ReMM SLERP 13B adalah penciptaan ulang eksperimental model MythoMax oleh Undi95 dengan komponen yang diperbarui. Pembuatnya terlebih dahulu merekonstruksi komponen bergaya Mythologic, lalu menggabungkannya dengan komponen Huginn yang diperbarui menggunakan interpolasi sferis, atau SLERP. Hasilnya adalah gabungan keluarga Llama 2 yang berbeda, bukan checkpoint MythoMax asli atau edisi terkuantisasinya.
Model menerima instruksi tertulis dan menghasilkan teks. Pembuatnya menerbitkan prompt bergaya Alpaca dengan bagian instruksi dan respons yang terpisah. Tempatkan tugas pada bagian instruksi dan sisakan bagian respons untuk kelanjutan yang dihasilkan. Untuk percakapan atau adegan, sertakan latar belakang yang diperlukan balasan berikutnya, alih-alih mengandalkan informasi yang tidak ada dalam prompt.
Resep pembuat memperbarui campuran komponen yang digunakan dalam penciptaan ulang, lalu memberikan bobot setara pada dua komponen akhir dalam langkah SLERP. Konfigurasi repositori yang dipublikasikan menetapkan maksimum 4096 posisi, dengan 40 lapisan Transformer dan tanpa konfigurasi rotary scaling. Konteks tersebut mencakup materi yang diberikan dan kelanjutan yang dihasilkan; gabungan yang dipublikasikan tidak menetapkan varian konteks diperluas.
Uji penulisan kreatif yang berguna dapat memberikan deskripsi karakter, latar, dan percakapan sebelumnya, lalu meminta satu kelanjutan dengan nada yang terdefinisi. Untuk revisi, berikan bagian teks dan tentukan detail mana yang harus tetap ada sementara kata-kata berubah. Bandingkan draf dengan gaya suara yang diminta dan fakta cerita yang sudah ditetapkan sebelum menjadikannya bagian berikutnya dari adegan. Ini adalah contoh tugas teks untuk model yang diciptakan ulang, bukan klaim bahwa perilakunya sama dengan MythoMax asli dalam setiap kasus.
", "aboutText": "ReMM SLERP 13B adalah penciptaan ulang eksperimental model MythoMax oleh Undi95 dengan komponen yang diperbarui. Pembuatnya terlebih dahulu merekonstruksi komponen bergaya Mythologic, lalu menggabungkannya dengan komponen Huginn yang diperbarui menggunakan interpolasi sferis, atau SLERP. Hasilnya adalah gabungan keluarga Llama 2 yang berbeda, bukan checkpoint MythoMax asli atau edisi terkuantisasinya.\n\nModel menerima instruksi tertulis dan menghasilkan teks. Pembuatnya menerbitkan prompt bergaya Alpaca dengan bagian instruksi dan respons yang terpisah. Tempatkan tugas pada bagian instruksi dan sisakan bagian respons untuk kelanjutan yang dihasilkan. Untuk percakapan atau adegan, sertakan latar belakang yang diperlukan balasan berikutnya, alih-alih mengandalkan informasi yang tidak ada dalam prompt.\n\nResep pembuat memperbarui campuran komponen yang digunakan dalam penciptaan ulang, lalu memberikan bobot setara pada dua komponen akhir dalam langkah SLERP. Konfigurasi repositori yang dipublikasikan menetapkan maksimum 4096 posisi, dengan 40 lapisan Transformer dan tanpa konfigurasi rotary scaling. Konteks tersebut mencakup materi yang diberikan dan kelanjutan yang dihasilkan; gabungan yang dipublikasikan tidak menetapkan varian konteks diperluas.\n\nUji penulisan kreatif yang berguna dapat memberikan deskripsi karakter, latar, dan percakapan sebelumnya, lalu meminta satu kelanjutan dengan nada yang terdefinisi. Untuk revisi, berikan bagian teks dan tentukan detail mana yang harus tetap ada sementara kata-kata berubah. Bandingkan draf dengan gaya suara yang diminta dan fakta cerita yang sudah ditetapkan sebelum menjadikannya bagian berikutnya dari adegan. Ini adalah contoh tugas teks untuk model yang diciptakan ulang, bukan klaim bahwa perilakunya sama dengan MythoMax asli dalam setiap kasus.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Continue a lighthouse scene\n\nContinue this fictional exchange in three short lines of dialogue. Setting: a foggy lighthouse; Mira is a cautious keeper who never abandons the lamp. Visitor: "There is a bell sounding below the cliff." Mira: "That bell was removed last winter." Keep the restrained mystery, give Mira a practical question and leave the bell unexplained.Three short dialogue lines that continue the established scene and preserve Mira’s role and unresolved mystery.Check that Mira does not abandon the lamp and no explanation for the removed bell is resolved prematurely.undi95/remm-slerp-l2-13bReMM SLERP 13B dari Undi95 menciptakan ulang gagasan MythoMax menggunakan komponen model Llama 2 yang diperbarui dan penggabungan SLERP. Model ini menghasilkan teks dari instruksi bergaya Alpaca, dengan konfigurasi terpublikasi 4096 posisi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
ReMM SLERP 13B adalah penciptaan ulang eksperimental model MythoMax oleh Undi95 dengan komponen yang diperbarui. Pembuatnya terlebih dahulu merekonstruksi komponen bergaya Mythologic, lalu menggabungkannya dengan komponen Huginn yang diperbarui menggunakan interpolasi sferis, atau SLERP. Hasilnya adalah gabungan keluarga Llama 2 yang berbeda, bukan checkpoint MythoMax asli atau edisi terkuantisasinya.
Model menerima instruksi tertulis dan menghasilkan teks. Pembuatnya menerbitkan prompt bergaya Alpaca dengan bagian instruksi dan respons yang terpisah. Tempatkan tugas pada bagian instruksi dan sisakan bagian respons untuk kelanjutan yang dihasilkan. Untuk percakapan atau adegan, sertakan latar belakang yang diperlukan balasan berikutnya, alih-alih mengandalkan informasi yang tidak ada dalam prompt.
Resep pembuat memperbarui campuran komponen yang digunakan dalam penciptaan ulang, lalu memberikan bobot setara pada dua komponen akhir dalam langkah SLERP. Konfigurasi repositori yang dipublikasikan menetapkan maksimum 4096 posisi, dengan 40 lapisan Transformer dan tanpa konfigurasi rotary scaling. Konteks tersebut mencakup materi yang diberikan dan kelanjutan yang dihasilkan; gabungan yang dipublikasikan tidak menetapkan varian konteks diperluas.
Uji penulisan kreatif yang berguna dapat memberikan deskripsi karakter, latar, dan percakapan sebelumnya, lalu meminta satu kelanjutan dengan nada yang terdefinisi. Untuk revisi, berikan bagian teks dan tentukan detail mana yang harus tetap ada sementara kata-kata berubah. Bandingkan draf dengan gaya suara yang diminta dan fakta cerita yang sudah ditetapkan sebelum menjadikannya bagian berikutnya dari adegan. Ini adalah contoh tugas teks untuk model yang diciptakan ulang, bukan klaim bahwa perilakunya sama dengan MythoMax asli dalam setiap kasus.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan undi95/remm-slerp-l2-13b | 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 $0.0009 / 1K token Keluaran · Token keluaran $0.0013 / 1K token Masukan · Pembacaan cache — / 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 $0.0009 / 1K token Keluaran · Token keluaran $0.0013 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "undi95/remm-slerp-l2-13b", "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='undi95/remm-slerp-l2-13b',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='undi95/remm-slerp-l2-13b',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 undi95/remm-slerp-l2-13b
Gunakan jalur metode yang ditampilkan di atas.
undi95/remm-slerp-l2-13bReMM SLERP 13B dari Undi95 menciptakan ulang gagasan MythoMax menggunakan komponen model Llama 2 yang diperbarui dan penggabungan SLERP. Model ini menghasilkan teks dari instruksi bergaya Alpaca, dengan konfigurasi terpublikasi 4096 posisi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
ReMM SLERP 13B adalah penciptaan ulang eksperimental model MythoMax oleh Undi95 dengan komponen yang diperbarui. Pembuatnya terlebih dahulu merekonstruksi komponen bergaya Mythologic, lalu menggabungkannya dengan komponen Huginn yang diperbarui menggunakan interpolasi sferis, atau SLERP. Hasilnya adalah gabungan keluarga Llama 2 yang berbeda, bukan checkpoint MythoMax asli atau edisi terkuantisasinya.
Model menerima instruksi tertulis dan menghasilkan teks. Pembuatnya menerbitkan prompt bergaya Alpaca dengan bagian instruksi dan respons yang terpisah. Tempatkan tugas pada bagian instruksi dan sisakan bagian respons untuk kelanjutan yang dihasilkan. Untuk percakapan atau adegan, sertakan latar belakang yang diperlukan balasan berikutnya, alih-alih mengandalkan informasi yang tidak ada dalam prompt.
Resep pembuat memperbarui campuran komponen yang digunakan dalam penciptaan ulang, lalu memberikan bobot setara pada dua komponen akhir dalam langkah SLERP. Konfigurasi repositori yang dipublikasikan menetapkan maksimum 4096 posisi, dengan 40 lapisan Transformer dan tanpa konfigurasi rotary scaling. Konteks tersebut mencakup materi yang diberikan dan kelanjutan yang dihasilkan; gabungan yang dipublikasikan tidak menetapkan varian konteks diperluas.
Uji penulisan kreatif yang berguna dapat memberikan deskripsi karakter, latar, dan percakapan sebelumnya, lalu meminta satu kelanjutan dengan nada yang terdefinisi. Untuk revisi, berikan bagian teks dan tentukan detail mana yang harus tetap ada sementara kata-kata berubah. Bandingkan draf dengan gaya suara yang diminta dan fakta cerita yang sudah ditetapkan sebelum menjadikannya bagian berikutnya dari adegan. Ini adalah contoh tugas teks untuk model yang diciptakan ulang, bukan klaim bahwa perilakunya sama dengan MythoMax asli dalam setiap kasus.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan undi95/remm-slerp-l2-13b | 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 $0.0009 / 1K token Keluaran · Token keluaran $0.0013 / 1K token Masukan · Pembacaan cache — / 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 $0.0009 / 1K token Keluaran · Token keluaran $0.0013 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "undi95/remm-slerp-l2-13b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'undi95/remm-slerp-l2-13b', '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': 'undi95/remm-slerp-l2-13b', '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 undi95/remm-slerp-l2-13b
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Continue a lighthouse scene\n\nContinue this fictional exchange in three short lines of dialogue. Setting: a foggy lighthouse; Mira is a cautious keeper who never abandons the lamp. Visitor: "There is a bell sounding below the cliff." Mira: "That bell was removed last winter." Keep the restrained mystery, give Mira a practical question and leave the bell unexplained.Three short dialogue lines that continue the established scene and preserve Mira’s role and unresolved mystery.Check that Mira does not abandon the lamp and no explanation for the removed bell is resolved prematurely.