Pareto è la selezione di modelli linguistici combinati di Unbiased per un'unica risposta conversazionale. Il produttore coinvolge più modelli in parallelo per ogni richiesta e ne combina i risultati in base all'attività. La combinazione comprende diversi tipi di modelli e la sua composizione può cambiare. Il nome Pareto senza versione descrive questa selezione in evoluzione, senza fissarne i componenti né vincolarla a una preview numerata.
Il produttore documenta input di testo e immagini e una risposta testuale. Le aree di lavoro pubblicate di Pareto comprendono ragionamento, ricerca e programmazione con un agente. La scheda corrente del modello discute una preview denominata, mentre la documentazione generale di integrazione usa Pareto come selezione del modello. Sono descrizioni correlate del prodotto, ma il nome senza versione resta distinto da una richiesta che seleziona esplicitamente Pareto 26.10 Preview.
Per un confronto tra documenti, fornisci i brani da confrontare e i criteri rilevanti. Chiedi la conclusione, le prove a sostegno e un elenco delle differenze che incidono sulla decisione. Se il materiale include una figura o uno screenshot, spiega quale caratteristica il modello deve esaminare. Un risultato utile è un breve documento decisionale con una tabella delle prove, anziché una risposta lunga che lascia non identificati i brani pertinenti.
In un'attività di programmazione, indica il comportamento da modificare e fornisci l'implementazione pertinente, le informazioni sull'errore e il risultato atteso. Chiedi una patch proposta o una sequenza di passaggi con il motivo di ciascuno. Quando un'applicazione collega la conversazione a strumenti di esecuzione, restituisci il risultato effettivo del comando o del test come prova successiva. Questo consente al turno seguente di affrontare un risultato osservato anziché presumere che l'azione proposta sia riuscita.
Per un'indagine estesa, mantieni una registrazione compatta dell'obiettivo, dei risultati confermati e della domanda irrisolta. Specifica l'elaborato finale all'inizio: un confronto, la spiegazione di un errore o una proposta di modifica con controlli. Ad esempio, uno sviluppatore che esamina una decisione progettuale può fornire due implementazioni e chiedere le differenze di comportamento, le posizioni pertinenti nel codice e le condizioni in cui ciascun approccio è utile.
La documentazione di integrazione di Unbiased descrive richieste conversazionali in due formati di compatibilità e supporta l'erogazione in streaming. L'integrazione del produttore serve la risposta del modello. Ricerche, esecuzione di comandi e modifiche al materiale del progetto appartengono all'applicazione intorno alla conversazione, che fornisce gli strumenti e ne restituisce i risultati.
", "aboutText": "Pareto è la selezione di modelli linguistici combinati di Unbiased per un'unica risposta conversazionale. Il produttore coinvolge più modelli in parallelo per ogni richiesta e ne combina i risultati in base all'attività. La combinazione comprende diversi tipi di modelli e la sua composizione può cambiare. Il nome Pareto senza versione descrive questa selezione in evoluzione, senza fissarne i componenti né vincolarla a una preview numerata.\n\nIl produttore documenta input di testo e immagini e una risposta testuale. Le aree di lavoro pubblicate di Pareto comprendono ragionamento, ricerca e programmazione con un agente. La scheda corrente del modello discute una preview denominata, mentre la documentazione generale di integrazione usa Pareto come selezione del modello. Sono descrizioni correlate del prodotto, ma il nome senza versione resta distinto da una richiesta che seleziona esplicitamente Pareto 26.10 Preview.\n\nPer un confronto tra documenti, fornisci i brani da confrontare e i criteri rilevanti. Chiedi la conclusione, le prove a sostegno e un elenco delle differenze che incidono sulla decisione. Se il materiale include una figura o uno screenshot, spiega quale caratteristica il modello deve esaminare. Un risultato utile è un breve documento decisionale con una tabella delle prove, anziché una risposta lunga che lascia non identificati i brani pertinenti.\n\nIn un'attività di programmazione, indica il comportamento da modificare e fornisci l'implementazione pertinente, le informazioni sull'errore e il risultato atteso. Chiedi una patch proposta o una sequenza di passaggi con il motivo di ciascuno. Quando un'applicazione collega la conversazione a strumenti di esecuzione, restituisci il risultato effettivo del comando o del test come prova successiva. Questo consente al turno seguente di affrontare un risultato osservato anziché presumere che l'azione proposta sia riuscita.\n\nPer un'indagine estesa, mantieni una registrazione compatta dell'obiettivo, dei risultati confermati e della domanda irrisolta. Specifica l'elaborato finale all'inizio: un confronto, la spiegazione di un errore o una proposta di modifica con controlli. Ad esempio, uno sviluppatore che esamina una decisione progettuale può fornire due implementazioni e chiedere le differenze di comportamento, le posizioni pertinenti nel codice e le condizioni in cui ciascun approccio è utile.\n\nLa documentazione di integrazione di Unbiased descrive richieste conversazionali in due formati di compatibilità e supporta l'erogazione in streaming. L'integrazione del produttore serve la risposta del modello. Ricerche, esecuzione di comandi e modifiche al materiale del progetto appartengono all'applicazione intorno alla conversazione, che fornisce gli strumenti e ne restituisce i risultati.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Compare lookup implementations\n\nCompare these implementations for repeated customer-ID lookup. [A] find(id): scan the original records and return the first match. [B] build a map by assigning map[row.id]=row for each record; find(id): map[id]. Records may contain duplicate IDs; the required result is the earliest record. Explain behavioral differences, preprocessing trade-offs and a correction for B, with one duplicate example.A decision memo with an implementation comparison, a proposed correction and a duplicate-ID test case.Check the result identifies first-match versus last-assignment behavior rather than comparing speed alone.unbiased/paretoPareto di Unbiased è un modello combinato che riunisce diverse risposte di modelli linguistici in un'unica risposta. Gli input di testo e immagini supportano flussi di ricerca, ragionamento e programmazione, mentre la composizione dei modelli può evolvere.
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.
Pareto è la selezione di modelli linguistici combinati di Unbiased per un'unica risposta conversazionale. Il produttore coinvolge più modelli in parallelo per ogni richiesta e ne combina i risultati in base all'attività. La combinazione comprende diversi tipi di modelli e la sua composizione può cambiare. Il nome Pareto senza versione descrive questa selezione in evoluzione, senza fissarne i componenti né vincolarla a una preview numerata.
Il produttore documenta input di testo e immagini e una risposta testuale. Le aree di lavoro pubblicate di Pareto comprendono ragionamento, ricerca e programmazione con un agente. La scheda corrente del modello discute una preview denominata, mentre la documentazione generale di integrazione usa Pareto come selezione del modello. Sono descrizioni correlate del prodotto, ma il nome senza versione resta distinto da una richiesta che seleziona esplicitamente Pareto 26.10 Preview.
Per un confronto tra documenti, fornisci i brani da confrontare e i criteri rilevanti. Chiedi la conclusione, le prove a sostegno e un elenco delle differenze che incidono sulla decisione. Se il materiale include una figura o uno screenshot, spiega quale caratteristica il modello deve esaminare. Un risultato utile è un breve documento decisionale con una tabella delle prove, anziché una risposta lunga che lascia non identificati i brani pertinenti.
In un'attività di programmazione, indica il comportamento da modificare e fornisci l'implementazione pertinente, le informazioni sull'errore e il risultato atteso. Chiedi una patch proposta o una sequenza di passaggi con il motivo di ciascuno. Quando un'applicazione collega la conversazione a strumenti di esecuzione, restituisci il risultato effettivo del comando o del test come prova successiva. Questo consente al turno seguente di affrontare un risultato osservato anziché presumere che l'azione proposta sia riuscita.
Per un'indagine estesa, mantieni una registrazione compatta dell'obiettivo, dei risultati confermati e della domanda irrisolta. Specifica l'elaborato finale all'inizio: un confronto, la spiegazione di un errore o una proposta di modifica con controlli. Ad esempio, uno sviluppatore che esamina una decisione progettuale può fornire due implementazioni e chiedere le differenze di comportamento, le posizioni pertinenti nel codice e le condizioni in cui ciascun approccio è utile.
La documentazione di integrazione di Unbiased descrive richieste conversazionali in due formati di compatibilità e supporta l'erogazione in streaming. L'integrazione del produttore serve la risposta del modello. Ricerche, esecuzione di comandi e modifiche al materiale del progetto appartengono all'applicazione intorno alla conversazione, che fornisce gli strumenti e ne restituisce i risultati.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti unbiased/pareto | 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 $0.005 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0005 / 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 $0.005 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0005 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "unbiased/pareto", "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='unbiased/pareto',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='unbiased/pareto',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 unbiased/pareto
Usa i percorsi dei metodi indicati sopra.
unbiased/paretoPareto di Unbiased è un modello combinato che riunisce diverse risposte di modelli linguistici in un'unica risposta. Gli input di testo e immagini supportano flussi di ricerca, ragionamento e programmazione, mentre la composizione dei modelli può evolvere.
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.
Pareto è la selezione di modelli linguistici combinati di Unbiased per un'unica risposta conversazionale. Il produttore coinvolge più modelli in parallelo per ogni richiesta e ne combina i risultati in base all'attività. La combinazione comprende diversi tipi di modelli e la sua composizione può cambiare. Il nome Pareto senza versione descrive questa selezione in evoluzione, senza fissarne i componenti né vincolarla a una preview numerata.
Il produttore documenta input di testo e immagini e una risposta testuale. Le aree di lavoro pubblicate di Pareto comprendono ragionamento, ricerca e programmazione con un agente. La scheda corrente del modello discute una preview denominata, mentre la documentazione generale di integrazione usa Pareto come selezione del modello. Sono descrizioni correlate del prodotto, ma il nome senza versione resta distinto da una richiesta che seleziona esplicitamente Pareto 26.10 Preview.
Per un confronto tra documenti, fornisci i brani da confrontare e i criteri rilevanti. Chiedi la conclusione, le prove a sostegno e un elenco delle differenze che incidono sulla decisione. Se il materiale include una figura o uno screenshot, spiega quale caratteristica il modello deve esaminare. Un risultato utile è un breve documento decisionale con una tabella delle prove, anziché una risposta lunga che lascia non identificati i brani pertinenti.
In un'attività di programmazione, indica il comportamento da modificare e fornisci l'implementazione pertinente, le informazioni sull'errore e il risultato atteso. Chiedi una patch proposta o una sequenza di passaggi con il motivo di ciascuno. Quando un'applicazione collega la conversazione a strumenti di esecuzione, restituisci il risultato effettivo del comando o del test come prova successiva. Questo consente al turno seguente di affrontare un risultato osservato anziché presumere che l'azione proposta sia riuscita.
Per un'indagine estesa, mantieni una registrazione compatta dell'obiettivo, dei risultati confermati e della domanda irrisolta. Specifica l'elaborato finale all'inizio: un confronto, la spiegazione di un errore o una proposta di modifica con controlli. Ad esempio, uno sviluppatore che esamina una decisione progettuale può fornire due implementazioni e chiedere le differenze di comportamento, le posizioni pertinenti nel codice e le condizioni in cui ciascun approccio è utile.
La documentazione di integrazione di Unbiased descrive richieste conversazionali in due formati di compatibilità e supporta l'erogazione in streaming. L'integrazione del produttore serve la risposta del modello. Ricerche, esecuzione di comandi e modifiche al materiale del progetto appartengono all'applicazione intorno alla conversazione, che fornisce gli strumenti e ne restituisce i risultati.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti unbiased/pareto | 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 $0.005 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0005 / 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 $0.005 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0005 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "unbiased/pareto",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'unbiased/pareto', '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': 'unbiased/pareto', '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 unbiased/pareto
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Compare lookup implementations\n\nCompare these implementations for repeated customer-ID lookup. [A] find(id): scan the original records and return the first match. [B] build a map by assigning map[row.id]=row for each record; find(id): map[id]. Records may contain duplicate IDs; the required result is the earliest record. Explain behavioral differences, preprocessing trade-offs and a correction for B, with one duplicate example.A decision memo with an implementation comparison, a proposed correction and a duplicate-ID test case.Check the result identifies first-match versus last-assignment behavior rather than comparing speed alone.