abab6.5s는 MiniMax의 abab6.5 범용 대규모 언어 모델 시리즈에 속합니다. 제조사는 더 큰 대응 모델과 같은 학습 기법 및 데이터를 사용하면서 효율성에 중점을 둔다고 설명합니다. 최초 릴리스에는 200K 토큰의 컨텍스트가 문서화되어 있습니다. 작업을 보관하거나 시리즈의 다른 모델과 비교할 때 s 에디션임을 명확히 유지하세요.
MiniMax는 이 시리즈를 자사의 전문가 혼합 개발과 연결합니다. 릴리스에서는 모델 아키텍처 개선, 데이터 파이프라인 재구축, 학습 알고리즘 및 병렬 학습 전략 최적화를 설명합니다.
두 모델은 학습 방향을 공유하지만 별도 에디션으로 유지됩니다. 텍스트 작업에 사용할 모델을 이름으로 선택하고 원자료와 최종 답변을 그 모델 정보와 함께 보관하세요. 모델이 효율성을 강조한다는 설명은 특정 질문에 대해 실제로 생성한 산출물을 살펴보는 일을 대신하지 않습니다.
명확하게 정의된 하나의 질문에 답하는 데 필요한 자료를 컨텍스트 예산 안에 모으세요. 문서에 라벨을 붙이고 섹션 경계를 유지하며, 중요한 정의, 날짜와 식별자가 드러나게 하세요. 답변에는 요약, 비교, 추출된 기록 또는 수정된 대목처럼 구체적인 형식을 지정하세요.
예를 들면 다음과 같습니다. “제공된 정책 섹션을 비교하고, 요구 사항이 어디에서 달라지는지 파악한 뒤, 각 차이를 뒷받침하는 표현을 포함하세요.” 관련 없는 문서를 추가하기 전에 어떤 구분이 중요한지 결정하세요. 자료 각 부분을 어떻게 연결할지 질문에서 설명하면 많은 자료도 다루기 쉬워집니다.
멀리 떨어진 여러 대목에 걸친 작업에서는 답변이 어떤 섹션에 의존하는지 명시하도록 요청하세요. 중요한 조건의 원문 표현을 보존하고, 한정 조건을 놓칠 수 있는 초기 요약으로 대체하지 마세요. 자료가 요청한 값이나 관계를 입증하지 못한다면 결과에서도 그 지점을 미해결 상태로 유지하세요.
초안 작성에는 출처의 사실, 대상 독자와 필요한 구조를 제공하세요. 수정 작업에서는 유지해야 할 의미와 바꿔야 할 표현 방식을 명시하세요. 후속 요청에서는 수정이 필요한 특정 대목과 그 이유를 다시 제공해, 다음 턴이 구체적인 문제에 집중하도록 할 수 있습니다.
200K라는 수치는 제조사의 abab6.5s 릴리스에 명시된 컨텍스트를 설명합니다. 작업에 사용하는 실행 구성 안에서 관련 입력과 요청한 답변을 계획하세요. 완성된 텍스트를 이를 뒷받침하는 자료와 함께 보존하면 요약, 비교 또는 수정본을 재사용하기 전에 확인할 수 있습니다.
답변의 중요한 이름, 값, 조건과 출처 관계를 검토하세요. 결과와 함께 abab6.5s라는 모델 정체성을 유지하세요. 유용한 결과는 내용을 제공된 자료까지 추적할 수 있고, 다음 판단을 위해 미해결 세부 사항이 계속 드러나 있는 문서 산출물입니다.
", "aboutText": "### abab6.5 제품군에서 효율성을 강조한 모델\n\nabab6.5s는 MiniMax의 abab6.5 범용 대규모 언어 모델 시리즈에 속합니다. 제조사는 더 큰 대응 모델과 같은 학습 기법 및 데이터를 사용하면서 효율성에 중점을 둔다고 설명합니다. 최초 릴리스에는 200K 토큰의 컨텍스트가 문서화되어 있습니다. 작업을 보관하거나 시리즈의 다른 모델과 비교할 때 s 에디션임을 명확히 유지하세요.\n\n### 아키텍처와 학습 방향\n\nMiniMax는 이 시리즈를 자사의 전문가 혼합 개발과 연결합니다. 릴리스에서는 모델 아키텍처 개선, 데이터 파이프라인 재구축, 학습 알고리즘 및 병렬 학습 전략 최적화를 설명합니다.\n\n두 모델은 학습 방향을 공유하지만 별도 에디션으로 유지됩니다. 텍스트 작업에 사용할 모델을 이름으로 선택하고 원자료와 최종 답변을 그 모델 정보와 함께 보관하세요. 모델이 효율성을 강조한다는 설명은 특정 질문에 대해 실제로 생성한 산출물을 살펴보는 일을 대신하지 않습니다.\n\n### 긴 텍스트 작업 준비\n\n명확하게 정의된 하나의 질문에 답하는 데 필요한 자료를 컨텍스트 예산 안에 모으세요. 문서에 라벨을 붙이고 섹션 경계를 유지하며, 중요한 정의, 날짜와 식별자가 드러나게 하세요. 답변에는 요약, 비교, 추출된 기록 또는 수정된 대목처럼 구체적인 형식을 지정하세요.\n\n예를 들면 다음과 같습니다. “제공된 정책 섹션을 비교하고, 요구 사항이 어디에서 달라지는지 파악한 뒤, 각 차이를 뒷받침하는 표현을 포함하세요.” 관련 없는 문서를 추가하기 전에 어떤 구분이 중요한지 결정하세요. 자료 각 부분을 어떻게 연결할지 질문에서 설명하면 많은 자료도 다루기 쉬워집니다.\n\n### 근거와 해석 구분\n\n멀리 떨어진 여러 대목에 걸친 작업에서는 답변이 어떤 섹션에 의존하는지 명시하도록 요청하세요. 중요한 조건의 원문 표현을 보존하고, 한정 조건을 놓칠 수 있는 초기 요약으로 대체하지 마세요. 자료가 요청한 값이나 관계를 입증하지 못한다면 결과에서도 그 지점을 미해결 상태로 유지하세요.\n\n초안 작성에는 출처의 사실, 대상 독자와 필요한 구조를 제공하세요. 수정 작업에서는 유지해야 할 의미와 바꿔야 할 표현 방식을 명시하세요. 후속 요청에서는 수정이 필요한 특정 대목과 그 이유를 다시 제공해, 다음 턴이 구체적인 문제에 집중하도록 할 수 있습니다.\n\n### 활용 가능한 문서 산출물 보관\n\n200K라는 수치는 제조사의 abab6.5s 릴리스에 명시된 컨텍스트를 설명합니다. 작업에 사용하는 실행 구성 안에서 관련 입력과 요청한 답변을 계획하세요. 완성된 텍스트를 이를 뒷받침하는 자료와 함께 보존하면 요약, 비교 또는 수정본을 재사용하기 전에 확인할 수 있습니다.\n\n답변의 중요한 이름, 값, 조건과 출처 관계를 검토하세요. 결과와 함께 abab6.5s라는 모델 정체성을 유지하세요. 유용한 결과는 내용을 제공된 자료까지 추적할 수 있고, 다음 판단을 위해 미해결 세부 사항이 계속 드러나 있는 문서 산출물입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Compare approval rules\n\nCompare these policy clauses for a team lead. Policy A, section 2: Purchases above $500 need finance approval; subscriptions always need approval. Policy B, section 4: All purchases at or above $500 need approval. Return a comparison table with the boundary difference, subscription rule and exact supporting phrases. Mark unstated rules as unknown.A table with columns: topic | Policy A wording | Policy B wording | practical difference. Follow it with one question about the unstated subscription rule.Check that exactly $500 and subscriptions are treated separately and each difference cites the supplied clause.abab6.5s-chatMiniMax의 abab6.5s는 abab6.5 범용 언어 모델 제품군에서 효율성을 강조한 모델입니다. 최초 릴리스에는 200K 토큰의 컨텍스트가 문서화되어 있어, 더 많은 원자료를 한 대화에 모아 처리하는 텍스트 작업을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
abab6.5s는 MiniMax의 abab6.5 범용 대규모 언어 모델 시리즈에 속합니다. 제조사는 더 큰 대응 모델과 같은 학습 기법 및 데이터를 사용하면서 효율성에 중점을 둔다고 설명합니다. 최초 릴리스에는 200K 토큰의 컨텍스트가 문서화되어 있습니다. 작업을 보관하거나 시리즈의 다른 모델과 비교할 때 s 에디션임을 명확히 유지하세요.
MiniMax는 이 시리즈를 자사의 전문가 혼합 개발과 연결합니다. 릴리스에서는 모델 아키텍처 개선, 데이터 파이프라인 재구축, 학습 알고리즘 및 병렬 학습 전략 최적화를 설명합니다.
두 모델은 학습 방향을 공유하지만 별도 에디션으로 유지됩니다. 텍스트 작업에 사용할 모델을 이름으로 선택하고 원자료와 최종 답변을 그 모델 정보와 함께 보관하세요. 모델이 효율성을 강조한다는 설명은 특정 질문에 대해 실제로 생성한 산출물을 살펴보는 일을 대신하지 않습니다.
명확하게 정의된 하나의 질문에 답하는 데 필요한 자료를 컨텍스트 예산 안에 모으세요. 문서에 라벨을 붙이고 섹션 경계를 유지하며, 중요한 정의, 날짜와 식별자가 드러나게 하세요. 답변에는 요약, 비교, 추출된 기록 또는 수정된 대목처럼 구체적인 형식을 지정하세요.
예를 들면 다음과 같습니다. “제공된 정책 섹션을 비교하고, 요구 사항이 어디에서 달라지는지 파악한 뒤, 각 차이를 뒷받침하는 표현을 포함하세요.” 관련 없는 문서를 추가하기 전에 어떤 구분이 중요한지 결정하세요. 자료 각 부분을 어떻게 연결할지 질문에서 설명하면 많은 자료도 다루기 쉬워집니다.
멀리 떨어진 여러 대목에 걸친 작업에서는 답변이 어떤 섹션에 의존하는지 명시하도록 요청하세요. 중요한 조건의 원문 표현을 보존하고, 한정 조건을 놓칠 수 있는 초기 요약으로 대체하지 마세요. 자료가 요청한 값이나 관계를 입증하지 못한다면 결과에서도 그 지점을 미해결 상태로 유지하세요.
초안 작성에는 출처의 사실, 대상 독자와 필요한 구조를 제공하세요. 수정 작업에서는 유지해야 할 의미와 바꿔야 할 표현 방식을 명시하세요. 후속 요청에서는 수정이 필요한 특정 대목과 그 이유를 다시 제공해, 다음 턴이 구체적인 문제에 집중하도록 할 수 있습니다.
200K라는 수치는 제조사의 abab6.5s 릴리스에 명시된 컨텍스트를 설명합니다. 작업에 사용하는 실행 구성 안에서 관련 입력과 요청한 답변을 계획하세요. 완성된 텍스트를 이를 뒷받침하는 자료와 함께 보존하면 요약, 비교 또는 수정본을 재사용하기 전에 확인할 수 있습니다.
답변의 중요한 이름, 값, 조건과 출처 관계를 검토하세요. 결과와 함께 abab6.5s라는 모델 정체성을 유지하세요. 유용한 결과는 내용을 제공된 자료까지 추적할 수 있고, 다음 판단을 위해 미해결 세부 사항이 계속 드러나 있는 문서 산출물입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 abab6.5s-chat | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.000308 / 1K 토큰 출력 · 출력 토큰 $0.000308 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "abab6.5s-chat", "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='abab6.5s-chat',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='abab6.5s-chat',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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra abab6.5s-chat
위에 표시된 메서드 경로를 사용하세요.
abab6.5s-chatMiniMax의 abab6.5s는 abab6.5 범용 언어 모델 제품군에서 효율성을 강조한 모델입니다. 최초 릴리스에는 200K 토큰의 컨텍스트가 문서화되어 있어, 더 많은 원자료를 한 대화에 모아 처리하는 텍스트 작업을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
abab6.5s는 MiniMax의 abab6.5 범용 대규모 언어 모델 시리즈에 속합니다. 제조사는 더 큰 대응 모델과 같은 학습 기법 및 데이터를 사용하면서 효율성에 중점을 둔다고 설명합니다. 최초 릴리스에는 200K 토큰의 컨텍스트가 문서화되어 있습니다. 작업을 보관하거나 시리즈의 다른 모델과 비교할 때 s 에디션임을 명확히 유지하세요.
MiniMax는 이 시리즈를 자사의 전문가 혼합 개발과 연결합니다. 릴리스에서는 모델 아키텍처 개선, 데이터 파이프라인 재구축, 학습 알고리즘 및 병렬 학습 전략 최적화를 설명합니다.
두 모델은 학습 방향을 공유하지만 별도 에디션으로 유지됩니다. 텍스트 작업에 사용할 모델을 이름으로 선택하고 원자료와 최종 답변을 그 모델 정보와 함께 보관하세요. 모델이 효율성을 강조한다는 설명은 특정 질문에 대해 실제로 생성한 산출물을 살펴보는 일을 대신하지 않습니다.
명확하게 정의된 하나의 질문에 답하는 데 필요한 자료를 컨텍스트 예산 안에 모으세요. 문서에 라벨을 붙이고 섹션 경계를 유지하며, 중요한 정의, 날짜와 식별자가 드러나게 하세요. 답변에는 요약, 비교, 추출된 기록 또는 수정된 대목처럼 구체적인 형식을 지정하세요.
예를 들면 다음과 같습니다. “제공된 정책 섹션을 비교하고, 요구 사항이 어디에서 달라지는지 파악한 뒤, 각 차이를 뒷받침하는 표현을 포함하세요.” 관련 없는 문서를 추가하기 전에 어떤 구분이 중요한지 결정하세요. 자료 각 부분을 어떻게 연결할지 질문에서 설명하면 많은 자료도 다루기 쉬워집니다.
멀리 떨어진 여러 대목에 걸친 작업에서는 답변이 어떤 섹션에 의존하는지 명시하도록 요청하세요. 중요한 조건의 원문 표현을 보존하고, 한정 조건을 놓칠 수 있는 초기 요약으로 대체하지 마세요. 자료가 요청한 값이나 관계를 입증하지 못한다면 결과에서도 그 지점을 미해결 상태로 유지하세요.
초안 작성에는 출처의 사실, 대상 독자와 필요한 구조를 제공하세요. 수정 작업에서는 유지해야 할 의미와 바꿔야 할 표현 방식을 명시하세요. 후속 요청에서는 수정이 필요한 특정 대목과 그 이유를 다시 제공해, 다음 턴이 구체적인 문제에 집중하도록 할 수 있습니다.
200K라는 수치는 제조사의 abab6.5s 릴리스에 명시된 컨텍스트를 설명합니다. 작업에 사용하는 실행 구성 안에서 관련 입력과 요청한 답변을 계획하세요. 완성된 텍스트를 이를 뒷받침하는 자료와 함께 보존하면 요약, 비교 또는 수정본을 재사용하기 전에 확인할 수 있습니다.
답변의 중요한 이름, 값, 조건과 출처 관계를 검토하세요. 결과와 함께 abab6.5s라는 모델 정체성을 유지하세요. 유용한 결과는 내용을 제공된 자료까지 추적할 수 있고, 다음 판단을 위해 미해결 세부 사항이 계속 드러나 있는 문서 산출물입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 abab6.5s-chat | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.000308 / 1K 토큰 출력 · 출력 토큰 $0.000308 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "abab6.5s-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'abab6.5s-chat', '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': 'abab6.5s-chat', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra abab6.5s-chat
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Compare approval rules\n\nCompare these policy clauses for a team lead. Policy A, section 2: Purchases above $500 need finance approval; subscriptions always need approval. Policy B, section 4: All purchases at or above $500 need approval. Return a comparison table with the boundary difference, subscription rule and exact supporting phrases. Mark unstated rules as unknown.A table with columns: topic | Policy A wording | Policy B wording | practical difference. Follow it with one question about the unstated subscription rule.Check that exactly $500 and subscriptions are treated separately and each difference cites the supplied clause.