qui constitue un budget d’exemple et non une limite de sortie intrinsèque distincte.
Pour une traduction simple, nommez la langue cible en toutes lettres et précisez si le résultat doit contenir uniquement le texte traduit. Le fournisseur recommande d’utiliser les noms complets des langues dans la langue du prompt. Séparez le texte source de la consigne afin que le contenu à traduire ne devienne pas une instruction sur le rôle du modèle.
La terminologie et le style peuvent être précisés directement. Fournissez les termes et leurs traductions préférées, puis identifiez le public et le ton. Pour une traduction personnalisée, énumérez les contraintes avant le contenu source. Si des informations contextuelles modifient l’interprétation d’un terme ou d’une phrase, incluez-les comme contexte et expliquez qu’elles doivent guider la traduction.
Le texte structuré exige des règles de préservation précises. Les exemples du fabricant conservent l’imbrication, la hiérarchie et l’indentation en ne traduisant que les valeurs visibles par l’utilisateur. Les clés, les balises de code, les propriétés et les espaces réservés aux variables restent inchangés. Pour un contenu délimité, précisez que le nombre et l’emplacement des séparateurs doivent être conservés, sans échappement ni traduction.
Le fournisseur recommande temperature 0.7, top-p 0.6, top-k 20 et une pénalité de répétition de 1.05 pour les éditions 1.8B et 7B, et n’indique aucun prompt système par défaut. L’édition compacte dispose également de ressources compressées publiées séparément pour un usage local. Une variante 1.25-bit du fournisseur occupe 440 MB de stockage ; ce chiffre appartient à la ressource compressée nommée et non à la sélection du modèle 1.8B de base.
Préparez la sortie sous la forme du passage traduit ou des données structurées demandées, puis vérifiez la terminologie, le sens et les symboles préservés par rapport à la source. Pour une petite tâche de localisation logicielle, comparez les clés et espaces réservés d’origine et traduits en parallèle du texte visible. Cela rend vérifiables à la fois la traduction et ses contraintes structurelles.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites tencent/hy-mt2-1.8b | 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 $0.000088 / 1K tokens Sortie · Tokens en sortie $0.000354 / 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 $0.000088 / 1K tokens Sortie · Tokens en sortie $0.000354 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy-mt2-1.8b", "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='tencent/hy-mt2-1.8b',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='tencent/hy-mt2-1.8b',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 tencent/hy-mt2-1.8b
Utilisez les chemins de méthode indiqués ci-dessus.
tencent/hy-mt2-1.8bHy-MT2-1.8B de Tencent est l’édition dense compacte de sa famille de traduction à réflexion rapide. Elle suit les consignes de terminologie, de style et de texte structuré, avec une configuration publiée de 262 144 positions et des variantes compressées distinctes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Hy-MT2-1.8B est le modèle de traduction compact de Tencent Hy pour les contenus écrits et les consignes multilingues. Il s’agit de l’édition dense 1.8B d’une famille qui comprend aussi les modèles 7B et 30B-A3B. Le fournisseur conçoit Hy-MT2 pour des tâches réelles de traduction comportant des exigences explicites de terminologie, de style, de personnalisation et de structure du texte traduit. Le tableau des langues du fabricant comprend le chinois, le chinois traditionnel, l’anglais, le japonais, le coréen, le russe, l’arabe, le français et l’espagnol, ainsi que le cantonais, le tibétain, le kazakh, le mongol et l’ouïghour.
Sa configuration publiée comporte 32 couches, 16 têtes d’attention de requête et quatre têtes clé/valeur, avec un maximum de 262 144 positions. Il s’agit de la spécification de contexte de la configuration du modèle. L’exemple de requête d’inférence du fournisseur alloue 4096 tokens générés, ce qui constitue un budget d’exemple et non une limite de sortie intrinsèque distincte.
Pour une traduction simple, nommez la langue cible en toutes lettres et précisez si le résultat doit contenir uniquement le texte traduit. Le fournisseur recommande d’utiliser les noms complets des langues dans la langue du prompt. Séparez le texte source de la consigne afin que le contenu à traduire ne devienne pas une instruction sur le rôle du modèle.
La terminologie et le style peuvent être précisés directement. Fournissez les termes et leurs traductions préférées, puis identifiez le public et le ton. Pour une traduction personnalisée, énumérez les contraintes avant le contenu source. Si des informations contextuelles modifient l’interprétation d’un terme ou d’une phrase, incluez-les comme contexte et expliquez qu’elles doivent guider la traduction.
Le texte structuré exige des règles de préservation précises. Les exemples du fabricant conservent l’imbrication, la hiérarchie et l’indentation en ne traduisant que les valeurs visibles par l’utilisateur. Les clés, les balises de code, les propriétés et les espaces réservés aux variables restent inchangés. Pour un contenu délimité, précisez que le nombre et l’emplacement des séparateurs doivent être conservés, sans échappement ni traduction.
Le fournisseur recommande temperature 0.7, top-p 0.6, top-k 20 et une pénalité de répétition de 1.05 pour les éditions 1.8B et 7B, et n’indique aucun prompt système par défaut. L’édition compacte dispose également de ressources compressées publiées séparément pour un usage local. Une variante 1.25-bit du fournisseur occupe 440 MB de stockage ; ce chiffre appartient à la ressource compressée nommée et non à la sélection du modèle 1.8B de base.
Préparez la sortie sous la forme du passage traduit ou des données structurées demandées, puis vérifiez la terminologie, le sens et les symboles préservés par rapport à la source. Pour une petite tâche de localisation logicielle, comparez les clés et espaces réservés d’origine et traduits en parallèle du texte visible. Cela rend vérifiables à la fois la traduction et ses contraintes structurelles.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites tencent/hy-mt2-1.8b | 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 $0.000088 / 1K tokens Sortie · Tokens en sortie $0.000354 / 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 $0.000088 / 1K tokens Sortie · Tokens en sortie $0.000354 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "tencent/hy-mt2-1.8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'tencent/hy-mt2-1.8b', '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': 'tencent/hy-mt2-1.8b', '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 tencent/hy-mt2-1.8b
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Translate structured interface strings\n\nTranslate the visible values into Spanish for a neutral product interface. Keep keys, nesting and the placeholder {count} unchanged. Use 'espacio de trabajo' for 'workspace'. Source: {"workspace":{"title":"Open workspace","notice":"You have {count} unsaved changes"}}. Return only the translated structure, preserving every key and placeholder exactly.The same nested structure with Spanish user-facing values, unchanged keys and the exact {count} placeholder.Compare original and translated key paths and placeholder counts before reviewing the terminology.