Hy-MT2-1.8B è il modello compatto di traduzione di Tencent Hy per materiale scritto e istruzioni multilingue. È l'edizione densa da 1,8 miliardi di parametri di una famiglia che comprende anche i modelli 7B e 30B-A3B. Il produttore progetta Hy-MT2 per attività reali di traduzione con requisiti espliciti su terminologia, stile, personalizzazione e struttura del testo tradotto. La tabella delle lingue del produttore comprende cinese, cinese tradizionale, inglese, giapponese, coreano, russo, arabo, francese e spagnolo, oltre a cantonese, tibetano, kazako, mongolo e uiguro.
La configurazione pubblicata ha 32 strati, 16 teste di attenzione per le query e quattro teste chiave/valore, con un massimo di 262.144 posizioni. Questa è la specifica del contesto nella configurazione del modello. La richiesta di inferenza di esempio del produttore assegna 4096 token generati, un budget esemplificativo e non un limite di output intrinseco separato.
Per una traduzione semplice, indica per esteso la lingua di destinazione e specifica se il risultato deve contenere soltanto il testo tradotto. Il produttore raccomanda nomi completi delle lingue nella lingua del prompt. Fornisci il testo originale separatamente dall'istruzione, così il materiale da tradurre non diventa un'istruzione sul ruolo del modello.
Terminologia e stile possono essere specificati direttamente. Fornisci i termini e le traduzioni preferite, poi identifica pubblico e tono. Per una traduzione personalizzata, elenca i vincoli prima del materiale originale. Se le informazioni di contorno cambiano l'interpretazione di un termine o di una frase, includile come contesto e spiega che devono guidare la traduzione.
Il testo strutturato richiede regole precise di conservazione. Gli esempi del produttore mantengono annidamento, gerarchia e indentazione, traducendo solo i valori visibili all'utente. Chiavi, tag di codice, proprietà e segnaposto delle variabili restano invariati. Per materiale basato su delimitatori, specifica che numero e posizione dei separatori devono essere mantenuti, senza applicare escape o traduzioni.
Il produttore raccomanda temperature 0.7, top-p 0.6, top-k 20 e repetition penalty 1.05 per le edizioni 1.8B e 7B e non specifica alcun prompt di sistema predefinito. L'edizione compatta dispone anche di artefatti compressi pubblicati separatamente per uso locale. Una variante del produttore a 1,25 bit occupa 440 MB di spazio di archiviazione; quel valore appartiene all'artefatto compresso specifico, non alla semplice selezione del modello 1.8B.
Prepara l'output come brano tradotto o dati strutturati richiesti dall'attività, poi confronta terminologia, significato e simboli conservati con l'originale. Una piccola attività di localizzazione software può confrontare le chiavi e i segnaposto originali e tradotti accanto al testo visibile. Questo rende verificabili sia la traduzione sia i suoi vincoli strutturali.
", "aboutText": "Hy-MT2-1.8B è il modello compatto di traduzione di Tencent Hy per materiale scritto e istruzioni multilingue. È l'edizione densa da 1,8 miliardi di parametri di una famiglia che comprende anche i modelli 7B e 30B-A3B. Il produttore progetta Hy-MT2 per attività reali di traduzione con requisiti espliciti su terminologia, stile, personalizzazione e struttura del testo tradotto. La tabella delle lingue del produttore comprende cinese, cinese tradizionale, inglese, giapponese, coreano, russo, arabo, francese e spagnolo, oltre a cantonese, tibetano, kazako, mongolo e uiguro.\n\nLa configurazione pubblicata ha 32 strati, 16 teste di attenzione per le query e quattro teste chiave/valore, con un massimo di 262.144 posizioni. Questa è la specifica del contesto nella configurazione del modello. La richiesta di inferenza di esempio del produttore assegna 4096 token generati, un budget esemplificativo e non un limite di output intrinseco separato.\n\nPer una traduzione semplice, indica per esteso la lingua di destinazione e specifica se il risultato deve contenere soltanto il testo tradotto. Il produttore raccomanda nomi completi delle lingue nella lingua del prompt. Fornisci il testo originale separatamente dall'istruzione, così il materiale da tradurre non diventa un'istruzione sul ruolo del modello.\n\nTerminologia e stile possono essere specificati direttamente. Fornisci i termini e le traduzioni preferite, poi identifica pubblico e tono. Per una traduzione personalizzata, elenca i vincoli prima del materiale originale. Se le informazioni di contorno cambiano l'interpretazione di un termine o di una frase, includile come contesto e spiega che devono guidare la traduzione.\n\nIl testo strutturato richiede regole precise di conservazione. Gli esempi del produttore mantengono annidamento, gerarchia e indentazione, traducendo solo i valori visibili all'utente. Chiavi, tag di codice, proprietà e segnaposto delle variabili restano invariati. Per materiale basato su delimitatori, specifica che numero e posizione dei separatori devono essere mantenuti, senza applicare escape o traduzioni.\n\nIl produttore raccomanda temperature 0.7, top-p 0.6, top-k 20 e repetition penalty 1.05 per le edizioni 1.8B e 7B e non specifica alcun prompt di sistema predefinito. L'edizione compatta dispone anche di artefatti compressi pubblicati separatamente per uso locale. Una variante del produttore a 1,25 bit occupa 440 MB di spazio di archiviazione; quel valore appartiene all'artefatto compresso specifico, non alla semplice selezione del modello 1.8B.\n\nPrepara l'output come brano tradotto o dati strutturati richiesti dall'attività, poi confronta terminologia, significato e simboli conservati con l'originale. Una piccola attività di localizzazione software può confrontare le chiavi e i segnaposto originali e tradotti accanto al testo visibile. Questo rende verificabili sia la traduzione sia i suoi vincoli strutturali.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Translate structured interface strings\n\nTranslate the visible values into Spanish for a neutral product interface. Keep keys, nesting and the placeholder {count} unchanged. Use 'espacio de trabajo' for 'workspace'. Source: {"workspace":{"title":"Open workspace","notice":"You have {count} unsaved changes"}}. Return only the translated structure, preserving every key and placeholder exactly.The same nested structure with Spanish user-facing values, unchanged keys and the exact {count} placeholder.Compare original and translated key paths and placeholder counts before reviewing the terminology.tencent/hy-mt2-1.8bHy-MT2-1.8B di Tencent è l'edizione densa compatta della sua famiglia di traduzione a ragionamento rapido. Segue istruzioni di traduzione per terminologia, stile e testo strutturato, con una configurazione pubblicata da 262.144 posizioni e varianti compresse separate.
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.
Hy-MT2-1.8B è il modello compatto di traduzione di Tencent Hy per materiale scritto e istruzioni multilingue. È l'edizione densa da 1,8 miliardi di parametri di una famiglia che comprende anche i modelli 7B e 30B-A3B. Il produttore progetta Hy-MT2 per attività reali di traduzione con requisiti espliciti su terminologia, stile, personalizzazione e struttura del testo tradotto. La tabella delle lingue del produttore comprende cinese, cinese tradizionale, inglese, giapponese, coreano, russo, arabo, francese e spagnolo, oltre a cantonese, tibetano, kazako, mongolo e uiguro.
La configurazione pubblicata ha 32 strati, 16 teste di attenzione per le query e quattro teste chiave/valore, con un massimo di 262.144 posizioni. Questa è la specifica del contesto nella configurazione del modello. La richiesta di inferenza di esempio del produttore assegna 4096 token generati, un budget esemplificativo e non un limite di output intrinseco separato.
Per una traduzione semplice, indica per esteso la lingua di destinazione e specifica se il risultato deve contenere soltanto il testo tradotto. Il produttore raccomanda nomi completi delle lingue nella lingua del prompt. Fornisci il testo originale separatamente dall'istruzione, così il materiale da tradurre non diventa un'istruzione sul ruolo del modello.
Terminologia e stile possono essere specificati direttamente. Fornisci i termini e le traduzioni preferite, poi identifica pubblico e tono. Per una traduzione personalizzata, elenca i vincoli prima del materiale originale. Se le informazioni di contorno cambiano l'interpretazione di un termine o di una frase, includile come contesto e spiega che devono guidare la traduzione.
Il testo strutturato richiede regole precise di conservazione. Gli esempi del produttore mantengono annidamento, gerarchia e indentazione, traducendo solo i valori visibili all'utente. Chiavi, tag di codice, proprietà e segnaposto delle variabili restano invariati. Per materiale basato su delimitatori, specifica che numero e posizione dei separatori devono essere mantenuti, senza applicare escape o traduzioni.
Il produttore raccomanda temperature 0.7, top-p 0.6, top-k 20 e repetition penalty 1.05 per le edizioni 1.8B e 7B e non specifica alcun prompt di sistema predefinito. L'edizione compatta dispone anche di artefatti compressi pubblicati separatamente per uso locale. Una variante del produttore a 1,25 bit occupa 440 MB di spazio di archiviazione; quel valore appartiene all'artefatto compresso specifico, non alla semplice selezione del modello 1.8B.
Prepara l'output come brano tradotto o dati strutturati richiesti dall'attività, poi confronta terminologia, significato e simboli conservati con l'originale. Una piccola attività di localizzazione software può confrontare le chiavi e i segnaposto originali e tradotti accanto al testo visibile. Questo rende verificabili sia la traduzione sia i suoi vincoli strutturali.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti tencent/hy-mt2-1.8b | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.000088 / 1K token Output · Token in output $0.000354 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.000088 / 1K token Output · Token in output $0.000354 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy-mt2-1.8b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='tencent/hy-mt2-1.8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='tencent/hy-mt2-1.8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 tencent/hy-mt2-1.8b
Usa i percorsi dei metodi indicati sopra.
tencent/hy-mt2-1.8bHy-MT2-1.8B di Tencent è l'edizione densa compatta della sua famiglia di traduzione a ragionamento rapido. Segue istruzioni di traduzione per terminologia, stile e testo strutturato, con una configurazione pubblicata da 262.144 posizioni e varianti compresse separate.
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.
Hy-MT2-1.8B è il modello compatto di traduzione di Tencent Hy per materiale scritto e istruzioni multilingue. È l'edizione densa da 1,8 miliardi di parametri di una famiglia che comprende anche i modelli 7B e 30B-A3B. Il produttore progetta Hy-MT2 per attività reali di traduzione con requisiti espliciti su terminologia, stile, personalizzazione e struttura del testo tradotto. La tabella delle lingue del produttore comprende cinese, cinese tradizionale, inglese, giapponese, coreano, russo, arabo, francese e spagnolo, oltre a cantonese, tibetano, kazako, mongolo e uiguro.
La configurazione pubblicata ha 32 strati, 16 teste di attenzione per le query e quattro teste chiave/valore, con un massimo di 262.144 posizioni. Questa è la specifica del contesto nella configurazione del modello. La richiesta di inferenza di esempio del produttore assegna 4096 token generati, un budget esemplificativo e non un limite di output intrinseco separato.
Per una traduzione semplice, indica per esteso la lingua di destinazione e specifica se il risultato deve contenere soltanto il testo tradotto. Il produttore raccomanda nomi completi delle lingue nella lingua del prompt. Fornisci il testo originale separatamente dall'istruzione, così il materiale da tradurre non diventa un'istruzione sul ruolo del modello.
Terminologia e stile possono essere specificati direttamente. Fornisci i termini e le traduzioni preferite, poi identifica pubblico e tono. Per una traduzione personalizzata, elenca i vincoli prima del materiale originale. Se le informazioni di contorno cambiano l'interpretazione di un termine o di una frase, includile come contesto e spiega che devono guidare la traduzione.
Il testo strutturato richiede regole precise di conservazione. Gli esempi del produttore mantengono annidamento, gerarchia e indentazione, traducendo solo i valori visibili all'utente. Chiavi, tag di codice, proprietà e segnaposto delle variabili restano invariati. Per materiale basato su delimitatori, specifica che numero e posizione dei separatori devono essere mantenuti, senza applicare escape o traduzioni.
Il produttore raccomanda temperature 0.7, top-p 0.6, top-k 20 e repetition penalty 1.05 per le edizioni 1.8B e 7B e non specifica alcun prompt di sistema predefinito. L'edizione compatta dispone anche di artefatti compressi pubblicati separatamente per uso locale. Una variante del produttore a 1,25 bit occupa 440 MB di spazio di archiviazione; quel valore appartiene all'artefatto compresso specifico, non alla semplice selezione del modello 1.8B.
Prepara l'output come brano tradotto o dati strutturati richiesti dall'attività, poi confronta terminologia, significato e simboli conservati con l'originale. Una piccola attività di localizzazione software può confrontare le chiavi e i segnaposto originali e tradotti accanto al testo visibile. Questo rende verificabili sia la traduzione sia i suoi vincoli strutturali.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti tencent/hy-mt2-1.8b | 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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.000088 / 1K token Output · Token in output $0.000354 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.000088 / 1K token Output · Token in output $0.000354 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "tencent/hy-mt2-1.8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'tencent/hy-mt2-1.8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'tencent/hy-mt2-1.8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 tencent/hy-mt2-1.8b
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Translate structured interface strings\n\nTranslate the visible values into Spanish for a neutral product interface. Keep keys, nesting and the placeholder {count} unchanged. Use 'espacio de trabajo' for 'workspace'. Source: {"workspace":{"title":"Open workspace","notice":"You have {count} unsaved changes"}}. Return only the translated structure, preserving every key and placeholder exactly.The same nested structure with Spanish user-facing values, unchanged keys and the exact {count} placeholder.Compare original and translated key paths and placeholder counts before reviewing the terminology.