Ling 3.0 Flash è un modello da testo a testo di inclusionAI. L'architettura pubblicata è a miscela di esperti con 124 miliardi di parametri totali e circa 5,1 miliardi di parametri attivi per token. Seleziona inclusionai/ling-3.0-flash tramite POST /v1/chat/completions con model e un array messages. Istruzioni, materiale di partenza e turni precedenti della conversazione vanno nel testo dei messaggi.
Usa un prompt mirato per trasformare il materiale fornito in un risultato specifico. Per una risposta a un cliente, fornisci la sua domanda e il testo del prodotto o delle regole che la risposta deve usare, quindi specifica il tono e il passaggio successivo. Per riassumere un documento, indica le sezioni necessarie, come decisioni, questioni irrisolte e azioni. Per l'estrazione, definisci i campi richiesti e come rappresentare i fatti assenti dalla fonte. Per il lavoro sul codice, includi la funzione o l'estratto di file pertinente e chiedi una spiegazione, una proposta di modifica o una revisione rispetto a un requisito esplicito.
La finestra di contesto pubblicata è di 262 144 token, con un massimo di 32 768 token di completamento indicati per il modello. Pianifica insieme il testo di partenza, le istruzioni, la cronologia della conversazione e il completamento richiesto. Usa max_tokens per impostare la quantità di output richiesta. Un documento deve essere fornito come testo effettivo quando vuoi che la risposta dipenda dai suoi contenuti; fai riferimento esplicito alle sezioni pertinenti quando una richiesta combina più brani.
L'elenco dei parametri supportati include tools e tool_choice per le chiamate di funzione. Definisci nella richiesta le funzioni disponibili e le descrizioni dei loro argomenti. L'applicazione convalida una chiamata restituita, esegue la funzione selezionata e ne fornisce il risultato alla conversazione prima di richiedere una risposta successiva. Ad esempio, un flusso di assistenza può esporre una ricerca degli ordini definita in modo circoscritto e usare i fatti restituiti per redigere la risposta. Mantieni i risultati degli strumenti associati al turno corretto della conversazione, così che il modello possa distinguerli dalla richiesta originale dell'utente.
Il modello supporta response_format per l'output JSON, senza imposizione di uno schema JSON. Indica i campi desiderati e convalida l'oggetto restituito nell'applicazione prima di utilizzarlo. Altri controlli pubblicati includono temperature, top_p, top_k, min_p, stop, seed e le penalità di ripetizione, frequenza e presenza elencate. L'elenco dei parametri include anche reasoning e include_reasoning; scegli la loro rappresentazione supportata dalle specifiche della richiesta, invece di presumere valori di un'altra edizione.
Chat Completions può restituire una risposta completa o testo in streaming. Per una risposta completa, leggi il contenuto del messaggio restituito e conserva i choices e usage della risposta. Con lo streaming, assembla i delta prima di considerare completa la risposta e conserva ogni chiamata di strumento restituita con i relativi argomenti. Il risultato è testo o una richiesta di chiamata di funzione per il passaggio applicativo successivo; l'applicazione circostante gestisce l'esecuzione e l'uso della risposta completata.
", "aboutText": "Ling 3.0 Flash è un modello da testo a testo di inclusionAI. L'architettura pubblicata è a miscela di esperti con 124 miliardi di parametri totali e circa 5,1 miliardi di parametri attivi per token. Seleziona inclusionai/ling-3.0-flash tramite POST /v1/chat/completions con model e un array messages. Istruzioni, materiale di partenza e turni precedenti della conversazione vanno nel testo dei messaggi.\n\nUsa un prompt mirato per trasformare il materiale fornito in un risultato specifico. Per una risposta a un cliente, fornisci la sua domanda e il testo del prodotto o delle regole che la risposta deve usare, quindi specifica il tono e il passaggio successivo. Per riassumere un documento, indica le sezioni necessarie, come decisioni, questioni irrisolte e azioni. Per l'estrazione, definisci i campi richiesti e come rappresentare i fatti assenti dalla fonte. Per il lavoro sul codice, includi la funzione o l'estratto di file pertinente e chiedi una spiegazione, una proposta di modifica o una revisione rispetto a un requisito esplicito.\n\nLa finestra di contesto pubblicata è di 262 144 token, con un massimo di 32 768 token di completamento indicati per il modello. Pianifica insieme il testo di partenza, le istruzioni, la cronologia della conversazione e il completamento richiesto. Usa max_tokens per impostare la quantità di output richiesta. Un documento deve essere fornito come testo effettivo quando vuoi che la risposta dipenda dai suoi contenuti; fai riferimento esplicito alle sezioni pertinenti quando una richiesta combina più brani.\n\nL'elenco dei parametri supportati include tools e tool_choice per le chiamate di funzione. Definisci nella richiesta le funzioni disponibili e le descrizioni dei loro argomenti. L'applicazione convalida una chiamata restituita, esegue la funzione selezionata e ne fornisce il risultato alla conversazione prima di richiedere una risposta successiva. Ad esempio, un flusso di assistenza può esporre una ricerca degli ordini definita in modo circoscritto e usare i fatti restituiti per redigere la risposta. Mantieni i risultati degli strumenti associati al turno corretto della conversazione, così che il modello possa distinguerli dalla richiesta originale dell'utente.\n\nIl modello supporta response_format per l'output JSON, senza imposizione di uno schema JSON. Indica i campi desiderati e convalida l'oggetto restituito nell'applicazione prima di utilizzarlo. Altri controlli pubblicati includono temperature, top_p, top_k, min_p, stop, seed e le penalità di ripetizione, frequenza e presenza elencate. L'elenco dei parametri include anche reasoning e include_reasoning; scegli la loro rappresentazione supportata dalle specifiche della richiesta, invece di presumere valori di un'altra edizione.\n\nChat Completions può restituire una risposta completa o testo in streaming. Per una risposta completa, leggi il contenuto del messaggio restituito e conserva i choices e usage della risposta. Con lo streaming, assembla i delta prima di considerare completa la risposta e conserva ogni chiamata di strumento restituita con i relativi argomenti. Il risultato è testo o una richiesta di chiamata di funzione per il passaggio applicativo successivo; l'applicazione circostante gestisce l'esecuzione e l'uso della risposta completata.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "04019483b34cdcb0c077410777bce76101cef4e9ce88aab117ab34a06c6fcd04", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "inclusionai/ling-3.0-flashLing 3.0 Flash è il modello testuale di inclusionAI per conversazioni, lavoro sui documenti e flussi con agenti controllati dall'applicazione. Accetta testo tramite Chat Completions, supporta dichiarazioni di chiamate di funzione e formattazione dell'output JSON e ha una finestra di contesto pubblicata di 262 144 token. Usa l'ID esatto inclusionai/ling-3.0-flash quando selezioni questa edizione.
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.
Ling 3.0 Flash è un modello da testo a testo di inclusionAI. L'architettura pubblicata è a miscela di esperti con 124 miliardi di parametri totali e circa 5,1 miliardi di parametri attivi per token. Seleziona inclusionai/ling-3.0-flash tramite POST /v1/chat/completions con model e un array messages. Istruzioni, materiale di partenza e turni precedenti della conversazione vanno nel testo dei messaggi.
Usa un prompt mirato per trasformare il materiale fornito in un risultato specifico. Per una risposta a un cliente, fornisci la sua domanda e il testo del prodotto o delle regole che la risposta deve usare, quindi specifica il tono e il passaggio successivo. Per riassumere un documento, indica le sezioni necessarie, come decisioni, questioni irrisolte e azioni. Per l'estrazione, definisci i campi richiesti e come rappresentare i fatti assenti dalla fonte. Per il lavoro sul codice, includi la funzione o l'estratto di file pertinente e chiedi una spiegazione, una proposta di modifica o una revisione rispetto a un requisito esplicito.
La finestra di contesto pubblicata è di 262 144 token, con un massimo di 32 768 token di completamento indicati per il modello. Pianifica insieme il testo di partenza, le istruzioni, la cronologia della conversazione e il completamento richiesto. Usa max_tokens per impostare la quantità di output richiesta. Un documento deve essere fornito come testo effettivo quando vuoi che la risposta dipenda dai suoi contenuti; fai riferimento esplicito alle sezioni pertinenti quando una richiesta combina più brani.
L'elenco dei parametri supportati include tools e tool_choice per le chiamate di funzione. Definisci nella richiesta le funzioni disponibili e le descrizioni dei loro argomenti. L'applicazione convalida una chiamata restituita, esegue la funzione selezionata e ne fornisce il risultato alla conversazione prima di richiedere una risposta successiva. Ad esempio, un flusso di assistenza può esporre una ricerca degli ordini definita in modo circoscritto e usare i fatti restituiti per redigere la risposta. Mantieni i risultati degli strumenti associati al turno corretto della conversazione, così che il modello possa distinguerli dalla richiesta originale dell'utente.
Il modello supporta response_format per l'output JSON, senza imposizione di uno schema JSON. Indica i campi desiderati e convalida l'oggetto restituito nell'applicazione prima di utilizzarlo. Altri controlli pubblicati includono temperature, top_p, top_k, min_p, stop, seed e le penalità di ripetizione, frequenza e presenza elencate. L'elenco dei parametri include anche reasoning e include_reasoning; scegli la loro rappresentazione supportata dalle specifiche della richiesta, invece di presumere valori di un'altra edizione.
Chat Completions può restituire una risposta completa o testo in streaming. Per una risposta completa, leggi il contenuto del messaggio restituito e conserva i choices e usage della risposta. Con lo streaming, assembla i delta prima di considerare completa la risposta e conserva ogni chiamata di strumento restituita con i relativi argomenti. Il risultato è testo o una richiesta di chiamata di funzione per il passaggio applicativo successivo; l'applicazione circostante gestisce l'esecuzione e l'uso della risposta completata.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti inclusionai/ling-3.0-flash | Predefinito— |
Campomessages | Tipoarray | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— |
Campon | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Camposeed | Tipointeger | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campostop | Tipo | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campofrequency_penalty | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campopresence_penalty | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campouser | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametrooptional | Contrattostream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametromaterial_types | Contrattotext |
Parametroconditions | Contratto |
Ciclo di vita: synchronous_json_or_sse
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.00012 / 1K token Output · Token in output $0.00036 / 1K token Input · Lettura dalla cache $0.000024 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inclusionai/ling-3.0-flash", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "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\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or supported SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra inclusionai/ling-3.0-flash
Usa i percorsi dei metodi indicati sopra.