Hermes 3 Llama 3.1 70Bは、Hermes 3系列に属するNous Researchの70B汎用言語モデル版です。テキストを受け取り、回答、文章、コード、構造化レコード、ツール呼び出しの提案を生成します。開発元は、改善された関数呼び出しとコード生成に加え、ユーザーによる制御性、推論、ロールプレイ、複数ターンの対話、長いコンテキストでの一貫性を重視しています。
システム指示で、役割、規則、文体、出力要件を定義できます。ロールプレイには設定、視点、キャラクターの境界を、分析には原文の文章と結論の基準を与えます。「これらの要件の違いを説明し、技術名称を維持し、各発見事項を支える文章を特定してください」といった依頼が有用です。
コーディングでは、関連実装、観測した失敗、期待動作、安定して維持するインターフェースを提示します。コード成果物の提案と説明を求め、修正が必要な場合には実際の検証観測を使います。モデルへの方向付けは応答を形作りますが、有用な結果は依頼の中で定義する必要があります。
Hermes 3は、system、user、assistantのターンを分け、境界を明示するChatMLを使用します。開発元はモデル自身のテンプレートで会話を整形し、アシスタント生成プロンプトを追加することを推奨しています。システムメッセージは任意ですが、使う場合は実際のユーザー依頼を置き換えず、タスクの文脈と求める動作を説明します。
対話履歴は正しい役割で保持してください。継続する文章作成では、確定した事実を残し、どの文章を変更できるかを伝えます。資料を扱う作業では、資料を根拠として識別し、指示と分けます。後の応答が引用文を新しい命令と混同せず、タスクの制約を保持しやすくなります。
このカードでは、特定のシステム表現、関数シグネチャ、パラメータスキーマを用いて関数利用を学習しています。モデルは、選択した関数名と引数を含むJSONオブジェクトをツール呼び出しタグ内に返します。周辺のアプリケーションが提案を解析し、関数を実行し、名前付きのツール応答を返します。モデルはそのデータを使って回答を生成します。
関数を正確に定義し、外部システムへの仮定ではなく、実際の値を引数に求めます。検索関数で不足する製品フィールドや計算結果を得て、返された情報の意味を回答で説明できます。生成された呼び出しは実行結果とは異なるため、観測をタスクとともに保持してください。
Hermes 3は、JSONのみの回答に向けた、スキーマを条件とするシステム指示も文書化しています。フィールドと型を定義し、元資料に情報がない場合の表現を説明します。生成オブジェクトは、構造と入力との一致の両方を確認してください。スキーマに適合した応答を、値を取得・検証した証明と扱ってはいけません。
公表された70Bモデル設定には131,072位置があります。原文、会話、生成内容が、選択したワークフローのコンテキストを共有し、生成サイズの例は汎用的な厳密な回答上限ではありません。結果の余地を確保し、長い入力も質問に関連するものに絞ります。
有用な成果物は、提示文脈と実際のツール観測に基づく、レビュー可能なテキスト、コード案、構造化レコードです。この70B Hermes 3版は、より大きい405Bモデルや、Hermes 4のハイブリッド推論形式・制御とは区別されます。
", "aboutText": "Hermes 3 Llama 3.1 70Bは、Hermes 3系列に属するNous Researchの70B汎用言語モデル版です。テキストを受け取り、回答、文章、コード、構造化レコード、ツール呼び出しの提案を生成します。開発元は、改善された関数呼び出しとコード生成に加え、ユーザーによる制御性、推論、ロールプレイ、複数ターンの対話、長いコンテキストでの一貫性を重視しています。\n\n### タスクと応答を方向付ける\n\nシステム指示で、役割、規則、文体、出力要件を定義できます。ロールプレイには設定、視点、キャラクターの境界を、分析には原文の文章と結論の基準を与えます。「これらの要件の違いを説明し、技術名称を維持し、各発見事項を支える文章を特定してください」といった依頼が有用です。\n\nコーディングでは、関連実装、観測した失敗、期待動作、安定して維持するインターフェースを提示します。コード成果物の提案と説明を求め、修正が必要な場合には実際の検証観測を使います。モデルへの方向付けは応答を形作りますが、有用な結果は依頼の中で定義する必要があります。\n\n### ChatMLの会話\n\nHermes 3は、system、user、assistantのターンを分け、境界を明示するChatMLを使用します。開発元はモデル自身のテンプレートで会話を整形し、アシスタント生成プロンプトを追加することを推奨しています。システムメッセージは任意ですが、使う場合は実際のユーザー依頼を置き換えず、タスクの文脈と求める動作を説明します。\n\n対話履歴は正しい役割で保持してください。継続する文章作成では、確定した事実を残し、どの文章を変更できるかを伝えます。資料を扱う作業では、資料を根拠として識別し、指示と分けます。後の応答が引用文を新しい命令と混同せず、タスクの制約を保持しやすくなります。\n\n### 関数呼び出し\n\nこのカードでは、特定のシステム表現、関数シグネチャ、パラメータスキーマを用いて関数利用を学習しています。モデルは、選択した関数名と引数を含むJSONオブジェクトをツール呼び出しタグ内に返します。周辺のアプリケーションが提案を解析し、関数を実行し、名前付きのツール応答を返します。モデルはそのデータを使って回答を生成します。\n\n関数を正確に定義し、外部システムへの仮定ではなく、実際の値を引数に求めます。検索関数で不足する製品フィールドや計算結果を得て、返された情報の意味を回答で説明できます。生成された呼び出しは実行結果とは異なるため、観測をタスクとともに保持してください。\n\n### JSONモードと上限\n\nHermes 3は、JSONのみの回答に向けた、スキーマを条件とするシステム指示も文書化しています。フィールドと型を定義し、元資料に情報がない場合の表現を説明します。生成オブジェクトは、構造と入力との一致の両方を確認してください。スキーマに適合した応答を、値を取得・検証した証明と扱ってはいけません。\n\n公表された70Bモデル設定には131,072位置があります。原文、会話、生成内容が、選択したワークフローのコンテキストを共有し、生成サイズの例は汎用的な厳密な回答上限ではありません。結果の余地を確保し、長い入力も質問に関連するものに絞ります。\n\n有用な成果物は、提示文脈と実際のツール観測に基づく、レビュー可能なテキスト、コード案、構造化レコードです。この70B Hermes 3版は、より大きい405Bモデルや、Hermes 4のハイブリッド推論形式・制御とは区別されます。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Continue a constrained roleplay\n\nPlay Irena, the archivist who knows a bridge is unsafe but fears closing it will isolate the town. I play the mayor. Begin with two or three lines of dialogue that reveal the conflict through subtext. Keep Irena’s knowledge consistent and stop before choosing the mayor’s answer or actions.Two or three in-character lines, with optional short stage direction and room for the mayor’s response.Check that the safety-versus-isolation conflict is present and that the user’s character remains under user control.nousresearch/hermes-3-llama-3.1-70bHermes 3 Llama 3.1 70Bは、複数ターンの対話、ロールプレイ、コード、エージェントのタスク向けの、ユーザーが方向付けできるNous Researchの汎用テキストモデルです。ChatMLのモデル仕様には、スキーマに沿うJSONとタグ付き関数呼び出しが含まれ、公表設定は131,072位置です。
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。
Hermes 3 Llama 3.1 70Bは、Hermes 3系列に属するNous Researchの70B汎用言語モデル版です。テキストを受け取り、回答、文章、コード、構造化レコード、ツール呼び出しの提案を生成します。開発元は、改善された関数呼び出しとコード生成に加え、ユーザーによる制御性、推論、ロールプレイ、複数ターンの対話、長いコンテキストでの一貫性を重視しています。
システム指示で、役割、規則、文体、出力要件を定義できます。ロールプレイには設定、視点、キャラクターの境界を、分析には原文の文章と結論の基準を与えます。「これらの要件の違いを説明し、技術名称を維持し、各発見事項を支える文章を特定してください」といった依頼が有用です。
コーディングでは、関連実装、観測した失敗、期待動作、安定して維持するインターフェースを提示します。コード成果物の提案と説明を求め、修正が必要な場合には実際の検証観測を使います。モデルへの方向付けは応答を形作りますが、有用な結果は依頼の中で定義する必要があります。
Hermes 3は、system、user、assistantのターンを分け、境界を明示するChatMLを使用します。開発元はモデル自身のテンプレートで会話を整形し、アシスタント生成プロンプトを追加することを推奨しています。システムメッセージは任意ですが、使う場合は実際のユーザー依頼を置き換えず、タスクの文脈と求める動作を説明します。
対話履歴は正しい役割で保持してください。継続する文章作成では、確定した事実を残し、どの文章を変更できるかを伝えます。資料を扱う作業では、資料を根拠として識別し、指示と分けます。後の応答が引用文を新しい命令と混同せず、タスクの制約を保持しやすくなります。
このカードでは、特定のシステム表現、関数シグネチャ、パラメータスキーマを用いて関数利用を学習しています。モデルは、選択した関数名と引数を含むJSONオブジェクトをツール呼び出しタグ内に返します。周辺のアプリケーションが提案を解析し、関数を実行し、名前付きのツール応答を返します。モデルはそのデータを使って回答を生成します。
関数を正確に定義し、外部システムへの仮定ではなく、実際の値を引数に求めます。検索関数で不足する製品フィールドや計算結果を得て、返された情報の意味を回答で説明できます。生成された呼び出しは実行結果とは異なるため、観測をタスクとともに保持してください。
Hermes 3は、JSONのみの回答に向けた、スキーマを条件とするシステム指示も文書化しています。フィールドと型を定義し、元資料に情報がない場合の表現を説明します。生成オブジェクトは、構造と入力との一致の両方を確認してください。スキーマに適合した応答を、値を取得・検証した証明と扱ってはいけません。
公表された70Bモデル設定には131,072位置があります。原文、会話、生成内容が、選択したワークフローのコンテキストを共有し、生成サイズの例は汎用的な厳密な回答上限ではありません。結果の余地を確保し、長い入力も質問に関連するものに絞ります。
有用な成果物は、提示文脈と実際のツール観測に基づく、レビュー可能なテキスト、コード案、構造化レコードです。この70B Hermes 3版は、より大きい405Bモデルや、Hermes 4のハイブリッド推論形式・制御とは区別されます。
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 nousresearch/hermes-3-llama-3.1-70b | 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 $0.0014 / 1K トークン 出力 · 出力トークン $0.0014 / 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 $0.0014 / 1K トークン 出力 · 出力トークン $0.0014 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nousresearch/hermes-3-llama-3.1-70b", "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='nousresearch/hermes-3-llama-3.1-70b',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='nousresearch/hermes-3-llama-3.1-70b',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 nousresearch/hermes-3-llama-3.1-70b
上記に表示されたメソッドパスを使用してください。
nousresearch/hermes-3-llama-3.1-70bHermes 3 Llama 3.1 70Bは、複数ターンの対話、ロールプレイ、コード、エージェントのタスク向けの、ユーザーが方向付けできるNous Researchの汎用テキストモデルです。ChatMLのモデル仕様には、スキーマに沿うJSONとタグ付き関数呼び出しが含まれ、公表設定は131,072位置です。
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。
Hermes 3 Llama 3.1 70Bは、Hermes 3系列に属するNous Researchの70B汎用言語モデル版です。テキストを受け取り、回答、文章、コード、構造化レコード、ツール呼び出しの提案を生成します。開発元は、改善された関数呼び出しとコード生成に加え、ユーザーによる制御性、推論、ロールプレイ、複数ターンの対話、長いコンテキストでの一貫性を重視しています。
システム指示で、役割、規則、文体、出力要件を定義できます。ロールプレイには設定、視点、キャラクターの境界を、分析には原文の文章と結論の基準を与えます。「これらの要件の違いを説明し、技術名称を維持し、各発見事項を支える文章を特定してください」といった依頼が有用です。
コーディングでは、関連実装、観測した失敗、期待動作、安定して維持するインターフェースを提示します。コード成果物の提案と説明を求め、修正が必要な場合には実際の検証観測を使います。モデルへの方向付けは応答を形作りますが、有用な結果は依頼の中で定義する必要があります。
Hermes 3は、system、user、assistantのターンを分け、境界を明示するChatMLを使用します。開発元はモデル自身のテンプレートで会話を整形し、アシスタント生成プロンプトを追加することを推奨しています。システムメッセージは任意ですが、使う場合は実際のユーザー依頼を置き換えず、タスクの文脈と求める動作を説明します。
対話履歴は正しい役割で保持してください。継続する文章作成では、確定した事実を残し、どの文章を変更できるかを伝えます。資料を扱う作業では、資料を根拠として識別し、指示と分けます。後の応答が引用文を新しい命令と混同せず、タスクの制約を保持しやすくなります。
このカードでは、特定のシステム表現、関数シグネチャ、パラメータスキーマを用いて関数利用を学習しています。モデルは、選択した関数名と引数を含むJSONオブジェクトをツール呼び出しタグ内に返します。周辺のアプリケーションが提案を解析し、関数を実行し、名前付きのツール応答を返します。モデルはそのデータを使って回答を生成します。
関数を正確に定義し、外部システムへの仮定ではなく、実際の値を引数に求めます。検索関数で不足する製品フィールドや計算結果を得て、返された情報の意味を回答で説明できます。生成された呼び出しは実行結果とは異なるため、観測をタスクとともに保持してください。
Hermes 3は、JSONのみの回答に向けた、スキーマを条件とするシステム指示も文書化しています。フィールドと型を定義し、元資料に情報がない場合の表現を説明します。生成オブジェクトは、構造と入力との一致の両方を確認してください。スキーマに適合した応答を、値を取得・検証した証明と扱ってはいけません。
公表された70Bモデル設定には131,072位置があります。原文、会話、生成内容が、選択したワークフローのコンテキストを共有し、生成サイズの例は汎用的な厳密な回答上限ではありません。結果の余地を確保し、長い入力も質問に関連するものに絞ります。
有用な成果物は、提示文脈と実際のツール観測に基づく、レビュー可能なテキスト、コード案、構造化レコードです。この70B Hermes 3版は、より大きい405Bモデルや、Hermes 4のハイブリッド推論形式・制御とは区別されます。
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 nousresearch/hermes-3-llama-3.1-70b | 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 $0.0014 / 1K トークン 出力 · 出力トークン $0.0014 / 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 $0.0014 / 1K トークン 出力 · 出力トークン $0.0014 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "nousresearch/hermes-3-llama-3.1-70b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'nousresearch/hermes-3-llama-3.1-70b', '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': 'nousresearch/hermes-3-llama-3.1-70b', '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 nousresearch/hermes-3-llama-3.1-70b
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
Continue a constrained roleplay\n\nPlay Irena, the archivist who knows a bridge is unsafe but fears closing it will isolate the town. I play the mayor. Begin with two or three lines of dialogue that reveal the conflict through subtext. Keep Irena’s knowledge consistent and stop before choosing the mayor’s answer or actions.Two or three in-character lines, with optional short stage direction and room for the mayor’s response.Check that the safety-versus-isolation conflict is present and that the user’s character remains under user control.