Ember-1 adalah model khusus Fireworks Research yang dibangun di atas Kimi K3. Perubahan utamanya terletak pada pelatihan yang mempersingkat penalaran yang tidak diperlukan sambil mempertahankan analisis yang berguna untuk beban kerja pemrograman dan agen. Produsen memosisikannya untuk tugas berulang yang dipandu alat, ketika jejak penalaran yang panjang dapat menumpuk sepanjang percakapan. Profil yang didokumentasikan mendukung pembuatan teks, masukan gambar, dan pemanggilan fungsi; jawaban, kode, atau usulan operasi yang dihasilkan berbentuk teks.
Produsen mengembangkan Ember-1 dengan pelatihan yang berfokus pada tugas untuk berbagai macam beban kerja. Perbedaan ini berasal dari pelatihan model, bukan sekadar memilih pengaturan tingkat upaya penalaran yang lebih rendah pada model dasarnya. Identitasnya sendiri perlu tetap dicatat ketika membandingkan hasil dengan Kimi K3: tujuannya adalah alur penalaran yang lebih hemat, bukan anggapan bahwa setiap pengaturan, kemampuan, atau pembaruan mendatang dari model awal pasti identik.
Untuk tugas perangkat lunak, berikan kode yang relevan, kegagalan yang diamati, perilaku yang diinginkan, dan kontrak yang harus tetap stabil. Minta implementasi yang terarah beserta penjelasan yang merujuk pada kode sumber sebenarnya. Contoh instruksi praktis: “Telusuri masukan yang gagal ini, identifikasi kondisi pertama yang keliru, lalu kembalikan fungsi yang telah diperbaiki beserta bukti yang mendasari perubahan tersebut.” Nyatakan artefak akhir secara jelas meskipun tugasnya memerlukan beberapa pengamatan.
Kasus penggunaan dari produsen mencakup asisten pemrograman dan agen yang bergantian antara keputusan model dan hasil alat. Sediakan deskripsi fungsi dan skema argumen yang sesuai dengan pekerjaan. Model dapat mengusulkan pemeriksaan berkas, perhitungan, atau operasi lain yang tersedia; aplikasi menjalankannya dan mengembalikan pengamatan yang sebenarnya. Gunakan hasil itu pada giliran berikutnya, alih-alih menganggap usulan tindakan sebagai pelaksanaan.
Untuk tugas yang lebih panjang, simpan pengamatan tentang kegagalan, perbaikan, dan verifikasi yang relevan dalam catatan ringkas. Minta kode yang sudah selesai atau hasil analisis secara terpisah dari pembahasan sementara. Penalaran yang lebih singkat hanya berguna jika keluarannya tetap memenuhi perilaku yang disyaratkan tugas dan menyertakan bukti yang diperlukan untuk meninjaunya.
Katalog produsen Ember-1 mendukung masukan gambar. Tugas pemrograman visual dapat menggabungkan tangkapan layar dengan persyaratan dan kode sumber, lalu meminta penjelasan atau implementasi yang didasarkan pada hal yang terlihat. Beri label pada setiap gambar dan bedakan keadaan saat ini dari hasil yang dituju. Pastikan teks penting dapat dibaca, dan minta jawaban menyebutkan detail yang terlihat sebagai dasar suatu temuan.
Produsen mencantumkan konteks sekitar satu juta token. Ini adalah profil kapasitas materi sumber, bukan janji tersendiri bahwa jawaban dapat memuat token sebanyak itu. Prompt, materi sumber, riwayat alat, dan penalaran yang dihasilkan berbagi anggaran permintaan yang berlaku. Susun repositori besar atau kumpulan dokumen berdasarkan pertanyaan yang sebenarnya, dan sisakan ruang untuk hasilnya.
Hasil kerja yang berguna dapat berupa patch yang terarah, penjelasan yang didukung bukti, atau perbandingan lengkap berdasarkan kriteria yang telah ditetapkan. Untuk fakta yang bergantung pada informasi terkini, sediakan kutipan sumber yang berwenang atau alat pencarian yang sesuai. Arah penalaran model yang lebih singkat tidak menghadirkan bukti yang belum ada, menjalankan fungsi, atau memvalidasi kode secara mandiri. Periksa artefak yang dihasilkan terhadap persyaratan dan pengamatan yang dikembalikan oleh alur kerja di sekitarnya.
", "aboutText": "Ember-1 adalah model khusus Fireworks Research yang dibangun di atas Kimi K3. Perubahan utamanya terletak pada pelatihan yang mempersingkat penalaran yang tidak diperlukan sambil mempertahankan analisis yang berguna untuk beban kerja pemrograman dan agen. Produsen memosisikannya untuk tugas berulang yang dipandu alat, ketika jejak penalaran yang panjang dapat menumpuk sepanjang percakapan. Profil yang didokumentasikan mendukung pembuatan teks, masukan gambar, dan pemanggilan fungsi; jawaban, kode, atau usulan operasi yang dihasilkan berbentuk teks.\n\n### Perubahan yang dihasilkan pelatihan\n\nProdusen mengembangkan Ember-1 dengan pelatihan yang berfokus pada tugas untuk berbagai macam beban kerja. Perbedaan ini berasal dari pelatihan model, bukan sekadar memilih pengaturan tingkat upaya penalaran yang lebih rendah pada model dasarnya. Identitasnya sendiri perlu tetap dicatat ketika membandingkan hasil dengan Kimi K3: tujuannya adalah alur penalaran yang lebih hemat, bukan anggapan bahwa setiap pengaturan, kemampuan, atau pembaruan mendatang dari model awal pasti identik.\n\nUntuk tugas perangkat lunak, berikan kode yang relevan, kegagalan yang diamati, perilaku yang diinginkan, dan kontrak yang harus tetap stabil. Minta implementasi yang terarah beserta penjelasan yang merujuk pada kode sumber sebenarnya. Contoh instruksi praktis: “Telusuri masukan yang gagal ini, identifikasi kondisi pertama yang keliru, lalu kembalikan fungsi yang telah diperbaiki beserta bukti yang mendasari perubahan tersebut.” Nyatakan artefak akhir secara jelas meskipun tugasnya memerlukan beberapa pengamatan.\n\n### Beban kerja pemrograman dan agen\n\nKasus penggunaan dari produsen mencakup asisten pemrograman dan agen yang bergantian antara keputusan model dan hasil alat. Sediakan deskripsi fungsi dan skema argumen yang sesuai dengan pekerjaan. Model dapat mengusulkan pemeriksaan berkas, perhitungan, atau operasi lain yang tersedia; aplikasi menjalankannya dan mengembalikan pengamatan yang sebenarnya. Gunakan hasil itu pada giliran berikutnya, alih-alih menganggap usulan tindakan sebagai pelaksanaan.\n\nUntuk tugas yang lebih panjang, simpan pengamatan tentang kegagalan, perbaikan, dan verifikasi yang relevan dalam catatan ringkas. Minta kode yang sudah selesai atau hasil analisis secara terpisah dari pembahasan sementara. Penalaran yang lebih singkat hanya berguna jika keluarannya tetap memenuhi perilaku yang disyaratkan tugas dan menyertakan bukti yang diperlukan untuk meninjaunya.\n\n### Gambar dan materi sumber yang panjang\n\nKatalog produsen Ember-1 mendukung masukan gambar. Tugas pemrograman visual dapat menggabungkan tangkapan layar dengan persyaratan dan kode sumber, lalu meminta penjelasan atau implementasi yang didasarkan pada hal yang terlihat. Beri label pada setiap gambar dan bedakan keadaan saat ini dari hasil yang dituju. Pastikan teks penting dapat dibaca, dan minta jawaban menyebutkan detail yang terlihat sebagai dasar suatu temuan.\n\nProdusen mencantumkan konteks sekitar satu juta token. Ini adalah profil kapasitas materi sumber, bukan janji tersendiri bahwa jawaban dapat memuat token sebanyak itu. Prompt, materi sumber, riwayat alat, dan penalaran yang dihasilkan berbagi anggaran permintaan yang berlaku. Susun repositori besar atau kumpulan dokumen berdasarkan pertanyaan yang sebenarnya, dan sisakan ruang untuk hasilnya.\n\n### Keluaran yang dapat ditinjau\n\nHasil kerja yang berguna dapat berupa patch yang terarah, penjelasan yang didukung bukti, atau perbandingan lengkap berdasarkan kriteria yang telah ditetapkan. Untuk fakta yang bergantung pada informasi terkini, sediakan kutipan sumber yang berwenang atau alat pencarian yang sesuai. Arah penalaran model yang lebih singkat tidak menghadirkan bukti yang belum ada, menjalankan fungsi, atau memvalidasi kode secara mandiri. Periksa artefak yang dihasilkan terhadap persyaratan dan pengamatan yang dikembalikan oleh alur kerja di sekitarnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Fix an inclusive upper-bound error\n\nFind the bug in this Python function: def allowed(age):\n return age > 18 and age < 65\nThe rule permits ages 18 through 65 inclusive. Return the corrected function, explain the boundary error and write tests for ages 17, 18, 65 and 66. Treat the supplied rule as authoritative.A minimal corrected function, a boundary explanation and four executable test cases.Check that both endpoints are accepted and both adjacent out-of-range values are rejected.fireworks/ember-1Ember-1 adalah model Fireworks Research berbasis Kimi K3 yang dilatih untuk mempersingkat penalaran yang tidak diperlukan dalam tugas pemrograman dan agen. Profil dari produsennya mendukung masukan teks dan gambar, pembuatan teks, serta pemanggilan fungsi, sehingga berguna untuk pekerjaan pengembangan yang terarah dan analisis berdasarkan materi sumber.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Ember-1 adalah model khusus Fireworks Research yang dibangun di atas Kimi K3. Perubahan utamanya terletak pada pelatihan yang mempersingkat penalaran yang tidak diperlukan sambil mempertahankan analisis yang berguna untuk beban kerja pemrograman dan agen. Produsen memosisikannya untuk tugas berulang yang dipandu alat, ketika jejak penalaran yang panjang dapat menumpuk sepanjang percakapan. Profil yang didokumentasikan mendukung pembuatan teks, masukan gambar, dan pemanggilan fungsi; jawaban, kode, atau usulan operasi yang dihasilkan berbentuk teks.
Produsen mengembangkan Ember-1 dengan pelatihan yang berfokus pada tugas untuk berbagai macam beban kerja. Perbedaan ini berasal dari pelatihan model, bukan sekadar memilih pengaturan tingkat upaya penalaran yang lebih rendah pada model dasarnya. Identitasnya sendiri perlu tetap dicatat ketika membandingkan hasil dengan Kimi K3: tujuannya adalah alur penalaran yang lebih hemat, bukan anggapan bahwa setiap pengaturan, kemampuan, atau pembaruan mendatang dari model awal pasti identik.
Untuk tugas perangkat lunak, berikan kode yang relevan, kegagalan yang diamati, perilaku yang diinginkan, dan kontrak yang harus tetap stabil. Minta implementasi yang terarah beserta penjelasan yang merujuk pada kode sumber sebenarnya. Contoh instruksi praktis: “Telusuri masukan yang gagal ini, identifikasi kondisi pertama yang keliru, lalu kembalikan fungsi yang telah diperbaiki beserta bukti yang mendasari perubahan tersebut.” Nyatakan artefak akhir secara jelas meskipun tugasnya memerlukan beberapa pengamatan.
Kasus penggunaan dari produsen mencakup asisten pemrograman dan agen yang bergantian antara keputusan model dan hasil alat. Sediakan deskripsi fungsi dan skema argumen yang sesuai dengan pekerjaan. Model dapat mengusulkan pemeriksaan berkas, perhitungan, atau operasi lain yang tersedia; aplikasi menjalankannya dan mengembalikan pengamatan yang sebenarnya. Gunakan hasil itu pada giliran berikutnya, alih-alih menganggap usulan tindakan sebagai pelaksanaan.
Untuk tugas yang lebih panjang, simpan pengamatan tentang kegagalan, perbaikan, dan verifikasi yang relevan dalam catatan ringkas. Minta kode yang sudah selesai atau hasil analisis secara terpisah dari pembahasan sementara. Penalaran yang lebih singkat hanya berguna jika keluarannya tetap memenuhi perilaku yang disyaratkan tugas dan menyertakan bukti yang diperlukan untuk meninjaunya.
Katalog produsen Ember-1 mendukung masukan gambar. Tugas pemrograman visual dapat menggabungkan tangkapan layar dengan persyaratan dan kode sumber, lalu meminta penjelasan atau implementasi yang didasarkan pada hal yang terlihat. Beri label pada setiap gambar dan bedakan keadaan saat ini dari hasil yang dituju. Pastikan teks penting dapat dibaca, dan minta jawaban menyebutkan detail yang terlihat sebagai dasar suatu temuan.
Produsen mencantumkan konteks sekitar satu juta token. Ini adalah profil kapasitas materi sumber, bukan janji tersendiri bahwa jawaban dapat memuat token sebanyak itu. Prompt, materi sumber, riwayat alat, dan penalaran yang dihasilkan berbagi anggaran permintaan yang berlaku. Susun repositori besar atau kumpulan dokumen berdasarkan pertanyaan yang sebenarnya, dan sisakan ruang untuk hasilnya.
Hasil kerja yang berguna dapat berupa patch yang terarah, penjelasan yang didukung bukti, atau perbandingan lengkap berdasarkan kriteria yang telah ditetapkan. Untuk fakta yang bergantung pada informasi terkini, sediakan kutipan sumber yang berwenang atau alat pencarian yang sesuai. Arah penalaran model yang lebih singkat tidak menghadirkan bukti yang belum ada, menjalankan fungsi, atau memvalidasi kode secara mandiri. Periksa artefak yang dihasilkan terhadap persyaratan dan pengamatan yang dikembalikan oleh alur kerja di sekitarnya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan fireworks/ember-1 | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.006 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0006 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.006 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0006 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "fireworks/ember-1", "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='fireworks/ember-1',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='fireworks/ember-1',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 fireworks/ember-1
Gunakan jalur metode yang ditampilkan di atas.
fireworks/ember-1Ember-1 adalah model Fireworks Research berbasis Kimi K3 yang dilatih untuk mempersingkat penalaran yang tidak diperlukan dalam tugas pemrograman dan agen. Profil dari produsennya mendukung masukan teks dan gambar, pembuatan teks, serta pemanggilan fungsi, sehingga berguna untuk pekerjaan pengembangan yang terarah dan analisis berdasarkan materi sumber.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Ember-1 adalah model khusus Fireworks Research yang dibangun di atas Kimi K3. Perubahan utamanya terletak pada pelatihan yang mempersingkat penalaran yang tidak diperlukan sambil mempertahankan analisis yang berguna untuk beban kerja pemrograman dan agen. Produsen memosisikannya untuk tugas berulang yang dipandu alat, ketika jejak penalaran yang panjang dapat menumpuk sepanjang percakapan. Profil yang didokumentasikan mendukung pembuatan teks, masukan gambar, dan pemanggilan fungsi; jawaban, kode, atau usulan operasi yang dihasilkan berbentuk teks.
Produsen mengembangkan Ember-1 dengan pelatihan yang berfokus pada tugas untuk berbagai macam beban kerja. Perbedaan ini berasal dari pelatihan model, bukan sekadar memilih pengaturan tingkat upaya penalaran yang lebih rendah pada model dasarnya. Identitasnya sendiri perlu tetap dicatat ketika membandingkan hasil dengan Kimi K3: tujuannya adalah alur penalaran yang lebih hemat, bukan anggapan bahwa setiap pengaturan, kemampuan, atau pembaruan mendatang dari model awal pasti identik.
Untuk tugas perangkat lunak, berikan kode yang relevan, kegagalan yang diamati, perilaku yang diinginkan, dan kontrak yang harus tetap stabil. Minta implementasi yang terarah beserta penjelasan yang merujuk pada kode sumber sebenarnya. Contoh instruksi praktis: “Telusuri masukan yang gagal ini, identifikasi kondisi pertama yang keliru, lalu kembalikan fungsi yang telah diperbaiki beserta bukti yang mendasari perubahan tersebut.” Nyatakan artefak akhir secara jelas meskipun tugasnya memerlukan beberapa pengamatan.
Kasus penggunaan dari produsen mencakup asisten pemrograman dan agen yang bergantian antara keputusan model dan hasil alat. Sediakan deskripsi fungsi dan skema argumen yang sesuai dengan pekerjaan. Model dapat mengusulkan pemeriksaan berkas, perhitungan, atau operasi lain yang tersedia; aplikasi menjalankannya dan mengembalikan pengamatan yang sebenarnya. Gunakan hasil itu pada giliran berikutnya, alih-alih menganggap usulan tindakan sebagai pelaksanaan.
Untuk tugas yang lebih panjang, simpan pengamatan tentang kegagalan, perbaikan, dan verifikasi yang relevan dalam catatan ringkas. Minta kode yang sudah selesai atau hasil analisis secara terpisah dari pembahasan sementara. Penalaran yang lebih singkat hanya berguna jika keluarannya tetap memenuhi perilaku yang disyaratkan tugas dan menyertakan bukti yang diperlukan untuk meninjaunya.
Katalog produsen Ember-1 mendukung masukan gambar. Tugas pemrograman visual dapat menggabungkan tangkapan layar dengan persyaratan dan kode sumber, lalu meminta penjelasan atau implementasi yang didasarkan pada hal yang terlihat. Beri label pada setiap gambar dan bedakan keadaan saat ini dari hasil yang dituju. Pastikan teks penting dapat dibaca, dan minta jawaban menyebutkan detail yang terlihat sebagai dasar suatu temuan.
Produsen mencantumkan konteks sekitar satu juta token. Ini adalah profil kapasitas materi sumber, bukan janji tersendiri bahwa jawaban dapat memuat token sebanyak itu. Prompt, materi sumber, riwayat alat, dan penalaran yang dihasilkan berbagi anggaran permintaan yang berlaku. Susun repositori besar atau kumpulan dokumen berdasarkan pertanyaan yang sebenarnya, dan sisakan ruang untuk hasilnya.
Hasil kerja yang berguna dapat berupa patch yang terarah, penjelasan yang didukung bukti, atau perbandingan lengkap berdasarkan kriteria yang telah ditetapkan. Untuk fakta yang bergantung pada informasi terkini, sediakan kutipan sumber yang berwenang atau alat pencarian yang sesuai. Arah penalaran model yang lebih singkat tidak menghadirkan bukti yang belum ada, menjalankan fungsi, atau memvalidasi kode secara mandiri. Periksa artefak yang dihasilkan terhadap persyaratan dan pengamatan yang dikembalikan oleh alur kerja di sekitarnya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan fireworks/ember-1 | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.006 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0006 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.006 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0006 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "fireworks/ember-1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'fireworks/ember-1', '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': 'fireworks/ember-1', '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 fireworks/ember-1
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Fix an inclusive upper-bound error\n\nFind the bug in this Python function: def allowed(age):\n return age > 18 and age < 65\nThe rule permits ages 18 through 65 inclusive. Return the corrected function, explain the boundary error and write tests for ages 17, 18, 65 and 66. Treat the supplied rule as authoritative.A minimal corrected function, a boundary explanation and four executable test cases.Check that both endpoints are accepted and both adjacent out-of-range values are rejected.