Granite 4.2 8B adalah model penalaran berukuran menengah IBM dalam keluarga Granite 4.2. Transformer dense decoder-only dengan 8 miliar parameter ini dilatih lanjut dari Granite 4.1 8B Base untuk penalaran, pembangkitan kode, mengikuti instruksi, dan pekerjaan yang dipandu alat. Model menerima teks dan menghasilkan teks, dengan blok thinking antara dalam mode penalaran serta jawaban akhir terpisah.
Produsen menjelaskan grouped-query attention, pengodean posisi rotary, lapisan feed-forward SwiGLU, dan normalisasi RMS. Model secara bawaan mendukung konteks 128K dan mendokumentasikan perluasan konteks panjang hingga 512K. Keduanya adalah konfigurasi berbeda: angka perluasan tidak boleh menggantikan pengaturan bawaan pada tugas yang menggunakan varian standar. Percakapan, materi sumber, hasil alat, dan isi yang dibangkitkan harus muat dalam konteks yang dipilih.
Thinking penuh merupakan bawaan produsen dan mengembangkan analisis sebelum jawaban. Non-thinking mengembalikan jawaban langsung. Mode upaya rendah menggunakan proses penalaran lebih singkat untuk pertanyaan lebih sederhana. Templat pembuat merepresentasikan pilihan ini secara berbeda dan memisahkan isi di dalam penanda thinking dari kesimpulan akhir.
Untuk matematika atau analisis kode, berikan syarat lengkap, definisi, dan batasan, lalu tentukan hasil akhir yang diperlukan. Arahan praktis adalah: “Tentukan mengapa fungsi ini gagal untuk masukan yang diberikan, jelaskan syarat penyebabnya, dan usulkan koreksi terfokus.” Tugas ekstraksi rutin dapat meminta hanya kolom yang diperlukan. Pilih mode yang sesuai kedalaman tugas tanpa membiarkan analisis antara menggantikan artefak yang diminta.
IBM menyarankan temperature 1.0 dan top-p 0.95 pada seluruh mode dan tugas referensinya. Contoh anggaran pembangkitannya adalah 8.192 token baru untuk thinking dan 2.048 untuk respons langsung; kartu secara eksplisit memperbolehkan anggaran lebih besar bagi penalaran kompleks. Contoh tersebut adalah panduan konfigurasi, bukan batas maksimum keluaran keras yang dibuktikan secara terpisah.
Templat beberapa giliran bawaan menghapus thinking dari giliran asisten sebelumnya untuk menghemat konteks. Produsen juga mendokumentasikan cara mempertahankannya ketika riwayat penalaran lengkap diperlukan. Jaga jawaban akhir dan pengamatan berguna tetap jelas agar permintaan lanjutan dapat merevisi bagian relevan tanpa menyamakan pemikiran antara sebelumnya dengan temuan yang diterima.
Model dapat menalar fungsi mana yang perlu dipanggil dari fungsi yang diberikan dan mengembalikan isi panggilan alat terstruktur. Definisikan alat dengan nama bermakna, deskripsi, dan skema parameter. Aplikasi menjalankan operasi terpilih dan mengembalikan pengamatan; tugas berkelanjutan perlu menggunakan hasil nyata tersebut. Untuk agen pemrograman, tentukan berkas yang diizinkan dan perilaku yang menyelesaikan perubahan, lalu minta implementasi beserta pengamatan validasi pendukung.
Kartu mencantumkan dua belas bahasa yang diuji. Tetapkan bahasa jawaban dan pertahankan nama diri atau pengenal kode. Pelatihan terutama berbahasa Inggris dengan data multibahasa, sehingga kinerja dalam bahasa lain dapat bervariasi; beberapa contoh relevan dapat memperjelas tugas dan gaya keluaran yang diinginkan.
IBM menyatakan model masih dapat menghasilkan jawaban tidak akurat atau bias dan isi thinking mungkin memuat gagasan antara yang belum dipoles. Periksa respons akhir terhadap sumber yang diberikan, periksa ekstraksi angka, dan tinjau kode dalam aplikasi yang dituju. Hasil yang berguna adalah jawaban, artefak kode, atau catatan analitis dengan bukti serta informasi yang belum terselesaikan dinyatakan secara eksplisit, sambil mempertahankan edisi persis 4.2 8B dan perbedaan modenya.
", "aboutText": "Granite 4.2 8B adalah model penalaran berukuran menengah IBM dalam keluarga Granite 4.2. Transformer dense decoder-only dengan 8 miliar parameter ini dilatih lanjut dari Granite 4.1 8B Base untuk penalaran, pembangkitan kode, mengikuti instruksi, dan pekerjaan yang dipandu alat. Model menerima teks dan menghasilkan teks, dengan blok thinking antara dalam mode penalaran serta jawaban akhir terpisah.\n\n### Desain model dan konteks\n\nProdusen menjelaskan grouped-query attention, pengodean posisi rotary, lapisan feed-forward SwiGLU, dan normalisasi RMS. Model secara bawaan mendukung konteks 128K dan mendokumentasikan perluasan konteks panjang hingga 512K. Keduanya adalah konfigurasi berbeda: angka perluasan tidak boleh menggantikan pengaturan bawaan pada tugas yang menggunakan varian standar. Percakapan, materi sumber, hasil alat, dan isi yang dibangkitkan harus muat dalam konteks yang dipilih.\n\n### Tiga mode thinking\n\nThinking penuh merupakan bawaan produsen dan mengembangkan analisis sebelum jawaban. Non-thinking mengembalikan jawaban langsung. Mode upaya rendah menggunakan proses penalaran lebih singkat untuk pertanyaan lebih sederhana. Templat pembuat merepresentasikan pilihan ini secara berbeda dan memisahkan isi di dalam penanda thinking dari kesimpulan akhir.\n\nUntuk matematika atau analisis kode, berikan syarat lengkap, definisi, dan batasan, lalu tentukan hasil akhir yang diperlukan. Arahan praktis adalah: “Tentukan mengapa fungsi ini gagal untuk masukan yang diberikan, jelaskan syarat penyebabnya, dan usulkan koreksi terfokus.” Tugas ekstraksi rutin dapat meminta hanya kolom yang diperlukan. Pilih mode yang sesuai kedalaman tugas tanpa membiarkan analisis antara menggantikan artefak yang diminta.\n\n### Panduan percakapan dan pembangkitan\n\nIBM menyarankan temperature 1.0 dan top-p 0.95 pada seluruh mode dan tugas referensinya. Contoh anggaran pembangkitannya adalah 8.192 token baru untuk thinking dan 2.048 untuk respons langsung; kartu secara eksplisit memperbolehkan anggaran lebih besar bagi penalaran kompleks. Contoh tersebut adalah panduan konfigurasi, bukan batas maksimum keluaran keras yang dibuktikan secara terpisah.\n\nTemplat beberapa giliran bawaan menghapus thinking dari giliran asisten sebelumnya untuk menghemat konteks. Produsen juga mendokumentasikan cara mempertahankannya ketika riwayat penalaran lengkap diperlukan. Jaga jawaban akhir dan pengamatan berguna tetap jelas agar permintaan lanjutan dapat merevisi bagian relevan tanpa menyamakan pemikiran antara sebelumnya dengan temuan yang diterima.\n\n### Pemanggilan alat dan artefak praktis\n\nModel dapat menalar fungsi mana yang perlu dipanggil dari fungsi yang diberikan dan mengembalikan isi panggilan alat terstruktur. Definisikan alat dengan nama bermakna, deskripsi, dan skema parameter. Aplikasi menjalankan operasi terpilih dan mengembalikan pengamatan; tugas berkelanjutan perlu menggunakan hasil nyata tersebut. Untuk agen pemrograman, tentukan berkas yang diizinkan dan perilaku yang menyelesaikan perubahan, lalu minta implementasi beserta pengamatan validasi pendukung.\n\nKartu mencantumkan dua belas bahasa yang diuji. Tetapkan bahasa jawaban dan pertahankan nama diri atau pengenal kode. Pelatihan terutama berbahasa Inggris dengan data multibahasa, sehingga kinerja dalam bahasa lain dapat bervariasi; beberapa contoh relevan dapat memperjelas tugas dan gaya keluaran yang diinginkan.\n\n### Batas dan interpretasi\n\nIBM menyatakan model masih dapat menghasilkan jawaban tidak akurat atau bias dan isi thinking mungkin memuat gagasan antara yang belum dipoles. Periksa respons akhir terhadap sumber yang diberikan, periksa ekstraksi angka, dan tinjau kode dalam aplikasi yang dituju. Hasil yang berguna adalah jawaban, artefak kode, atau catatan analitis dengan bukti serta informasi yang belum terselesaikan dinyatakan secara eksplisit, sambil mempertahankan edisi persis 4.2 8B dan perbedaan modenya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Fix a mutable default argument\n\nExplain why this Python function shares results across calls and propose a correction: def collect(value, items=[]): items.append(value); return items. The caller may supply an existing list and expects it to be updated. Include tests for two omitted-list calls and one explicitly supplied list. Preserve the function name and calling convention.A corrected collect function, a brief cause explanation and tests distinguishing default-list isolation from explicit-list mutation.Check that omitted-list calls return independent lists while an explicitly supplied list is still updated.ibm-granite/granite-4.2-8bGranite 4.2 8B adalah model teks penalaran dense IBM untuk matematika, pemrograman, dialog multibahasa, dan agen yang dipandu alat. Model ini menawarkan mode respons penuh, langsung, dan upaya rendah, dengan konteks bawaan 128K serta perluasan konteks panjang yang didokumentasikan terpisah.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Granite 4.2 8B adalah model penalaran berukuran menengah IBM dalam keluarga Granite 4.2. Transformer dense decoder-only dengan 8 miliar parameter ini dilatih lanjut dari Granite 4.1 8B Base untuk penalaran, pembangkitan kode, mengikuti instruksi, dan pekerjaan yang dipandu alat. Model menerima teks dan menghasilkan teks, dengan blok thinking antara dalam mode penalaran serta jawaban akhir terpisah.
Produsen menjelaskan grouped-query attention, pengodean posisi rotary, lapisan feed-forward SwiGLU, dan normalisasi RMS. Model secara bawaan mendukung konteks 128K dan mendokumentasikan perluasan konteks panjang hingga 512K. Keduanya adalah konfigurasi berbeda: angka perluasan tidak boleh menggantikan pengaturan bawaan pada tugas yang menggunakan varian standar. Percakapan, materi sumber, hasil alat, dan isi yang dibangkitkan harus muat dalam konteks yang dipilih.
Thinking penuh merupakan bawaan produsen dan mengembangkan analisis sebelum jawaban. Non-thinking mengembalikan jawaban langsung. Mode upaya rendah menggunakan proses penalaran lebih singkat untuk pertanyaan lebih sederhana. Templat pembuat merepresentasikan pilihan ini secara berbeda dan memisahkan isi di dalam penanda thinking dari kesimpulan akhir.
Untuk matematika atau analisis kode, berikan syarat lengkap, definisi, dan batasan, lalu tentukan hasil akhir yang diperlukan. Arahan praktis adalah: “Tentukan mengapa fungsi ini gagal untuk masukan yang diberikan, jelaskan syarat penyebabnya, dan usulkan koreksi terfokus.” Tugas ekstraksi rutin dapat meminta hanya kolom yang diperlukan. Pilih mode yang sesuai kedalaman tugas tanpa membiarkan analisis antara menggantikan artefak yang diminta.
IBM menyarankan temperature 1.0 dan top-p 0.95 pada seluruh mode dan tugas referensinya. Contoh anggaran pembangkitannya adalah 8.192 token baru untuk thinking dan 2.048 untuk respons langsung; kartu secara eksplisit memperbolehkan anggaran lebih besar bagi penalaran kompleks. Contoh tersebut adalah panduan konfigurasi, bukan batas maksimum keluaran keras yang dibuktikan secara terpisah.
Templat beberapa giliran bawaan menghapus thinking dari giliran asisten sebelumnya untuk menghemat konteks. Produsen juga mendokumentasikan cara mempertahankannya ketika riwayat penalaran lengkap diperlukan. Jaga jawaban akhir dan pengamatan berguna tetap jelas agar permintaan lanjutan dapat merevisi bagian relevan tanpa menyamakan pemikiran antara sebelumnya dengan temuan yang diterima.
Model dapat menalar fungsi mana yang perlu dipanggil dari fungsi yang diberikan dan mengembalikan isi panggilan alat terstruktur. Definisikan alat dengan nama bermakna, deskripsi, dan skema parameter. Aplikasi menjalankan operasi terpilih dan mengembalikan pengamatan; tugas berkelanjutan perlu menggunakan hasil nyata tersebut. Untuk agen pemrograman, tentukan berkas yang diizinkan dan perilaku yang menyelesaikan perubahan, lalu minta implementasi beserta pengamatan validasi pendukung.
Kartu mencantumkan dua belas bahasa yang diuji. Tetapkan bahasa jawaban dan pertahankan nama diri atau pengenal kode. Pelatihan terutama berbahasa Inggris dengan data multibahasa, sehingga kinerja dalam bahasa lain dapat bervariasi; beberapa contoh relevan dapat memperjelas tugas dan gaya keluaran yang diinginkan.
IBM menyatakan model masih dapat menghasilkan jawaban tidak akurat atau bias dan isi thinking mungkin memuat gagasan antara yang belum dipoles. Periksa respons akhir terhadap sumber yang diberikan, periksa ekstraksi angka, dan tinjau kode dalam aplikasi yang dituju. Hasil yang berguna adalah jawaban, artefak kode, atau catatan analitis dengan bukti serta informasi yang belum terselesaikan dinyatakan secara eksplisit, sambil mempertahankan edisi persis 4.2 8B dan perbedaan modenya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan ibm-granite/granite-4.2-8b | 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0003 / 1K token Masukan · Pembacaan cache $0.0001 / 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0003 / 1K token Masukan · Pembacaan cache $0.0001 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "ibm-granite/granite-4.2-8b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='ibm-granite/granite-4.2-8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='ibm-granite/granite-4.2-8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 ibm-granite/granite-4.2-8b
Gunakan jalur metode yang ditampilkan di atas.
ibm-granite/granite-4.2-8bGranite 4.2 8B adalah model teks penalaran dense IBM untuk matematika, pemrograman, dialog multibahasa, dan agen yang dipandu alat. Model ini menawarkan mode respons penuh, langsung, dan upaya rendah, dengan konteks bawaan 128K serta perluasan konteks panjang yang didokumentasikan terpisah.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Granite 4.2 8B adalah model penalaran berukuran menengah IBM dalam keluarga Granite 4.2. Transformer dense decoder-only dengan 8 miliar parameter ini dilatih lanjut dari Granite 4.1 8B Base untuk penalaran, pembangkitan kode, mengikuti instruksi, dan pekerjaan yang dipandu alat. Model menerima teks dan menghasilkan teks, dengan blok thinking antara dalam mode penalaran serta jawaban akhir terpisah.
Produsen menjelaskan grouped-query attention, pengodean posisi rotary, lapisan feed-forward SwiGLU, dan normalisasi RMS. Model secara bawaan mendukung konteks 128K dan mendokumentasikan perluasan konteks panjang hingga 512K. Keduanya adalah konfigurasi berbeda: angka perluasan tidak boleh menggantikan pengaturan bawaan pada tugas yang menggunakan varian standar. Percakapan, materi sumber, hasil alat, dan isi yang dibangkitkan harus muat dalam konteks yang dipilih.
Thinking penuh merupakan bawaan produsen dan mengembangkan analisis sebelum jawaban. Non-thinking mengembalikan jawaban langsung. Mode upaya rendah menggunakan proses penalaran lebih singkat untuk pertanyaan lebih sederhana. Templat pembuat merepresentasikan pilihan ini secara berbeda dan memisahkan isi di dalam penanda thinking dari kesimpulan akhir.
Untuk matematika atau analisis kode, berikan syarat lengkap, definisi, dan batasan, lalu tentukan hasil akhir yang diperlukan. Arahan praktis adalah: “Tentukan mengapa fungsi ini gagal untuk masukan yang diberikan, jelaskan syarat penyebabnya, dan usulkan koreksi terfokus.” Tugas ekstraksi rutin dapat meminta hanya kolom yang diperlukan. Pilih mode yang sesuai kedalaman tugas tanpa membiarkan analisis antara menggantikan artefak yang diminta.
IBM menyarankan temperature 1.0 dan top-p 0.95 pada seluruh mode dan tugas referensinya. Contoh anggaran pembangkitannya adalah 8.192 token baru untuk thinking dan 2.048 untuk respons langsung; kartu secara eksplisit memperbolehkan anggaran lebih besar bagi penalaran kompleks. Contoh tersebut adalah panduan konfigurasi, bukan batas maksimum keluaran keras yang dibuktikan secara terpisah.
Templat beberapa giliran bawaan menghapus thinking dari giliran asisten sebelumnya untuk menghemat konteks. Produsen juga mendokumentasikan cara mempertahankannya ketika riwayat penalaran lengkap diperlukan. Jaga jawaban akhir dan pengamatan berguna tetap jelas agar permintaan lanjutan dapat merevisi bagian relevan tanpa menyamakan pemikiran antara sebelumnya dengan temuan yang diterima.
Model dapat menalar fungsi mana yang perlu dipanggil dari fungsi yang diberikan dan mengembalikan isi panggilan alat terstruktur. Definisikan alat dengan nama bermakna, deskripsi, dan skema parameter. Aplikasi menjalankan operasi terpilih dan mengembalikan pengamatan; tugas berkelanjutan perlu menggunakan hasil nyata tersebut. Untuk agen pemrograman, tentukan berkas yang diizinkan dan perilaku yang menyelesaikan perubahan, lalu minta implementasi beserta pengamatan validasi pendukung.
Kartu mencantumkan dua belas bahasa yang diuji. Tetapkan bahasa jawaban dan pertahankan nama diri atau pengenal kode. Pelatihan terutama berbahasa Inggris dengan data multibahasa, sehingga kinerja dalam bahasa lain dapat bervariasi; beberapa contoh relevan dapat memperjelas tugas dan gaya keluaran yang diinginkan.
IBM menyatakan model masih dapat menghasilkan jawaban tidak akurat atau bias dan isi thinking mungkin memuat gagasan antara yang belum dipoles. Periksa respons akhir terhadap sumber yang diberikan, periksa ekstraksi angka, dan tinjau kode dalam aplikasi yang dituju. Hasil yang berguna adalah jawaban, artefak kode, atau catatan analitis dengan bukti serta informasi yang belum terselesaikan dinyatakan secara eksplisit, sambil mempertahankan edisi persis 4.2 8B dan perbedaan modenya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan ibm-granite/granite-4.2-8b | 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0003 / 1K token Masukan · Pembacaan cache $0.0001 / 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0003 / 1K token Masukan · Pembacaan cache $0.0001 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "ibm-granite/granite-4.2-8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'ibm-granite/granite-4.2-8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'ibm-granite/granite-4.2-8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 ibm-granite/granite-4.2-8b
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Fix a mutable default argument\n\nExplain why this Python function shares results across calls and propose a correction: def collect(value, items=[]): items.append(value); return items. The caller may supply an existing list and expects it to be updated. Include tests for two omitted-list calls and one explicitly supplied list. Preserve the function name and calling convention.A corrected collect function, a brief cause explanation and tests distinguishing default-list isolation from explicit-list mutation.Check that omitted-list calls return independent lists while an explicitly supplied list is still updated.