ERNIE 4.5 300B-A47B adalah model teks besar Baidu dalam keluarga ERNIE 4.5. Desain mixture-of-experts-nya memuat total 300 miliar parameter dan mengaktifkan 47 miliar untuk setiap token. Konfigurasi model yang dipublikasikan memberikan panjang konteks 131.072 token. Model menerima teks dan menghasilkan teks, mendukung percakapan, penjelasan atau dokumen baru berdasarkan pertanyaan dan materi yang disediakan.
Sorotan ERNIE 4.5. Baidu menjelaskan pelatihan gabungan informasi bahasa dan visual di seluruh keluarga, dengan perutean yang memungkinkan modalitas berbeda berbagi sebagian parameter sambil mempertahankan pemrosesan khusus. Varian teks berfokus pada pemahaman dan pembuatan bahasa umum. Pengembangan keluarga juga mencakup infrastruktur pelatihan dan inferensi efisien serta pascapelatihan dengan contoh terawasi dan optimasi berbasis preferensi. Pilihan desain ini menjelaskan latar belakang model; pilihan tersebut tidak mengubah permintaan teks menjadi masukan gambar.
Konfigurasi model. Model teks yang dipublikasikan memiliki 54 lapisan, 64 kepala perhatian query dan 8 kepala key/value. Konfigurasi pakar teksnya mencantumkan 64 pakar, dengan 8 diaktifkan sekaligus. Untuk persiapan masukan praktis, gunakan konteks untuk mempertahankan bagian teks yang diperlukan tugas, beserta judul dan hubungannya. Percakapan dan jawaban yang dihasilkan berbagi anggaran konteks yang tersedia, sehingga pilih materi relevan dan tentukan panjang hasil, alih-alih menganggap seluruh jendela sebagai ruang jawaban.
Permintaan dimulai dengan pertanyaan atau instruksi. Untuk analisis dokumen, sertakan bagian berlabel dan minta kesimpulan beserta bagian yang mendukung setiap poin. Untuk penyusunan draf, berikan audiens, fakta sumber dan struktur wajib. Anda dapat meminta penjelasan layanan, ringkasan persyaratan atau perbandingan dua prosedur internal. Sertakan aturan yang mengatur kasus ambigu, dan minta catatan informasi yang hilang ketika sumber tidak membenarkan jawaban pasti.
Penjawaban berbasis referensi. Pembuatnya memublikasikan contoh prompt bahasa Tionghoa dan Inggris untuk alur yang menyediakan waktu saat ini, artikel referensi dan pertanyaan. Model diinstruksikan menilai apakah referensi relevan dan terkini, mengutamakan materi otoritatif dan menyatakan ketika bukti tidak cukup. Untuk menerapkan pola tersebut, beri label setiap referensi yang disediakan, pertahankan waktu publikasinya jika tersedia dan pisahkan konten referensi dari pertanyaan. Hasil yang diharapkan adalah jawaban berdasarkan bagian tersebut, bukan asumsi bahwa langkah pengambilan sudah terjadi.
Panduan pembuatan. Kartu Baidu merekomendasikan temperature 0.8 dan top-p 0.8 untuk contoh model yang dipublikasikan. Perlakukan ini sebagai panduan pembuat saat mengonfigurasi pengaturan pembuatan yang kompatibel, lalu evaluasi keluaran terhadap persyaratan tugas. Rilis PT dan Paddle model menunjukkan format bobot berbeda; edisi teks bernama tetap berbeda dari model visi-bahasa VL dan dari checkpoint pelatihan Base. Tinjauan praktis perlu memeriksa pernyataan faktual penting, detail numerik dan kelengkapan bagian yang diminta terhadap materi yang disediakan.
", "aboutText": "ERNIE 4.5 300B-A47B adalah model teks besar Baidu dalam keluarga ERNIE 4.5. Desain mixture-of-experts-nya memuat total 300 miliar parameter dan mengaktifkan 47 miliar untuk setiap token. Konfigurasi model yang dipublikasikan memberikan panjang konteks 131.072 token. Model menerima teks dan menghasilkan teks, mendukung percakapan, penjelasan atau dokumen baru berdasarkan pertanyaan dan materi yang disediakan.\n\nSorotan ERNIE 4.5. Baidu menjelaskan pelatihan gabungan informasi bahasa dan visual di seluruh keluarga, dengan perutean yang memungkinkan modalitas berbeda berbagi sebagian parameter sambil mempertahankan pemrosesan khusus. Varian teks berfokus pada pemahaman dan pembuatan bahasa umum. Pengembangan keluarga juga mencakup infrastruktur pelatihan dan inferensi efisien serta pascapelatihan dengan contoh terawasi dan optimasi berbasis preferensi. Pilihan desain ini menjelaskan latar belakang model; pilihan tersebut tidak mengubah permintaan teks menjadi masukan gambar.\n\nKonfigurasi model. Model teks yang dipublikasikan memiliki 54 lapisan, 64 kepala perhatian query dan 8 kepala key/value. Konfigurasi pakar teksnya mencantumkan 64 pakar, dengan 8 diaktifkan sekaligus. Untuk persiapan masukan praktis, gunakan konteks untuk mempertahankan bagian teks yang diperlukan tugas, beserta judul dan hubungannya. Percakapan dan jawaban yang dihasilkan berbagi anggaran konteks yang tersedia, sehingga pilih materi relevan dan tentukan panjang hasil, alih-alih menganggap seluruh jendela sebagai ruang jawaban.\n\nPermintaan dimulai dengan pertanyaan atau instruksi. Untuk analisis dokumen, sertakan bagian berlabel dan minta kesimpulan beserta bagian yang mendukung setiap poin. Untuk penyusunan draf, berikan audiens, fakta sumber dan struktur wajib. Anda dapat meminta penjelasan layanan, ringkasan persyaratan atau perbandingan dua prosedur internal. Sertakan aturan yang mengatur kasus ambigu, dan minta catatan informasi yang hilang ketika sumber tidak membenarkan jawaban pasti.\n\nPenjawaban berbasis referensi. Pembuatnya memublikasikan contoh prompt bahasa Tionghoa dan Inggris untuk alur yang menyediakan waktu saat ini, artikel referensi dan pertanyaan. Model diinstruksikan menilai apakah referensi relevan dan terkini, mengutamakan materi otoritatif dan menyatakan ketika bukti tidak cukup. Untuk menerapkan pola tersebut, beri label setiap referensi yang disediakan, pertahankan waktu publikasinya jika tersedia dan pisahkan konten referensi dari pertanyaan. Hasil yang diharapkan adalah jawaban berdasarkan bagian tersebut, bukan asumsi bahwa langkah pengambilan sudah terjadi.\n\nPanduan pembuatan. Kartu Baidu merekomendasikan temperature 0.8 dan top-p 0.8 untuk contoh model yang dipublikasikan. Perlakukan ini sebagai panduan pembuat saat mengonfigurasi pengaturan pembuatan yang kompatibel, lalu evaluasi keluaran terhadap persyaratan tugas. Rilis PT dan Paddle model menunjukkan format bobot berbeda; edisi teks bernama tetap berbeda dari model visi-bahasa VL dan dari checkpoint pelatihan Base. Tinjauan praktis perlu memeriksa pernyataan faktual penting, detail numerik dan kelengkapan bagian yang diminta terhadap materi yang disediakan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Resolve conflicting reference passages\n\nAnswer the question using these references only. R1, old handbook: Trial accounts retain exports for 7 days. R2, current handbook: Trial exports are retained for 14 days; paid-account exports for 90 days. Question: How long can a trial customer retrieve an export? Cite the relevant reference and explain why the other passage differs.A short answer with the retention period, reference identifier and a sentence describing the documented version conflict.Check that the answer uses the current trial rule and does not substitute the paid-account period.baidu/ERNIE-4.5-300B-A47BERNIE 4.5 300B-A47B adalah model teks mixture-of-experts Baidu dengan total 300 miliar parameter, 47 miliar parameter aktif per token dan konteks 131.072 token yang dipublikasikan. Model mendukung pemahaman dan pembuatan bahasa, termasuk jawaban yang berlandaskan bagian referensi yang Anda sediakan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
ERNIE 4.5 300B-A47B adalah model teks besar Baidu dalam keluarga ERNIE 4.5. Desain mixture-of-experts-nya memuat total 300 miliar parameter dan mengaktifkan 47 miliar untuk setiap token. Konfigurasi model yang dipublikasikan memberikan panjang konteks 131.072 token. Model menerima teks dan menghasilkan teks, mendukung percakapan, penjelasan atau dokumen baru berdasarkan pertanyaan dan materi yang disediakan.
Sorotan ERNIE 4.5. Baidu menjelaskan pelatihan gabungan informasi bahasa dan visual di seluruh keluarga, dengan perutean yang memungkinkan modalitas berbeda berbagi sebagian parameter sambil mempertahankan pemrosesan khusus. Varian teks berfokus pada pemahaman dan pembuatan bahasa umum. Pengembangan keluarga juga mencakup infrastruktur pelatihan dan inferensi efisien serta pascapelatihan dengan contoh terawasi dan optimasi berbasis preferensi. Pilihan desain ini menjelaskan latar belakang model; pilihan tersebut tidak mengubah permintaan teks menjadi masukan gambar.
Konfigurasi model. Model teks yang dipublikasikan memiliki 54 lapisan, 64 kepala perhatian query dan 8 kepala key/value. Konfigurasi pakar teksnya mencantumkan 64 pakar, dengan 8 diaktifkan sekaligus. Untuk persiapan masukan praktis, gunakan konteks untuk mempertahankan bagian teks yang diperlukan tugas, beserta judul dan hubungannya. Percakapan dan jawaban yang dihasilkan berbagi anggaran konteks yang tersedia, sehingga pilih materi relevan dan tentukan panjang hasil, alih-alih menganggap seluruh jendela sebagai ruang jawaban.
Permintaan dimulai dengan pertanyaan atau instruksi. Untuk analisis dokumen, sertakan bagian berlabel dan minta kesimpulan beserta bagian yang mendukung setiap poin. Untuk penyusunan draf, berikan audiens, fakta sumber dan struktur wajib. Anda dapat meminta penjelasan layanan, ringkasan persyaratan atau perbandingan dua prosedur internal. Sertakan aturan yang mengatur kasus ambigu, dan minta catatan informasi yang hilang ketika sumber tidak membenarkan jawaban pasti.
Penjawaban berbasis referensi. Pembuatnya memublikasikan contoh prompt bahasa Tionghoa dan Inggris untuk alur yang menyediakan waktu saat ini, artikel referensi dan pertanyaan. Model diinstruksikan menilai apakah referensi relevan dan terkini, mengutamakan materi otoritatif dan menyatakan ketika bukti tidak cukup. Untuk menerapkan pola tersebut, beri label setiap referensi yang disediakan, pertahankan waktu publikasinya jika tersedia dan pisahkan konten referensi dari pertanyaan. Hasil yang diharapkan adalah jawaban berdasarkan bagian tersebut, bukan asumsi bahwa langkah pengambilan sudah terjadi.
Panduan pembuatan. Kartu Baidu merekomendasikan temperature 0.8 dan top-p 0.8 untuk contoh model yang dipublikasikan. Perlakukan ini sebagai panduan pembuat saat mengonfigurasi pengaturan pembuatan yang kompatibel, lalu evaluasi keluaran terhadap persyaratan tugas. Rilis PT dan Paddle model menunjukkan format bobot berbeda; edisi teks bernama tetap berbeda dari model visi-bahasa VL dan dari checkpoint pelatihan Base. Tinjauan praktis perlu memeriksa pernyataan faktual penting, detail numerik dan kelengkapan bagian yang diminta terhadap materi yang disediakan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan baidu/ERNIE-4.5-300B-A47B | 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 $0.0006 / 1K token Keluaran · Token keluaran $0.00228 / 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": "baidu/ERNIE-4.5-300B-A47B", "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='baidu/ERNIE-4.5-300B-A47B',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='baidu/ERNIE-4.5-300B-A47B',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 baidu/ERNIE-4.5-300B-A47B
Gunakan jalur metode yang ditampilkan di atas.
baidu/ERNIE-4.5-300B-A47BERNIE 4.5 300B-A47B adalah model teks mixture-of-experts Baidu dengan total 300 miliar parameter, 47 miliar parameter aktif per token dan konteks 131.072 token yang dipublikasikan. Model mendukung pemahaman dan pembuatan bahasa, termasuk jawaban yang berlandaskan bagian referensi yang Anda sediakan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
ERNIE 4.5 300B-A47B adalah model teks besar Baidu dalam keluarga ERNIE 4.5. Desain mixture-of-experts-nya memuat total 300 miliar parameter dan mengaktifkan 47 miliar untuk setiap token. Konfigurasi model yang dipublikasikan memberikan panjang konteks 131.072 token. Model menerima teks dan menghasilkan teks, mendukung percakapan, penjelasan atau dokumen baru berdasarkan pertanyaan dan materi yang disediakan.
Sorotan ERNIE 4.5. Baidu menjelaskan pelatihan gabungan informasi bahasa dan visual di seluruh keluarga, dengan perutean yang memungkinkan modalitas berbeda berbagi sebagian parameter sambil mempertahankan pemrosesan khusus. Varian teks berfokus pada pemahaman dan pembuatan bahasa umum. Pengembangan keluarga juga mencakup infrastruktur pelatihan dan inferensi efisien serta pascapelatihan dengan contoh terawasi dan optimasi berbasis preferensi. Pilihan desain ini menjelaskan latar belakang model; pilihan tersebut tidak mengubah permintaan teks menjadi masukan gambar.
Konfigurasi model. Model teks yang dipublikasikan memiliki 54 lapisan, 64 kepala perhatian query dan 8 kepala key/value. Konfigurasi pakar teksnya mencantumkan 64 pakar, dengan 8 diaktifkan sekaligus. Untuk persiapan masukan praktis, gunakan konteks untuk mempertahankan bagian teks yang diperlukan tugas, beserta judul dan hubungannya. Percakapan dan jawaban yang dihasilkan berbagi anggaran konteks yang tersedia, sehingga pilih materi relevan dan tentukan panjang hasil, alih-alih menganggap seluruh jendela sebagai ruang jawaban.
Permintaan dimulai dengan pertanyaan atau instruksi. Untuk analisis dokumen, sertakan bagian berlabel dan minta kesimpulan beserta bagian yang mendukung setiap poin. Untuk penyusunan draf, berikan audiens, fakta sumber dan struktur wajib. Anda dapat meminta penjelasan layanan, ringkasan persyaratan atau perbandingan dua prosedur internal. Sertakan aturan yang mengatur kasus ambigu, dan minta catatan informasi yang hilang ketika sumber tidak membenarkan jawaban pasti.
Penjawaban berbasis referensi. Pembuatnya memublikasikan contoh prompt bahasa Tionghoa dan Inggris untuk alur yang menyediakan waktu saat ini, artikel referensi dan pertanyaan. Model diinstruksikan menilai apakah referensi relevan dan terkini, mengutamakan materi otoritatif dan menyatakan ketika bukti tidak cukup. Untuk menerapkan pola tersebut, beri label setiap referensi yang disediakan, pertahankan waktu publikasinya jika tersedia dan pisahkan konten referensi dari pertanyaan. Hasil yang diharapkan adalah jawaban berdasarkan bagian tersebut, bukan asumsi bahwa langkah pengambilan sudah terjadi.
Panduan pembuatan. Kartu Baidu merekomendasikan temperature 0.8 dan top-p 0.8 untuk contoh model yang dipublikasikan. Perlakukan ini sebagai panduan pembuat saat mengonfigurasi pengaturan pembuatan yang kompatibel, lalu evaluasi keluaran terhadap persyaratan tugas. Rilis PT dan Paddle model menunjukkan format bobot berbeda; edisi teks bernama tetap berbeda dari model visi-bahasa VL dan dari checkpoint pelatihan Base. Tinjauan praktis perlu memeriksa pernyataan faktual penting, detail numerik dan kelengkapan bagian yang diminta terhadap materi yang disediakan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan baidu/ERNIE-4.5-300B-A47B | 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 $0.0006 / 1K token Keluaran · Token keluaran $0.00228 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "baidu/ERNIE-4.5-300B-A47B",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'baidu/ERNIE-4.5-300B-A47B', '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': 'baidu/ERNIE-4.5-300B-A47B', '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 baidu/ERNIE-4.5-300B-A47B
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Resolve conflicting reference passages\n\nAnswer the question using these references only. R1, old handbook: Trial accounts retain exports for 7 days. R2, current handbook: Trial exports are retained for 14 days; paid-account exports for 90 days. Question: How long can a trial customer retrieve an export? Cite the relevant reference and explain why the other passage differs.A short answer with the retention period, reference identifier and a sentence describing the documented version conflict.Check that the answer uses the current trial rule and does not substitute the paid-account period.