Poolside Laguna S 2.1 è un modello linguistico mixture-of-experts progettato per programmazione basata su agenti e attività di lungo periodo. Ha 118B parametri totali e circa 8B attivi per token, collocandosi tra il più piccolo Laguna XS 2.1 e il più grande Laguna M.1 nella serie del produttore. Il modello elabora testo e produce testo, codice, ragionamento e richieste di chiamata agli strumenti in un'applicazione collegata a strumenti.
La sua architettura combina attenzione globale e a finestra scorrevole in 48 livelli: 12 livelli globali e 36 livelli a finestra scorrevole. La finestra scorrevole di 512 token descrive l'attenzione locale entro quei livelli, mentre il contesto documentato del modello è di 1.048.576 token. Sono misure diverse. Il contesto più ampio supporta compiti che accumulano file sorgente, osservazioni e decisioni lungo molti passaggi. Mantieni insieme l'obiettivo di lavoro e le evidenze significative e riserva spazio al ragionamento successivo e alla risposta finale entro la configurazione applicabile.
Lo scopo centrale del modello è il lavoro software che richiede continuità, verifiche e revisioni. Per un compito su un repository, fornisci il comportamento atteso, i file pertinenti come testo, le informazioni sulle dipendenze e l'output effettivo che mostra il problema. Chiedi un risultato mirato: «Ricostruisci la causa di questa regressione, proponi una modifica che mantenga l'interfaccia documentata e identifica le verifiche che distinguerebbero una correzione da una modifica non pertinente». In un flusso collegato a strumenti, fornisci al modello il risultato di ogni verifica eseguita prima che scelga il passaggio successivo.
Per l'ottimizzazione, fornisci misurazioni e un obiettivo esplicito. Un esempio è: «Usa questo profilo e rapporto di allocazione per identificare un collo di bottiglia. Proponi una modifica, spiega l'effetto atteso e confrontala con la situazione di riferimento dopo aver ripetuto la stessa misurazione». Questo rende una dichiarazione di prestazioni verificabile. La versione di Poolside tratta la verifica e il progresso continuo come comportamenti importanti, ma una spiegazione persuasiva da sola non dimostra che una revisione sia più veloce, corretta o completa. Conserva le osservazioni che sostengono la scelta di mantenere o rifiutare la modifica.
Laguna S 2.1 supporta il ragionamento intercalato prima delle chiamate agli strumenti e tra una chiamata e l'altra. Il produttore consiglia di conservare nella cronologia successiva il contenuto di ragionamento dei messaggi precedenti dell'assistente; eliminare quei blocchi può far cessare il ragionamento nei passaggi seguenti. Mantieni insieme la risposta dell'assistente, le informazioni sulle chiamate agli strumenti e il risultato corrispondente dello strumento. Questo aiuta un compito lungo a proseguire dal suo stato effettivo anziché ricostruire ripetutamente ciò che è già stato tentato.
Le opzioni di ragionamento documentate sono off e max, con max abilitato per impostazione predefinita nella configurazione descritta dal produttore. Il modello determina il proprio budget di ragionamento in quella modalità; la versione non presenta controlli separati di impegno low, medium e high. Per la programmazione basata su agenti, Poolside consiglia di abilitare il ragionamento e conservarlo tra i passaggi. Indica esplicitamente l'artefatto finale e i criteri di completamento e distingui una lunga sequenza di ragionamento dal risultato completato. Il produttore identifica l'eccesso di ragionamento, soprattutto nella matematica competitiva, come un limite sostanziale.
Le definizioni degli strumenti richiedono particolare attenzione. Poolside segnala che S 2.1 può inizialmente affidarsi a un'interfaccia di strumenti familiare anziché seguire con precisione uno schema simile ma diverso. Può anche produrre JSON malformato o con escape errati quando un argomento dello strumento contiene un array annidato. Fornisci le definizioni effettive degli argomenti, convalida le chiamate proposte e restituisci un errore preciso quando la chiamata non corrisponde. Il produttore descrive la correzione tramite feedback nel contesto come un modo per risolvere alcune di queste discrepanze. Mantieni l'osservazione risultante dello strumento disponibile per la decisione successiva.
Il produttore pubblica varianti separate BF16 e quantizzate e un modello draft DFlash opzionale. Sono artefatti e ricette di serving distinti, quindi l'uso di memoria di un checkpoint quantizzato o le prestazioni di decodifica speculativa non vanno dedotti dal nome generale del modello. Per il normale lavoro testuale, prepara codice sorgente, output dei comandi ed estratti di documenti come testo leggibile. La versione segnala l'assenza di capacità visive del modello; uno screenshot richiede un'osservazione testuale o un passaggio esterno di ispezione appropriato prima di poter supportare l'analisi.
Richiedi un risultato finale che identifichi l'artefatto modificato, le decisioni importanti, le verifiche osservate e ogni condizione irrisolta. Per una revisione del codice, collega i risultati al sorgente pertinente e mostra perché ogni problema influisce sul comportamento. Per una correzione, separa la patch proposta da una patch il cui comportamento è stato effettivamente verificato. Conservare il ragionamento e la cronologia degli strumenti aiuta il modello a svolgere il compito, mentre l'artefatto finale e i risultati registrati stabiliscono ciò che è stato realizzato.
", "aboutText": "Poolside Laguna S 2.1 è un modello linguistico mixture-of-experts progettato per programmazione basata su agenti e attività di lungo periodo. Ha 118B parametri totali e circa 8B attivi per token, collocandosi tra il più piccolo Laguna XS 2.1 e il più grande Laguna M.1 nella serie del produttore. Il modello elabora testo e produce testo, codice, ragionamento e richieste di chiamata agli strumenti in un'applicazione collegata a strumenti.\n\nLa sua architettura combina attenzione globale e a finestra scorrevole in 48 livelli: 12 livelli globali e 36 livelli a finestra scorrevole. La finestra scorrevole di 512 token descrive l'attenzione locale entro quei livelli, mentre il contesto documentato del modello è di 1.048.576 token. Sono misure diverse. Il contesto più ampio supporta compiti che accumulano file sorgente, osservazioni e decisioni lungo molti passaggi. Mantieni insieme l'obiettivo di lavoro e le evidenze significative e riserva spazio al ragionamento successivo e alla risposta finale entro la configurazione applicabile.\n\nLo scopo centrale del modello è il lavoro software che richiede continuità, verifiche e revisioni. Per un compito su un repository, fornisci il comportamento atteso, i file pertinenti come testo, le informazioni sulle dipendenze e l'output effettivo che mostra il problema. Chiedi un risultato mirato: «Ricostruisci la causa di questa regressione, proponi una modifica che mantenga l'interfaccia documentata e identifica le verifiche che distinguerebbero una correzione da una modifica non pertinente». In un flusso collegato a strumenti, fornisci al modello il risultato di ogni verifica eseguita prima che scelga il passaggio successivo.\n\nPer l'ottimizzazione, fornisci misurazioni e un obiettivo esplicito. Un esempio è: «Usa questo profilo e rapporto di allocazione per identificare un collo di bottiglia. Proponi una modifica, spiega l'effetto atteso e confrontala con la situazione di riferimento dopo aver ripetuto la stessa misurazione». Questo rende una dichiarazione di prestazioni verificabile. La versione di Poolside tratta la verifica e il progresso continuo come comportamenti importanti, ma una spiegazione persuasiva da sola non dimostra che una revisione sia più veloce, corretta o completa. Conserva le osservazioni che sostengono la scelta di mantenere o rifiutare la modifica.\n\nLaguna S 2.1 supporta il ragionamento intercalato prima delle chiamate agli strumenti e tra una chiamata e l'altra. Il produttore consiglia di conservare nella cronologia successiva il contenuto di ragionamento dei messaggi precedenti dell'assistente; eliminare quei blocchi può far cessare il ragionamento nei passaggi seguenti. Mantieni insieme la risposta dell'assistente, le informazioni sulle chiamate agli strumenti e il risultato corrispondente dello strumento. Questo aiuta un compito lungo a proseguire dal suo stato effettivo anziché ricostruire ripetutamente ciò che è già stato tentato.\n\nLe opzioni di ragionamento documentate sono off e max, con max abilitato per impostazione predefinita nella configurazione descritta dal produttore. Il modello determina il proprio budget di ragionamento in quella modalità; la versione non presenta controlli separati di impegno low, medium e high. Per la programmazione basata su agenti, Poolside consiglia di abilitare il ragionamento e conservarlo tra i passaggi. Indica esplicitamente l'artefatto finale e i criteri di completamento e distingui una lunga sequenza di ragionamento dal risultato completato. Il produttore identifica l'eccesso di ragionamento, soprattutto nella matematica competitiva, come un limite sostanziale.\n\nLe definizioni degli strumenti richiedono particolare attenzione. Poolside segnala che S 2.1 può inizialmente affidarsi a un'interfaccia di strumenti familiare anziché seguire con precisione uno schema simile ma diverso. Può anche produrre JSON malformato o con escape errati quando un argomento dello strumento contiene un array annidato. Fornisci le definizioni effettive degli argomenti, convalida le chiamate proposte e restituisci un errore preciso quando la chiamata non corrisponde. Il produttore descrive la correzione tramite feedback nel contesto come un modo per risolvere alcune di queste discrepanze. Mantieni l'osservazione risultante dello strumento disponibile per la decisione successiva.\n\nIl produttore pubblica varianti separate BF16 e quantizzate e un modello draft DFlash opzionale. Sono artefatti e ricette di serving distinti, quindi l'uso di memoria di un checkpoint quantizzato o le prestazioni di decodifica speculativa non vanno dedotti dal nome generale del modello. Per il normale lavoro testuale, prepara codice sorgente, output dei comandi ed estratti di documenti come testo leggibile. La versione segnala l'assenza di capacità visive del modello; uno screenshot richiede un'osservazione testuale o un passaggio esterno di ispezione appropriato prima di poter supportare l'analisi.\n\nRichiedi un risultato finale che identifichi l'artefatto modificato, le decisioni importanti, le verifiche osservate e ogni condizione irrisolta. Per una revisione del codice, collega i risultati al sorgente pertinente e mostra perché ogni problema influisce sul comportamento. Per una correzione, separa la patch proposta da una patch il cui comportamento è stato effettivamente verificato. Conservare il ragionamento e la cronologia degli strumenti aiuta il modello a svolgere il compito, mentre l'artefatto finale e i risultati registrati stabiliscono ciò che è stato realizzato.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "61fb7742e6f790758953275fadceaff40602f7b4dfe9162240edb47d3e01a462", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "poolside/laguna-s-2.1:freePoolside Laguna S 2.1 è un modello testuale per programmazione basata su agenti e attività di lungo periodo, con 118B parametri totali e circa 8B attivi. Combina un contesto del modello di 1.048.576 token con uso nativo degli strumenti e ragionamento intercalato; conservare il ragionamento precedente lo aiuta a proseguire efficacemente tra le chiamate agli strumenti.
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.
Poolside Laguna S 2.1 è un modello linguistico mixture-of-experts progettato per programmazione basata su agenti e attività di lungo periodo. Ha 118B parametri totali e circa 8B attivi per token, collocandosi tra il più piccolo Laguna XS 2.1 e il più grande Laguna M.1 nella serie del produttore. Il modello elabora testo e produce testo, codice, ragionamento e richieste di chiamata agli strumenti in un'applicazione collegata a strumenti.
La sua architettura combina attenzione globale e a finestra scorrevole in 48 livelli: 12 livelli globali e 36 livelli a finestra scorrevole. La finestra scorrevole di 512 token descrive l'attenzione locale entro quei livelli, mentre il contesto documentato del modello è di 1.048.576 token. Sono misure diverse. Il contesto più ampio supporta compiti che accumulano file sorgente, osservazioni e decisioni lungo molti passaggi. Mantieni insieme l'obiettivo di lavoro e le evidenze significative e riserva spazio al ragionamento successivo e alla risposta finale entro la configurazione applicabile.
Lo scopo centrale del modello è il lavoro software che richiede continuità, verifiche e revisioni. Per un compito su un repository, fornisci il comportamento atteso, i file pertinenti come testo, le informazioni sulle dipendenze e l'output effettivo che mostra il problema. Chiedi un risultato mirato: «Ricostruisci la causa di questa regressione, proponi una modifica che mantenga l'interfaccia documentata e identifica le verifiche che distinguerebbero una correzione da una modifica non pertinente». In un flusso collegato a strumenti, fornisci al modello il risultato di ogni verifica eseguita prima che scelga il passaggio successivo.
Per l'ottimizzazione, fornisci misurazioni e un obiettivo esplicito. Un esempio è: «Usa questo profilo e rapporto di allocazione per identificare un collo di bottiglia. Proponi una modifica, spiega l'effetto atteso e confrontala con la situazione di riferimento dopo aver ripetuto la stessa misurazione». Questo rende una dichiarazione di prestazioni verificabile. La versione di Poolside tratta la verifica e il progresso continuo come comportamenti importanti, ma una spiegazione persuasiva da sola non dimostra che una revisione sia più veloce, corretta o completa. Conserva le osservazioni che sostengono la scelta di mantenere o rifiutare la modifica.
Laguna S 2.1 supporta il ragionamento intercalato prima delle chiamate agli strumenti e tra una chiamata e l'altra. Il produttore consiglia di conservare nella cronologia successiva il contenuto di ragionamento dei messaggi precedenti dell'assistente; eliminare quei blocchi può far cessare il ragionamento nei passaggi seguenti. Mantieni insieme la risposta dell'assistente, le informazioni sulle chiamate agli strumenti e il risultato corrispondente dello strumento. Questo aiuta un compito lungo a proseguire dal suo stato effettivo anziché ricostruire ripetutamente ciò che è già stato tentato.
Le opzioni di ragionamento documentate sono off e max, con max abilitato per impostazione predefinita nella configurazione descritta dal produttore. Il modello determina il proprio budget di ragionamento in quella modalità; la versione non presenta controlli separati di impegno low, medium e high. Per la programmazione basata su agenti, Poolside consiglia di abilitare il ragionamento e conservarlo tra i passaggi. Indica esplicitamente l'artefatto finale e i criteri di completamento e distingui una lunga sequenza di ragionamento dal risultato completato. Il produttore identifica l'eccesso di ragionamento, soprattutto nella matematica competitiva, come un limite sostanziale.
Le definizioni degli strumenti richiedono particolare attenzione. Poolside segnala che S 2.1 può inizialmente affidarsi a un'interfaccia di strumenti familiare anziché seguire con precisione uno schema simile ma diverso. Può anche produrre JSON malformato o con escape errati quando un argomento dello strumento contiene un array annidato. Fornisci le definizioni effettive degli argomenti, convalida le chiamate proposte e restituisci un errore preciso quando la chiamata non corrisponde. Il produttore descrive la correzione tramite feedback nel contesto come un modo per risolvere alcune di queste discrepanze. Mantieni l'osservazione risultante dello strumento disponibile per la decisione successiva.
Il produttore pubblica varianti separate BF16 e quantizzate e un modello draft DFlash opzionale. Sono artefatti e ricette di serving distinti, quindi l'uso di memoria di un checkpoint quantizzato o le prestazioni di decodifica speculativa non vanno dedotti dal nome generale del modello. Per il normale lavoro testuale, prepara codice sorgente, output dei comandi ed estratti di documenti come testo leggibile. La versione segnala l'assenza di capacità visive del modello; uno screenshot richiede un'osservazione testuale o un passaggio esterno di ispezione appropriato prima di poter supportare l'analisi.
Richiedi un risultato finale che identifichi l'artefatto modificato, le decisioni importanti, le verifiche osservate e ogni condizione irrisolta. Per una revisione del codice, collega i risultati al sorgente pertinente e mostra perché ogni problema influisce sul comportamento. Per una correzione, separa la patch proposta da una patch il cui comportamento è stato effettivamente verificato. Conservare il ragionamento e la cronologia degli strumenti aiuta il modello a svolgere il compito, mentre l'artefatto finale e i risultati registrati stabiliscono ciò che è stato realizzato.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti poolside/laguna-s-2.1:free | Predefinito— |
Campomessages | Tipoarray | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti false | Predefinitofalse |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Massimo: 32.768 | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Massimo: 32.768 | Predefinito— |
Campon | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Massimo: 128 | 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 | ContrattoUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Ciclo di vita: synchronous_json
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 / 1K token Output · Token in output $0 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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": "poolside/laguna-s-2.1:free", "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
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 poolside/laguna-s-2.1:free
Usa i percorsi dei metodi indicati sopra.
poolside/laguna-s-2.1:freePoolside Laguna S 2.1 è un modello testuale per programmazione basata su agenti e attività di lungo periodo, con 118B parametri totali e circa 8B attivi. Combina un contesto del modello di 1.048.576 token con uso nativo degli strumenti e ragionamento intercalato; conservare il ragionamento precedente lo aiuta a proseguire efficacemente tra le chiamate agli strumenti.
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.
Poolside Laguna S 2.1 è un modello linguistico mixture-of-experts progettato per programmazione basata su agenti e attività di lungo periodo. Ha 118B parametri totali e circa 8B attivi per token, collocandosi tra il più piccolo Laguna XS 2.1 e il più grande Laguna M.1 nella serie del produttore. Il modello elabora testo e produce testo, codice, ragionamento e richieste di chiamata agli strumenti in un'applicazione collegata a strumenti.
La sua architettura combina attenzione globale e a finestra scorrevole in 48 livelli: 12 livelli globali e 36 livelli a finestra scorrevole. La finestra scorrevole di 512 token descrive l'attenzione locale entro quei livelli, mentre il contesto documentato del modello è di 1.048.576 token. Sono misure diverse. Il contesto più ampio supporta compiti che accumulano file sorgente, osservazioni e decisioni lungo molti passaggi. Mantieni insieme l'obiettivo di lavoro e le evidenze significative e riserva spazio al ragionamento successivo e alla risposta finale entro la configurazione applicabile.
Lo scopo centrale del modello è il lavoro software che richiede continuità, verifiche e revisioni. Per un compito su un repository, fornisci il comportamento atteso, i file pertinenti come testo, le informazioni sulle dipendenze e l'output effettivo che mostra il problema. Chiedi un risultato mirato: «Ricostruisci la causa di questa regressione, proponi una modifica che mantenga l'interfaccia documentata e identifica le verifiche che distinguerebbero una correzione da una modifica non pertinente». In un flusso collegato a strumenti, fornisci al modello il risultato di ogni verifica eseguita prima che scelga il passaggio successivo.
Per l'ottimizzazione, fornisci misurazioni e un obiettivo esplicito. Un esempio è: «Usa questo profilo e rapporto di allocazione per identificare un collo di bottiglia. Proponi una modifica, spiega l'effetto atteso e confrontala con la situazione di riferimento dopo aver ripetuto la stessa misurazione». Questo rende una dichiarazione di prestazioni verificabile. La versione di Poolside tratta la verifica e il progresso continuo come comportamenti importanti, ma una spiegazione persuasiva da sola non dimostra che una revisione sia più veloce, corretta o completa. Conserva le osservazioni che sostengono la scelta di mantenere o rifiutare la modifica.
Laguna S 2.1 supporta il ragionamento intercalato prima delle chiamate agli strumenti e tra una chiamata e l'altra. Il produttore consiglia di conservare nella cronologia successiva il contenuto di ragionamento dei messaggi precedenti dell'assistente; eliminare quei blocchi può far cessare il ragionamento nei passaggi seguenti. Mantieni insieme la risposta dell'assistente, le informazioni sulle chiamate agli strumenti e il risultato corrispondente dello strumento. Questo aiuta un compito lungo a proseguire dal suo stato effettivo anziché ricostruire ripetutamente ciò che è già stato tentato.
Le opzioni di ragionamento documentate sono off e max, con max abilitato per impostazione predefinita nella configurazione descritta dal produttore. Il modello determina il proprio budget di ragionamento in quella modalità; la versione non presenta controlli separati di impegno low, medium e high. Per la programmazione basata su agenti, Poolside consiglia di abilitare il ragionamento e conservarlo tra i passaggi. Indica esplicitamente l'artefatto finale e i criteri di completamento e distingui una lunga sequenza di ragionamento dal risultato completato. Il produttore identifica l'eccesso di ragionamento, soprattutto nella matematica competitiva, come un limite sostanziale.
Le definizioni degli strumenti richiedono particolare attenzione. Poolside segnala che S 2.1 può inizialmente affidarsi a un'interfaccia di strumenti familiare anziché seguire con precisione uno schema simile ma diverso. Può anche produrre JSON malformato o con escape errati quando un argomento dello strumento contiene un array annidato. Fornisci le definizioni effettive degli argomenti, convalida le chiamate proposte e restituisci un errore preciso quando la chiamata non corrisponde. Il produttore descrive la correzione tramite feedback nel contesto come un modo per risolvere alcune di queste discrepanze. Mantieni l'osservazione risultante dello strumento disponibile per la decisione successiva.
Il produttore pubblica varianti separate BF16 e quantizzate e un modello draft DFlash opzionale. Sono artefatti e ricette di serving distinti, quindi l'uso di memoria di un checkpoint quantizzato o le prestazioni di decodifica speculativa non vanno dedotti dal nome generale del modello. Per il normale lavoro testuale, prepara codice sorgente, output dei comandi ed estratti di documenti come testo leggibile. La versione segnala l'assenza di capacità visive del modello; uno screenshot richiede un'osservazione testuale o un passaggio esterno di ispezione appropriato prima di poter supportare l'analisi.
Richiedi un risultato finale che identifichi l'artefatto modificato, le decisioni importanti, le verifiche osservate e ogni condizione irrisolta. Per una revisione del codice, collega i risultati al sorgente pertinente e mostra perché ogni problema influisce sul comportamento. Per una correzione, separa la patch proposta da una patch il cui comportamento è stato effettivamente verificato. Conservare il ragionamento e la cronologia degli strumenti aiuta il modello a svolgere il compito, mentre l'artefatto finale e i risultati registrati stabiliscono ciò che è stato realizzato.
POST /v1/messagestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti poolside/laguna-s-2.1:free | Predefinito— |
Campomessages | Tipoarray | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti false | Predefinitofalse |
Camposystem | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Massimo: 32.768 | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotop_k | Tipointeger | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campostop_sequences | Tipoarray | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional | Contrattostream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametromaterial_types | Contrattotext |
Parametroconditions | ContrattoUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Ciclo di vita: synchronous_json
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 / 1K token Output · Token in output $0 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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": "poolside/laguna-s-2.1:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\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/messages \\\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
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 poolside/laguna-s-2.1:free
Usa i percorsi dei metodi indicati sopra.