ERNIE X1 Turbo è il profilo di modello di ragionamento di Baidu per domande che richiedono analisi estesa, risoluzione di problemi logici e attività testuali connesse a strumenti. Il produttore identifica Turbo come una versione potenziata della linea X1. Il suo profilo documentato dal produttore di 32K resta separato da ERNIE X1.1 Preview e ERNIE 5.0 Thinking, che hanno budget di input e generazione differenti.
Fornisci la domanda, i valori dati, i vincoli e il tipo di risultato necessario. Un compito matematico può richiedere una soluzione il cui calcolo decisivo sia verificabile; un compito di pianificazione può confrontare alternative rispetto a condizioni dichiarate. Mantieni le ipotesi separate dai fatti forniti e identifica ciò che rimane sconosciuto. In questo modo il processo di ragionamento riceve un problema delimitato, anziché il permesso di inventare requisiti mancanti.
Per una domanda tecnica, includi il passaggio originale o il frammento di codice pertinente e il comportamento da indagare. Richiedi un controesempio concreto o una spiegazione se due implementazioni differiscono. L’elaborato utile deve rendere chiare la conclusione e le condizioni che la determinano. Verifica i valori importanti e il comportamento proposto rispetto alla fonte, anziché considerare una lunga analisi generata come prova di correttezza.
La tabella dei modelli AI Studio del produttore indica un contesto di 32K, un input massimo di 24K e un’impostazione dell’output finale da 2 a 16.384 token, con 2K come valore predefinito documentato. Indica separatamente una lunghezza di ragionamento di 16K per X1 Turbo. Questi campi hanno ruoli distinti; scegli di conseguenza il materiale originale e l’elaborato finale richiesto, anziché interpretare il numero del contesto come una promessa di una risposta altrettanto lunga.
Mantieni la risposta finale separata dall’eventuale materiale di ragionamento restituito dal flusso del produttore. Un confronto può presentare prima la raccomandazione e conservare le condizioni che la fondano. Una risposta sul codice può identificare il caso di input esatto e il risultato atteso. Conserva la domanda originale e le evidenze insieme all’elaborato completato, così che una richiesta successiva possa esaminare un passaggio irrisolto.
L’indice delle funzionalità del produttore elenca X1 Turbo per le chiamate di funzione e le attività potenziate dalla ricerca. Definisci lo scopo e gli argomenti di ogni funzione applicativa, quindi restituisci il risultato effettivo quando il modello la richiede. Il modello fornisce una richiesta strutturata; l’applicazione circostante esegue l’operazione. Una ricerca proposta è distinta da un record recuperato, e un’azione richiesta è distinta da un risultato completato.
Per una domanda basata sulle fonti, conserva il materiale recuperato insieme alla risposta e verifica se sostiene l’affermazione. Un fatto dinamico deve provenire da evidenze attuali, anziché da una risposta non supportata basata sulla memoria. Considera l’integrazione di funzioni e ricerca come il flusso connesso del produttore, nel quale sono le evidenze effettivamente restituite a determinare ciò che la risposta può concludere responsabilmente.
Il profilo X1 Turbo da 32K è un flusso testuale di ragionamento, non la più ampia specifica di generazione multimodale nativa di un’altra famiglia ERNIE. I suoi budget di input, output finale e ragionamento restano quelli del profilo del produttore selezionato. Un passaggio di consegne utile può contenere la soluzione, il confronto o la risposta informata dagli strumenti, insieme ai passaggi originali e ai risultati delle operazioni completate. Questo consente una continuazione mirata, preservando il compito originale e la sua incertezza.
", "aboutText": "ERNIE X1 Turbo è il profilo di modello di ragionamento di Baidu per domande che richiedono analisi estesa, risoluzione di problemi logici e attività testuali connesse a strumenti. Il produttore identifica Turbo come una versione potenziata della linea X1. Il suo profilo documentato dal produttore di 32K resta separato da ERNIE X1.1 Preview e ERNIE 5.0 Thinking, che hanno budget di input e generazione differenti.\n\n### Prepara un problema di ragionamento completo\n\nFornisci la domanda, i valori dati, i vincoli e il tipo di risultato necessario. Un compito matematico può richiedere una soluzione il cui calcolo decisivo sia verificabile; un compito di pianificazione può confrontare alternative rispetto a condizioni dichiarate. Mantieni le ipotesi separate dai fatti forniti e identifica ciò che rimane sconosciuto. In questo modo il processo di ragionamento riceve un problema delimitato, anziché il permesso di inventare requisiti mancanti.\n\nPer una domanda tecnica, includi il passaggio originale o il frammento di codice pertinente e il comportamento da indagare. Richiedi un controesempio concreto o una spiegazione se due implementazioni differiscono. L’elaborato utile deve rendere chiare la conclusione e le condizioni che la determinano. Verifica i valori importanti e il comportamento proposto rispetto alla fonte, anziché considerare una lunga analisi generata come prova di correttezza.\n\n### Budget di contesto, output finale e ragionamento\n\nLa tabella dei modelli AI Studio del produttore indica un contesto di 32K, un input massimo di 24K e un’impostazione dell’output finale da 2 a 16.384 token, con 2K come valore predefinito documentato. Indica separatamente una lunghezza di ragionamento di 16K per X1 Turbo. Questi campi hanno ruoli distinti; scegli di conseguenza il materiale originale e l’elaborato finale richiesto, anziché interpretare il numero del contesto come una promessa di una risposta altrettanto lunga.\n\nMantieni la risposta finale separata dall’eventuale materiale di ragionamento restituito dal flusso del produttore. Un confronto può presentare prima la raccomandazione e conservare le condizioni che la fondano. Una risposta sul codice può identificare il caso di input esatto e il risultato atteso. Conserva la domanda originale e le evidenze insieme all’elaborato completato, così che una richiesta successiva possa esaminare un passaggio irrisolto.\n\n### Funzioni e informazioni attuali\n\nL’indice delle funzionalità del produttore elenca X1 Turbo per le chiamate di funzione e le attività potenziate dalla ricerca. Definisci lo scopo e gli argomenti di ogni funzione applicativa, quindi restituisci il risultato effettivo quando il modello la richiede. Il modello fornisce una richiesta strutturata; l’applicazione circostante esegue l’operazione. Una ricerca proposta è distinta da un record recuperato, e un’azione richiesta è distinta da un risultato completato.\n\nPer una domanda basata sulle fonti, conserva il materiale recuperato insieme alla risposta e verifica se sostiene l’affermazione. Un fatto dinamico deve provenire da evidenze attuali, anziché da una risposta non supportata basata sulla memoria. Considera l’integrazione di funzioni e ricerca come il flusso connesso del produttore, nel quale sono le evidenze effettivamente restituite a determinare ciò che la risposta può concludere responsabilmente.\n\n### Conserva l’edizione X1 Turbo insieme al risultato\n\nIl profilo X1 Turbo da 32K è un flusso testuale di ragionamento, non la più ampia specifica di generazione multimodale nativa di un’altra famiglia ERNIE. I suoi budget di input, output finale e ragionamento restano quelli del profilo del produttore selezionato. Un passaggio di consegne utile può contenere la soluzione, il confronto o la risposta informata dagli strumenti, insieme ai passaggi originali e ai risultati delle operazioni completate. Questo consente una continuazione mirata, preservando il compito originale e la sua incertezza.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b1d50f5a3d296528fef53831589816b6d011b537d117a0eb47960558e8792469", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "ernie-x1-turbo-32kERNIE X1 Turbo è il profilo di ragionamento di Baidu per attività testuali matematiche, logiche e connesse a strumenti. La specifica AI Studio distingue un contesto di 32K, un input massimo di 24K, impostazioni dell’output finale fino a 16.384 token e una lunghezza di ragionamento separata di 16K.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
ERNIE X1 Turbo è il profilo di modello di ragionamento di Baidu per domande che richiedono analisi estesa, risoluzione di problemi logici e attività testuali connesse a strumenti. Il produttore identifica Turbo come una versione potenziata della linea X1. Il suo profilo documentato dal produttore di 32K resta separato da ERNIE X1.1 Preview e ERNIE 5.0 Thinking, che hanno budget di input e generazione differenti.
Fornisci la domanda, i valori dati, i vincoli e il tipo di risultato necessario. Un compito matematico può richiedere una soluzione il cui calcolo decisivo sia verificabile; un compito di pianificazione può confrontare alternative rispetto a condizioni dichiarate. Mantieni le ipotesi separate dai fatti forniti e identifica ciò che rimane sconosciuto. In questo modo il processo di ragionamento riceve un problema delimitato, anziché il permesso di inventare requisiti mancanti.
Per una domanda tecnica, includi il passaggio originale o il frammento di codice pertinente e il comportamento da indagare. Richiedi un controesempio concreto o una spiegazione se due implementazioni differiscono. L’elaborato utile deve rendere chiare la conclusione e le condizioni che la determinano. Verifica i valori importanti e il comportamento proposto rispetto alla fonte, anziché considerare una lunga analisi generata come prova di correttezza.
La tabella dei modelli AI Studio del produttore indica un contesto di 32K, un input massimo di 24K e un’impostazione dell’output finale da 2 a 16.384 token, con 2K come valore predefinito documentato. Indica separatamente una lunghezza di ragionamento di 16K per X1 Turbo. Questi campi hanno ruoli distinti; scegli di conseguenza il materiale originale e l’elaborato finale richiesto, anziché interpretare il numero del contesto come una promessa di una risposta altrettanto lunga.
Mantieni la risposta finale separata dall’eventuale materiale di ragionamento restituito dal flusso del produttore. Un confronto può presentare prima la raccomandazione e conservare le condizioni che la fondano. Una risposta sul codice può identificare il caso di input esatto e il risultato atteso. Conserva la domanda originale e le evidenze insieme all’elaborato completato, così che una richiesta successiva possa esaminare un passaggio irrisolto.
L’indice delle funzionalità del produttore elenca X1 Turbo per le chiamate di funzione e le attività potenziate dalla ricerca. Definisci lo scopo e gli argomenti di ogni funzione applicativa, quindi restituisci il risultato effettivo quando il modello la richiede. Il modello fornisce una richiesta strutturata; l’applicazione circostante esegue l’operazione. Una ricerca proposta è distinta da un record recuperato, e un’azione richiesta è distinta da un risultato completato.
Per una domanda basata sulle fonti, conserva il materiale recuperato insieme alla risposta e verifica se sostiene l’affermazione. Un fatto dinamico deve provenire da evidenze attuali, anziché da una risposta non supportata basata sulla memoria. Considera l’integrazione di funzioni e ricerca come il flusso connesso del produttore, nel quale sono le evidenze effettivamente restituite a determinare ciò che la risposta può concludere responsabilmente.
Il profilo X1 Turbo da 32K è un flusso testuale di ragionamento, non la più ampia specifica di generazione multimodale nativa di un’altra famiglia ERNIE. I suoi budget di input, output finale e ragionamento restano quelli del profilo del produttore selezionato. Un passaggio di consegne utile può contenere la soluzione, il confronto o la risposta informata dagli strumenti, insieme ai passaggi originali e ai risultati delle operazioni completate. Questo consente una continuazione mirata, preservando il compito originale e la sua incertezza.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ernie-x1-turbo-32k | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Conversazione testuale | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream |
Parametrocontrol_scope | ContrattoConversazione testuale; stream è un booleano e per impostazione predefinita vale false. |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Alias del metodo: /chat/completions
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.00033 / 1K token Output · Token in output $0.00132 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"ernie-x1-turbo-32k","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="ernie-x1-turbo-32k", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra ernie-x1-turbo-32k
/chat/completions
ernie-x1-turbo-32kERNIE X1 Turbo è il profilo di ragionamento di Baidu per attività testuali matematiche, logiche e connesse a strumenti. La specifica AI Studio distingue un contesto di 32K, un input massimo di 24K, impostazioni dell’output finale fino a 16.384 token e una lunghezza di ragionamento separata di 16K.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
ERNIE X1 Turbo è il profilo di modello di ragionamento di Baidu per domande che richiedono analisi estesa, risoluzione di problemi logici e attività testuali connesse a strumenti. Il produttore identifica Turbo come una versione potenziata della linea X1. Il suo profilo documentato dal produttore di 32K resta separato da ERNIE X1.1 Preview e ERNIE 5.0 Thinking, che hanno budget di input e generazione differenti.
Fornisci la domanda, i valori dati, i vincoli e il tipo di risultato necessario. Un compito matematico può richiedere una soluzione il cui calcolo decisivo sia verificabile; un compito di pianificazione può confrontare alternative rispetto a condizioni dichiarate. Mantieni le ipotesi separate dai fatti forniti e identifica ciò che rimane sconosciuto. In questo modo il processo di ragionamento riceve un problema delimitato, anziché il permesso di inventare requisiti mancanti.
Per una domanda tecnica, includi il passaggio originale o il frammento di codice pertinente e il comportamento da indagare. Richiedi un controesempio concreto o una spiegazione se due implementazioni differiscono. L’elaborato utile deve rendere chiare la conclusione e le condizioni che la determinano. Verifica i valori importanti e il comportamento proposto rispetto alla fonte, anziché considerare una lunga analisi generata come prova di correttezza.
La tabella dei modelli AI Studio del produttore indica un contesto di 32K, un input massimo di 24K e un’impostazione dell’output finale da 2 a 16.384 token, con 2K come valore predefinito documentato. Indica separatamente una lunghezza di ragionamento di 16K per X1 Turbo. Questi campi hanno ruoli distinti; scegli di conseguenza il materiale originale e l’elaborato finale richiesto, anziché interpretare il numero del contesto come una promessa di una risposta altrettanto lunga.
Mantieni la risposta finale separata dall’eventuale materiale di ragionamento restituito dal flusso del produttore. Un confronto può presentare prima la raccomandazione e conservare le condizioni che la fondano. Una risposta sul codice può identificare il caso di input esatto e il risultato atteso. Conserva la domanda originale e le evidenze insieme all’elaborato completato, così che una richiesta successiva possa esaminare un passaggio irrisolto.
L’indice delle funzionalità del produttore elenca X1 Turbo per le chiamate di funzione e le attività potenziate dalla ricerca. Definisci lo scopo e gli argomenti di ogni funzione applicativa, quindi restituisci il risultato effettivo quando il modello la richiede. Il modello fornisce una richiesta strutturata; l’applicazione circostante esegue l’operazione. Una ricerca proposta è distinta da un record recuperato, e un’azione richiesta è distinta da un risultato completato.
Per una domanda basata sulle fonti, conserva il materiale recuperato insieme alla risposta e verifica se sostiene l’affermazione. Un fatto dinamico deve provenire da evidenze attuali, anziché da una risposta non supportata basata sulla memoria. Considera l’integrazione di funzioni e ricerca come il flusso connesso del produttore, nel quale sono le evidenze effettivamente restituite a determinare ciò che la risposta può concludere responsabilmente.
Il profilo X1 Turbo da 32K è un flusso testuale di ragionamento, non la più ampia specifica di generazione multimodale nativa di un’altra famiglia ERNIE. I suoi budget di input, output finale e ragionamento restano quelli del profilo del produttore selezionato. Un passaggio di consegne utile può contenere la soluzione, il confronto o la risposta informata dagli strumenti, insieme ai passaggi originali e ai risultati delle operazioni completate. Questo consente una continuazione mirata, preservando il compito originale e la sua incertezza.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ernie-x1-turbo-32k | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.00033 / 1K token Output · Token in output $0.00132 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "ernie-x1-turbo-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ernie-x1-turbo-32k', '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': 'ernie-x1-turbo-32k', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra ernie-x1-turbo-32k
/chat/completions