Baichuan4 adalah model percakapan umum generasi keempat bernama dalam jajaran Baichuan. Pembuatnya mendokumentasikan konteks 32K untuk edisi tepat ini. Baichuan4-Turbo dan Baichuan4-Air merupakan edisi terpisah dengan profil model masing-masing.
Model ini bekerja dengan percakapan teks dan menghasilkan respons asisten atau permintaan panggilan fungsi dalam alur yang didokumentasikan pembuatnya. Tugas yang berguna meliputi menjawab berdasarkan informasi yang disediakan, menyusun isi dokumen, merevisi teks dan menghasilkan rekaman data terstruktur untuk aplikasi.
Siapkan pesan sesuai urutan waktu, dengan instruksi system di awal jika diperlukan. Pisahkan tugas pengguna dari jawaban asisten terdahulu dan hasil alat eksternal. Referensi pembuatnya menerima string teks biasa atau struktur konten teks bertipe, dan menggunakan peran pesan tool terpisah untuk hasil panggilan fungsi.
Untuk perbandingan, sertakan kedua bagian teks, beri label jelas dan minta kesesuaian, pertentangan serta kata-kata pendukung. Untuk penjelasan revisi, tentukan audiens dan detail yang harus tetap ada setelah penulisan ulang. Instruksi yang berguna adalah: “Bandingkan dua deskripsi proyek ini, cantumkan persyaratan yang berubah, dan identifikasi bagian yang menetapkan setiap perubahan.”
Baichuan4 secara eksplisit termasuk dalam mode objek JSON pembuatnya. Mengaktifkan mode tersebut juga memerlukan instruksi system atau user untuk menghasilkan JSON. Tentukan bidang wajib dan bagaimana informasi yang hilang harus ditampilkan. Parse dan periksa hasil sebelum menggunakannya sebagai rekaman data aplikasi.
Operasi percakapan pembuatnya menerima max_tokens dari 1 hingga 2.048, dengan bawaan 2.048. Pengaturan sampling-nya adalah temperature dari 0 hingga 1, bawaan 0.3; top_p dari 0 hingga tetapi tidak termasuk 1, bawaan 0.85; dan top_k dari 0 hingga 20, bawaan 5. Mengatur top_k ke 0 mematikan strategi tersebut. Jatah respons berbeda dari konteks 32K: siapkan materi sumber bersama ruang untuk jawaban.
Jika alasan penyelesaian adalah length, jawaban tertulis atau objek JSON mungkin tidak lengkap. Simpan hasil parsial dan alasan penghentiannya, lalu putuskan apakah artefak yang diminta perlu dipersingkat, masukan dikurangi atau jatah respons yang berlaku direvisi.
Alat pembuatnya membedakan pengambilan basis pengetahuan dari pencarian web. Permintaan basis pengetahuan menyebutkan koleksi yang relevan. Mode jawaban hanya berdasarkan basis pengetahuannya mencegah jawaban ketika pengambilan tidak menemukan hasil. Jika pencarian web dan pengambilan pengetahuan sama-sama dikonfigurasi, referensi menetapkan bahwa pengambilan diutamakan.
Untuk fakta yang berubah, simpan informasi hasil pengambilan atau pencarian sebenarnya agar jawaban akhir dapat diperiksa terhadapnya. Simpan sumber, tanggal dan kualifikasi relevan bersama pengamatan. Jika tugas menyangkut koleksi yang disediakan, ajukan pertanyaan terarah, alih-alih menggabungkan pertanyaan pengambilan dengan instruksi kreatif yang tidak berkaitan.
Contoh Baichuan4 yang didokumentasikan menunjukkan pemilihan di antara fungsi khusus dan kelanjutan setelah aplikasi mengembalikan hasil fungsi. Definisikan setiap fungsi dengan nama, tujuan dan skema argumen. Pertahankan panggilan asisten dan hasil alat yang cocok, lalu minta respons berikutnya menjelaskan atau menggunakan pengamatan tersebut.
Perbandingan praktis dapat meminta dua pembacaan nyata, seperti nilai untuk dua tanggal berbeda, dan meminta selisihnya. Aplikasi menyediakan pembacaan tersebut; fungsi pilihan model dan argumen yang dihasilkan merupakan permintaan untuk operasi itu. Pengaturan pemilihan otomatis atau tanpa alat pembuatnya berlaku pada fungsi. Referensi menyarankan memisahkan panggilan fungsi dari konfigurasi pencarian web atau pengambilan.
Non-streaming adalah mode bawaan pembuatnya; streaming mengembalikan potongan respons bertahap yang harus dirakit. Alasan penyelesaian membedakan penghentian normal, permintaan alat, batas keluaran atau panjang konteks dan penyaringan konten. Simpan pesan atau objek jadi bersama materi sumber dan pengamatan alat yang diperlukan untuk menafsirkannya.
Tinjau hasil untuk bidang yang diminta, perbandingan yang didukung dan kata-kata yang sesuai dengan tujuannya. Simpan identitas Baichuan4 yang tepat bersama tugas saat membandingkan edisi lain. Hasil yang berguna adalah artefak teks lengkap atau penjelasan pengamatan alat sebenarnya, dengan bagian permintaan yang belum terselesaikan tetap dapat diidentifikasi.
", "aboutText": "### Baichuan4 sebagai edisi percakapan tersendiri\n\nBaichuan4 adalah model percakapan umum generasi keempat bernama dalam jajaran Baichuan. Pembuatnya mendokumentasikan konteks 32K untuk edisi tepat ini. Baichuan4-Turbo dan Baichuan4-Air merupakan edisi terpisah dengan profil model masing-masing.\n\nModel ini bekerja dengan percakapan teks dan menghasilkan respons asisten atau permintaan panggilan fungsi dalam alur yang didokumentasikan pembuatnya. Tugas yang berguna meliputi menjawab berdasarkan informasi yang disediakan, menyusun isi dokumen, merevisi teks dan menghasilkan rekaman data terstruktur untuk aplikasi.\n\n### Menyediakan permintaan dialog lengkap\n\nSiapkan pesan sesuai urutan waktu, dengan instruksi system di awal jika diperlukan. Pisahkan tugas pengguna dari jawaban asisten terdahulu dan hasil alat eksternal. Referensi pembuatnya menerima string teks biasa atau struktur konten teks bertipe, dan menggunakan peran pesan tool terpisah untuk hasil panggilan fungsi.\n\nUntuk perbandingan, sertakan kedua bagian teks, beri label jelas dan minta kesesuaian, pertentangan serta kata-kata pendukung. Untuk penjelasan revisi, tentukan audiens dan detail yang harus tetap ada setelah penulisan ulang. Instruksi yang berguna adalah: “Bandingkan dua deskripsi proyek ini, cantumkan persyaratan yang berubah, dan identifikasi bagian yang menetapkan setiap perubahan.”\n\n### Memilih bentuk keluaran dan jatah respons\n\nBaichuan4 secara eksplisit termasuk dalam mode objek JSON pembuatnya. Mengaktifkan mode tersebut juga memerlukan instruksi system atau user untuk menghasilkan JSON. Tentukan bidang wajib dan bagaimana informasi yang hilang harus ditampilkan. Parse dan periksa hasil sebelum menggunakannya sebagai rekaman data aplikasi.\n\nOperasi percakapan pembuatnya menerima max_tokens dari 1 hingga 2.048, dengan bawaan 2.048. Pengaturan sampling-nya adalah temperature dari 0 hingga 1, bawaan 0.3; top_p dari 0 hingga tetapi tidak termasuk 1, bawaan 0.85; dan top_k dari 0 hingga 20, bawaan 5. Mengatur top_k ke 0 mematikan strategi tersebut. Jatah respons berbeda dari konteks 32K: siapkan materi sumber bersama ruang untuk jawaban.\n\nJika alasan penyelesaian adalah length, jawaban tertulis atau objek JSON mungkin tidak lengkap. Simpan hasil parsial dan alasan penghentiannya, lalu putuskan apakah artefak yang diminta perlu dipersingkat, masukan dikurangi atau jatah respons yang berlaku direvisi.\n\n### Melandaskan jawaban pada informasi yang diambil\n\nAlat pembuatnya membedakan pengambilan basis pengetahuan dari pencarian web. Permintaan basis pengetahuan menyebutkan koleksi yang relevan. Mode jawaban hanya berdasarkan basis pengetahuannya mencegah jawaban ketika pengambilan tidak menemukan hasil. Jika pencarian web dan pengambilan pengetahuan sama-sama dikonfigurasi, referensi menetapkan bahwa pengambilan diutamakan.\n\nUntuk fakta yang berubah, simpan informasi hasil pengambilan atau pencarian sebenarnya agar jawaban akhir dapat diperiksa terhadapnya. Simpan sumber, tanggal dan kualifikasi relevan bersama pengamatan. Jika tugas menyangkut koleksi yang disediakan, ajukan pertanyaan terarah, alih-alih menggabungkan pertanyaan pengambilan dengan instruksi kreatif yang tidak berkaitan.\n\n### Melanjutkan dari hasil fungsi nyata\n\nContoh Baichuan4 yang didokumentasikan menunjukkan pemilihan di antara fungsi khusus dan kelanjutan setelah aplikasi mengembalikan hasil fungsi. Definisikan setiap fungsi dengan nama, tujuan dan skema argumen. Pertahankan panggilan asisten dan hasil alat yang cocok, lalu minta respons berikutnya menjelaskan atau menggunakan pengamatan tersebut.\n\nPerbandingan praktis dapat meminta dua pembacaan nyata, seperti nilai untuk dua tanggal berbeda, dan meminta selisihnya. Aplikasi menyediakan pembacaan tersebut; fungsi pilihan model dan argumen yang dihasilkan merupakan permintaan untuk operasi itu. Pengaturan pemilihan otomatis atau tanpa alat pembuatnya berlaku pada fungsi. Referensi menyarankan memisahkan panggilan fungsi dari konfigurasi pencarian web atau pengambilan.\n\n### Mengumpulkan dan memeriksa artefak akhir\n\nNon-streaming adalah mode bawaan pembuatnya; streaming mengembalikan potongan respons bertahap yang harus dirakit. Alasan penyelesaian membedakan penghentian normal, permintaan alat, batas keluaran atau panjang konteks dan penyaringan konten. Simpan pesan atau objek jadi bersama materi sumber dan pengamatan alat yang diperlukan untuk menafsirkannya.\n\nTinjau hasil untuk bidang yang diminta, perbandingan yang didukung dan kata-kata yang sesuai dengan tujuannya. Simpan identitas Baichuan4 yang tepat bersama tugas saat membandingkan edisi lain. Hasil yang berguna adalah artefak teks lengkap atau penjelasan pengamatan alat sebenarnya, dengan bagian permintaan yang belum terselesaikan tetap dapat diidentifikasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.Baichuan4Baichuan4 adalah model percakapan teks generasi keempat bernama dengan konteks 32K yang didokumentasikan. Alur pembuatnya mendukung jawaban objek JSON, teks lengkap atau streaming, fungsi khusus dan bukti dari pengambilan basis pengetahuan atau pencarian web.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Baichuan4 adalah model percakapan umum generasi keempat bernama dalam jajaran Baichuan. Pembuatnya mendokumentasikan konteks 32K untuk edisi tepat ini. Baichuan4-Turbo dan Baichuan4-Air merupakan edisi terpisah dengan profil model masing-masing.
Model ini bekerja dengan percakapan teks dan menghasilkan respons asisten atau permintaan panggilan fungsi dalam alur yang didokumentasikan pembuatnya. Tugas yang berguna meliputi menjawab berdasarkan informasi yang disediakan, menyusun isi dokumen, merevisi teks dan menghasilkan rekaman data terstruktur untuk aplikasi.
Siapkan pesan sesuai urutan waktu, dengan instruksi system di awal jika diperlukan. Pisahkan tugas pengguna dari jawaban asisten terdahulu dan hasil alat eksternal. Referensi pembuatnya menerima string teks biasa atau struktur konten teks bertipe, dan menggunakan peran pesan tool terpisah untuk hasil panggilan fungsi.
Untuk perbandingan, sertakan kedua bagian teks, beri label jelas dan minta kesesuaian, pertentangan serta kata-kata pendukung. Untuk penjelasan revisi, tentukan audiens dan detail yang harus tetap ada setelah penulisan ulang. Instruksi yang berguna adalah: “Bandingkan dua deskripsi proyek ini, cantumkan persyaratan yang berubah, dan identifikasi bagian yang menetapkan setiap perubahan.”
Baichuan4 secara eksplisit termasuk dalam mode objek JSON pembuatnya. Mengaktifkan mode tersebut juga memerlukan instruksi system atau user untuk menghasilkan JSON. Tentukan bidang wajib dan bagaimana informasi yang hilang harus ditampilkan. Parse dan periksa hasil sebelum menggunakannya sebagai rekaman data aplikasi.
Operasi percakapan pembuatnya menerima max_tokens dari 1 hingga 2.048, dengan bawaan 2.048. Pengaturan sampling-nya adalah temperature dari 0 hingga 1, bawaan 0.3; top_p dari 0 hingga tetapi tidak termasuk 1, bawaan 0.85; dan top_k dari 0 hingga 20, bawaan 5. Mengatur top_k ke 0 mematikan strategi tersebut. Jatah respons berbeda dari konteks 32K: siapkan materi sumber bersama ruang untuk jawaban.
Jika alasan penyelesaian adalah length, jawaban tertulis atau objek JSON mungkin tidak lengkap. Simpan hasil parsial dan alasan penghentiannya, lalu putuskan apakah artefak yang diminta perlu dipersingkat, masukan dikurangi atau jatah respons yang berlaku direvisi.
Alat pembuatnya membedakan pengambilan basis pengetahuan dari pencarian web. Permintaan basis pengetahuan menyebutkan koleksi yang relevan. Mode jawaban hanya berdasarkan basis pengetahuannya mencegah jawaban ketika pengambilan tidak menemukan hasil. Jika pencarian web dan pengambilan pengetahuan sama-sama dikonfigurasi, referensi menetapkan bahwa pengambilan diutamakan.
Untuk fakta yang berubah, simpan informasi hasil pengambilan atau pencarian sebenarnya agar jawaban akhir dapat diperiksa terhadapnya. Simpan sumber, tanggal dan kualifikasi relevan bersama pengamatan. Jika tugas menyangkut koleksi yang disediakan, ajukan pertanyaan terarah, alih-alih menggabungkan pertanyaan pengambilan dengan instruksi kreatif yang tidak berkaitan.
Contoh Baichuan4 yang didokumentasikan menunjukkan pemilihan di antara fungsi khusus dan kelanjutan setelah aplikasi mengembalikan hasil fungsi. Definisikan setiap fungsi dengan nama, tujuan dan skema argumen. Pertahankan panggilan asisten dan hasil alat yang cocok, lalu minta respons berikutnya menjelaskan atau menggunakan pengamatan tersebut.
Perbandingan praktis dapat meminta dua pembacaan nyata, seperti nilai untuk dua tanggal berbeda, dan meminta selisihnya. Aplikasi menyediakan pembacaan tersebut; fungsi pilihan model dan argumen yang dihasilkan merupakan permintaan untuk operasi itu. Pengaturan pemilihan otomatis atau tanpa alat pembuatnya berlaku pada fungsi. Referensi menyarankan memisahkan panggilan fungsi dari konfigurasi pencarian web atau pengambilan.
Non-streaming adalah mode bawaan pembuatnya; streaming mengembalikan potongan respons bertahap yang harus dirakit. Alasan penyelesaian membedakan penghentian normal, permintaan alat, batas keluaran atau panjang konteks dan penyaringan konten. Simpan pesan atau objek jadi bersama materi sumber dan pengamatan alat yang diperlukan untuk menafsirkannya.
Tinjau hasil untuk bidang yang diminta, perbandingan yang didukung dan kata-kata yang sesuai dengan tujuannya. Simpan identitas Baichuan4 yang tepat bersama tugas saat membandingkan edisi lain. Hasil yang berguna adalah artefak teks lengkap atau penjelasan pengamatan alat sebenarnya, dengan bagian permintaan yang belum terselesaikan tetap dapat diidentifikasi.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Baichuan4 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.03146 / 1K token Keluaran · Token keluaran $0.03146 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan4", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Baichuan4',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Baichuan4',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra Baichuan4
Gunakan jalur metode yang ditampilkan di atas.
Baichuan4Baichuan4 adalah model percakapan teks generasi keempat bernama dengan konteks 32K yang didokumentasikan. Alur pembuatnya mendukung jawaban objek JSON, teks lengkap atau streaming, fungsi khusus dan bukti dari pengambilan basis pengetahuan atau pencarian web.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Baichuan4 adalah model percakapan umum generasi keempat bernama dalam jajaran Baichuan. Pembuatnya mendokumentasikan konteks 32K untuk edisi tepat ini. Baichuan4-Turbo dan Baichuan4-Air merupakan edisi terpisah dengan profil model masing-masing.
Model ini bekerja dengan percakapan teks dan menghasilkan respons asisten atau permintaan panggilan fungsi dalam alur yang didokumentasikan pembuatnya. Tugas yang berguna meliputi menjawab berdasarkan informasi yang disediakan, menyusun isi dokumen, merevisi teks dan menghasilkan rekaman data terstruktur untuk aplikasi.
Siapkan pesan sesuai urutan waktu, dengan instruksi system di awal jika diperlukan. Pisahkan tugas pengguna dari jawaban asisten terdahulu dan hasil alat eksternal. Referensi pembuatnya menerima string teks biasa atau struktur konten teks bertipe, dan menggunakan peran pesan tool terpisah untuk hasil panggilan fungsi.
Untuk perbandingan, sertakan kedua bagian teks, beri label jelas dan minta kesesuaian, pertentangan serta kata-kata pendukung. Untuk penjelasan revisi, tentukan audiens dan detail yang harus tetap ada setelah penulisan ulang. Instruksi yang berguna adalah: “Bandingkan dua deskripsi proyek ini, cantumkan persyaratan yang berubah, dan identifikasi bagian yang menetapkan setiap perubahan.”
Baichuan4 secara eksplisit termasuk dalam mode objek JSON pembuatnya. Mengaktifkan mode tersebut juga memerlukan instruksi system atau user untuk menghasilkan JSON. Tentukan bidang wajib dan bagaimana informasi yang hilang harus ditampilkan. Parse dan periksa hasil sebelum menggunakannya sebagai rekaman data aplikasi.
Operasi percakapan pembuatnya menerima max_tokens dari 1 hingga 2.048, dengan bawaan 2.048. Pengaturan sampling-nya adalah temperature dari 0 hingga 1, bawaan 0.3; top_p dari 0 hingga tetapi tidak termasuk 1, bawaan 0.85; dan top_k dari 0 hingga 20, bawaan 5. Mengatur top_k ke 0 mematikan strategi tersebut. Jatah respons berbeda dari konteks 32K: siapkan materi sumber bersama ruang untuk jawaban.
Jika alasan penyelesaian adalah length, jawaban tertulis atau objek JSON mungkin tidak lengkap. Simpan hasil parsial dan alasan penghentiannya, lalu putuskan apakah artefak yang diminta perlu dipersingkat, masukan dikurangi atau jatah respons yang berlaku direvisi.
Alat pembuatnya membedakan pengambilan basis pengetahuan dari pencarian web. Permintaan basis pengetahuan menyebutkan koleksi yang relevan. Mode jawaban hanya berdasarkan basis pengetahuannya mencegah jawaban ketika pengambilan tidak menemukan hasil. Jika pencarian web dan pengambilan pengetahuan sama-sama dikonfigurasi, referensi menetapkan bahwa pengambilan diutamakan.
Untuk fakta yang berubah, simpan informasi hasil pengambilan atau pencarian sebenarnya agar jawaban akhir dapat diperiksa terhadapnya. Simpan sumber, tanggal dan kualifikasi relevan bersama pengamatan. Jika tugas menyangkut koleksi yang disediakan, ajukan pertanyaan terarah, alih-alih menggabungkan pertanyaan pengambilan dengan instruksi kreatif yang tidak berkaitan.
Contoh Baichuan4 yang didokumentasikan menunjukkan pemilihan di antara fungsi khusus dan kelanjutan setelah aplikasi mengembalikan hasil fungsi. Definisikan setiap fungsi dengan nama, tujuan dan skema argumen. Pertahankan panggilan asisten dan hasil alat yang cocok, lalu minta respons berikutnya menjelaskan atau menggunakan pengamatan tersebut.
Perbandingan praktis dapat meminta dua pembacaan nyata, seperti nilai untuk dua tanggal berbeda, dan meminta selisihnya. Aplikasi menyediakan pembacaan tersebut; fungsi pilihan model dan argumen yang dihasilkan merupakan permintaan untuk operasi itu. Pengaturan pemilihan otomatis atau tanpa alat pembuatnya berlaku pada fungsi. Referensi menyarankan memisahkan panggilan fungsi dari konfigurasi pencarian web atau pengambilan.
Non-streaming adalah mode bawaan pembuatnya; streaming mengembalikan potongan respons bertahap yang harus dirakit. Alasan penyelesaian membedakan penghentian normal, permintaan alat, batas keluaran atau panjang konteks dan penyaringan konten. Simpan pesan atau objek jadi bersama materi sumber dan pengamatan alat yang diperlukan untuk menafsirkannya.
Tinjau hasil untuk bidang yang diminta, perbandingan yang didukung dan kata-kata yang sesuai dengan tujuannya. Simpan identitas Baichuan4 yang tepat bersama tugas saat membandingkan edisi lain. Hasil yang berguna adalah artefak teks lengkap atau penjelasan pengamatan alat sebenarnya, dengan bagian permintaan yang belum terselesaikan tetap dapat diidentifikasi.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Baichuan4 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.03146 / 1K token Keluaran · Token keluaran $0.03146 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "Baichuan4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Baichuan4', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Baichuan4', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra Baichuan4
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.