Dolphin Mistral 24B Venice Edition は、Dolphin と Venice の共同開発による、指示に沿って動作を調整できる汎用対話向けのモデルです。開発者は、このエディションの製品名を Venice Uncensored としています。中心となる設計上の選択は、システムプロンプト、口調、ペルソナ、行動指針の制御をアプリケーション所有者に委ねることです。
開発元は、Mistral のチャットテンプレートを維持し、V7-Tekken の指示形式を公開しています。システム指示でアシスタントの役割を定義し、現在の依頼をユーザーターンに置きます。カードは、説明された構成について、0.15 などの比較的低い temperature を推奨しています。明示的なシステム指示がない場合、モデルは既定の動作に従い、意図するアプリケーションの役割と異なる可能性があります。
キャラクターや執筆のタスクでは、回答を形作る語り口、設定、ルールを示し、その後に対象の文章や直近のやり取りを渡します。一般的な質問では、関連情報と回答の形式を提供します。有用なプロンプトは、モデルが行うべきことと、後のターンでも有効な制約の両方を特定します。
公開されたテキスト構成は、40 層、32 個のクエリアテンションヘッド、8 個のキー／バリューヘッドを持ち、最大位置数は 131,072 です。開発者のローカル実行例も、131,072 のコンテキスト設定を使っています。これらは公開成果物とその構成を説明するものであり、別のサービスや別途変換したモデルの実行ウィンドウを確定するものではありません。
開発元の提供手順には、Mistral のツール呼び出しパーサーが含まれます。接続されたワークフローでは、アプリケーションが関数を提供し、提案された呼び出しを実行して、次のターンへ結果を返します。役割に従う能力やツールリクエストを生成する能力だけで、アプリケーション内に操作が生じるわけではありません。
最終結果は、ユーザーが求める回答、下書き、操作案として用意し、システム上の役割と資料に照らして評価します。Uncensored という名前は開発者のアラインメント上の目標を示すもので、すべての指示に誤りなく従うという約束ではありません。別の精度形式の成果物と、アプリケーション側の制御は、それぞれ固有の範囲を持ちます。
", "aboutText": "Dolphin Mistral 24B Venice Edition は、Dolphin と Venice の共同開発による、指示に沿って動作を調整できる汎用対話向けのモデルです。開発者は、このエディションの製品名を Venice Uncensored としています。中心となる設計上の選択は、システムプロンプト、口調、ペルソナ、行動指針の制御をアプリケーション所有者に委ねることです。\n\n開発元は、Mistral のチャットテンプレートを維持し、V7-Tekken の指示形式を公開しています。システム指示でアシスタントの役割を定義し、現在の依頼をユーザーターンに置きます。カードは、説明された構成について、0.15 などの比較的低い temperature を推奨しています。明示的なシステム指示がない場合、モデルは既定の動作に従い、意図するアプリケーションの役割と異なる可能性があります。\n\nキャラクターや執筆のタスクでは、回答を形作る語り口、設定、ルールを示し、その後に対象の文章や直近のやり取りを渡します。一般的な質問では、関連情報と回答の形式を提供します。有用なプロンプトは、モデルが行うべきことと、後のターンでも有効な制約の両方を特定します。\n\n公開されたテキスト構成は、40 層、32 個のクエリアテンションヘッド、8 個のキー／バリューヘッドを持ち、最大位置数は 131,072 です。開発者のローカル実行例も、131,072 のコンテキスト設定を使っています。これらは公開成果物とその構成を説明するものであり、別のサービスや別途変換したモデルの実行ウィンドウを確定するものではありません。\n\n開発元の提供手順には、Mistral のツール呼び出しパーサーが含まれます。接続されたワークフローでは、アプリケーションが関数を提供し、提案された呼び出しを実行して、次のターンへ結果を返します。役割に従う能力やツールリクエストを生成する能力だけで、アプリケーション内に操作が生じるわけではありません。\n\n最終結果は、ユーザーが求める回答、下書き、操作案として用意し、システム上の役割と資料に照らして評価します。Uncensored という名前は開発者のアラインメント上の目標を示すもので、すべての指示に誤りなく従うという約束ではありません。別の精度形式の成果物と、アプリケーション側の制御は、それぞれ固有の範囲を持ちます。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Keep a character voice consistent\n\nAct as a meticulous lighthouse keeper writing to a hurried apprentice. Rule: never leave the lamp unlit; speak in short, dry sentences. Apprentice: 'The lens is fogged and the supply boat is late. Shall I shut everything down?' Reply in three lines, suggest a cautious next step, and leave the apprentice's decision open.Three in-character lines that preserve the lamp rule, address the fogged lens and invite the apprentice's response.The keeper's advice never instructs the apprentice to extinguish the lamp and does not narrate the apprentice's decision.cognitivecomputations/dolphin-mistral-24b-venice-editionDolphin Mistral 24B Venice Editionは、共同開発され、システムプロンプトで方向付けできるモデルで、開発者からVenice Uncensoredとも呼ばれています。Mistralのチャットテンプレートと、語調、人物設定、行動規則の明示的な制御を使い、指示に基づく対話を重視します。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Dolphin Mistral 24B Venice Edition は、Dolphin と Venice の共同開発による、指示に沿って動作を調整できる汎用対話向けのモデルです。開発者は、このエディションの製品名を Venice Uncensored としています。中心となる設計上の選択は、システムプロンプト、口調、ペルソナ、行動指針の制御をアプリケーション所有者に委ねることです。
開発元は、Mistral のチャットテンプレートを維持し、V7-Tekken の指示形式を公開しています。システム指示でアシスタントの役割を定義し、現在の依頼をユーザーターンに置きます。カードは、説明された構成について、0.15 などの比較的低い temperature を推奨しています。明示的なシステム指示がない場合、モデルは既定の動作に従い、意図するアプリケーションの役割と異なる可能性があります。
キャラクターや執筆のタスクでは、回答を形作る語り口、設定、ルールを示し、その後に対象の文章や直近のやり取りを渡します。一般的な質問では、関連情報と回答の形式を提供します。有用なプロンプトは、モデルが行うべきことと、後のターンでも有効な制約の両方を特定します。
公開されたテキスト構成は、40 層、32 個のクエリアテンションヘッド、8 個のキー／バリューヘッドを持ち、最大位置数は 131,072 です。開発者のローカル実行例も、131,072 のコンテキスト設定を使っています。これらは公開成果物とその構成を説明するものであり、別のサービスや別途変換したモデルの実行ウィンドウを確定するものではありません。
開発元の提供手順には、Mistral のツール呼び出しパーサーが含まれます。接続されたワークフローでは、アプリケーションが関数を提供し、提案された呼び出しを実行して、次のターンへ結果を返します。役割に従う能力やツールリクエストを生成する能力だけで、アプリケーション内に操作が生じるわけではありません。
最終結果は、ユーザーが求める回答、下書き、操作案として用意し、システム上の役割と資料に照らして評価します。Uncensored という名前は開発者のアラインメント上の目標を示すもので、すべての指示に誤りなく従うという約束ではありません。別の精度形式の成果物と、アプリケーション側の制御は、それぞれ固有の範囲を持ちます。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 cognitivecomputations/dolphin-mistral-24b-venice-edition | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0004 / 1K トークン 出力 · 出力トークン $0.0018 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0004 / 1K トークン 出力 · 出力トークン $0.0018 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "cognitivecomputations/dolphin-mistral-24b-venice-edition", "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='cognitivecomputations/dolphin-mistral-24b-venice-edition',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='cognitivecomputations/dolphin-mistral-24b-venice-edition',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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra cognitivecomputations/dolphin-mistral-24b-venice-edition
上記に表示されたメソッドパスを使用してください。
cognitivecomputations/dolphin-mistral-24b-venice-editionDolphin Mistral 24B Venice Editionは、共同開発され、システムプロンプトで方向付けできるモデルで、開発者からVenice Uncensoredとも呼ばれています。Mistralのチャットテンプレートと、語調、人物設定、行動規則の明示的な制御を使い、指示に基づく対話を重視します。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Dolphin Mistral 24B Venice Edition は、Dolphin と Venice の共同開発による、指示に沿って動作を調整できる汎用対話向けのモデルです。開発者は、このエディションの製品名を Venice Uncensored としています。中心となる設計上の選択は、システムプロンプト、口調、ペルソナ、行動指針の制御をアプリケーション所有者に委ねることです。
開発元は、Mistral のチャットテンプレートを維持し、V7-Tekken の指示形式を公開しています。システム指示でアシスタントの役割を定義し、現在の依頼をユーザーターンに置きます。カードは、説明された構成について、0.15 などの比較的低い temperature を推奨しています。明示的なシステム指示がない場合、モデルは既定の動作に従い、意図するアプリケーションの役割と異なる可能性があります。
キャラクターや執筆のタスクでは、回答を形作る語り口、設定、ルールを示し、その後に対象の文章や直近のやり取りを渡します。一般的な質問では、関連情報と回答の形式を提供します。有用なプロンプトは、モデルが行うべきことと、後のターンでも有効な制約の両方を特定します。
公開されたテキスト構成は、40 層、32 個のクエリアテンションヘッド、8 個のキー／バリューヘッドを持ち、最大位置数は 131,072 です。開発者のローカル実行例も、131,072 のコンテキスト設定を使っています。これらは公開成果物とその構成を説明するものであり、別のサービスや別途変換したモデルの実行ウィンドウを確定するものではありません。
開発元の提供手順には、Mistral のツール呼び出しパーサーが含まれます。接続されたワークフローでは、アプリケーションが関数を提供し、提案された呼び出しを実行して、次のターンへ結果を返します。役割に従う能力やツールリクエストを生成する能力だけで、アプリケーション内に操作が生じるわけではありません。
最終結果は、ユーザーが求める回答、下書き、操作案として用意し、システム上の役割と資料に照らして評価します。Uncensored という名前は開発者のアラインメント上の目標を示すもので、すべての指示に誤りなく従うという約束ではありません。別の精度形式の成果物と、アプリケーション側の制御は、それぞれ固有の範囲を持ちます。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 cognitivecomputations/dolphin-mistral-24b-venice-edition | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0004 / 1K トークン 出力 · 出力トークン $0.0018 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0004 / 1K トークン 出力 · 出力トークン $0.0018 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "cognitivecomputations/dolphin-mistral-24b-venice-edition",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'cognitivecomputations/dolphin-mistral-24b-venice-edition', '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': 'cognitivecomputations/dolphin-mistral-24b-venice-edition', '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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra cognitivecomputations/dolphin-mistral-24b-venice-edition
上記に表示されたメソッドパスを使用してください。
英語の技術例
Keep a character voice consistent\n\nAct as a meticulous lighthouse keeper writing to a hurried apprentice. Rule: never leave the lamp unlit; speak in short, dry sentences. Apprentice: 'The lens is fogged and the supply boat is late. Shall I shut everything down?' Reply in three lines, suggest a cautious next step, and leave the apprentice's decision open.Three in-character lines that preserve the lamp rule, address the fogged lens and invite the apprentice's response.The keeper's advice never instructs the apprentice to extinguish the lamp and does not narrate the apprentice's decision.