Baichuan3-Turbo는 Baichuan 3세대 제품군의 범용 텍스트 대화 모델입니다. 제작사는 이 정확한 모델 이름의 컨텍스트를 32K로 명시합니다. Baichuan3-Turbo-128k는 컨텍스트가 더 큰 별도 항목이며, 4세대 모델도 각각 이름이 다른 에디션입니다. 대화를 준비하거나 결과를 비교할 때 선택한 모델과 컨텍스트 프로필을 명확히 유지하세요.
제작사의 범용 대화 레퍼런스는 모델 이름과 메시지 목록을 제공합니다. 이전 턴을 이후 턴보다 앞에 두세요. 시스템 메시지를 사용하는 경우 맨 앞에 배치해 역할이나 응답 요구 사항을 정의합니다. 사용자 메시지는 작업을 제공하고, 어시스턴트 메시지는 이전 응답을 보존합니다. 텍스트 콘텐츠는 문자열이거나 유형이 지정된 텍스트 콘텐츠 구조일 수 있습니다.
문서 작업에서는 사용할 구절과 원하는 결과를 명시하세요. 예를 들면 “이 프로젝트 메모에서 명시된 마감일, 담당자, 산출물을 추출하고, 근거 표현을 포함한 필드 목록을 반환해주세요.”라고 요청할 수 있습니다. 다시 쓰기에는 원문, 독자, 어조를 제공하세요. 다음 요청이 이전 해석에 의존한다면 관련된 이전 턴을 보존하세요.
문서화된 대화 작업은 최대 응답 허용량을 1에서 2,048토큰까지 허용하며 기본값은 2,048입니다. 이 응답 설정은 모델의 32K 컨텍스트와 별개입니다. 입력을 선택할 때 응답 공간을 남겨두고, 결과를 완성본으로 취급하기 전에 완료 사유를 확인하세요.
제작사의 샘플링 제어는 temperature가 0에서 1, 기본값 0.3이며, top_p는 0 이상 1 미만, 기본값 0.85이고, top_k는 0에서 20, 기본값 5입니다. top_k가 0이면 해당 선택 전략이 비활성화됩니다. 이는 제작사 인터페이스의 설정입니다. 비교할 때는 작업과 원본을 고정하고 살펴보려는 결과와 관련된 설정을 변경하세요.
Baichuan3-Turbo는 JSON 객체 출력을 지원하는 모델 목록에 명시적으로 포함됩니다. 제작사의 JSON 모드는 시스템 또는 사용자 메시지에도 JSON 생성 지침이 있어야 합니다. 필드와 각 필드의 의미를 지정하고, 알 수 없는 값을 어떻게 표현할지 설명하세요. 반환된 객체를 다음 단계로 넘기기 전에 이 요구 사항과 대조하세요.
프로젝트 메모 예시에서는 deadline, owner, deliverable 필드와 근거 텍스트를 요청하세요. 길이 허용량 때문에 중단된 응답에는 불완전한 JSON이 들어 있을 수 있습니다. 원본과 완료 사유를 보존한 뒤, 부분 객체를 유효한 레코드로 취급하기 전에 작업이나 응답 허용량을 조정하세요.
범용 대화 워크플로는 지식 베이스 검색, 웹 검색, 사용자 정의 함수를 제공합니다. 지식 베이스 검색은 제공된 지식만 사용하도록 제한할 수 있습니다. 제작사는 이 모드에서 검색 결과가 없으면 답변도 없다고 명시합니다. 지식 검색과 웹 검색을 함께 설정하면 지식 검색이 우선합니다. 레퍼런스는 같은 작업에서 함수 호출을 이러한 지식 검색 또는 웹 검색 도구와 결합하지 않도록 주의를 줍니다.
지식 관련 질문에는 관련 컬렉션을 제공하고 초점을 맞춘 질문을 하세요. 최신 정보 관련 질문에는 실제 검색 근거를 응답과 함께 보존하세요. 도구가 제공한 근거와 그 근거에서 생성한 결론을 구분하세요.
Baichuan3-Turbo는 함수 지원 목록에 명시적으로 포함됩니다. 함수 정의에는 이름, 설명, 인수 스키마가 들어갑니다. 모델은 작업을 선택하고 인수를 생성할 수 있습니다. 연결된 애플리케이션이 이를 수행하고 호출에 연결된 도구 메시지로 결과를 반환합니다. 다음 턴에도 이 관계를 유지하세요. 제작사의 함수 선택 옵션은 자동 선택 또는 도구 호출 없음입니다.
문서화된 인터페이스는 완성된 응답 또는 텍스트 조각 스트림을 지원하며, 기본값은 비스트리밍입니다. 스트리밍 조각을 최종 응답으로 합치세요. 결과에는 생성이 정상 종료되었는지, 길이 제한에 도달했는지, 도구를 선택했는지, 콘텐츠 필터링이 발생했는지가 표시됩니다.
완성된 결과물을 간결한 답변, 수정된 문구, 추출된 레코드, 반환된 근거에 기반한 설명 등 의도한 작업에 사용하세요. 원본에 의존하는 값과 선택한 에디션을 함께 검토하세요. 컨텍스트가 더 큰 형제 모델, 다른 Baichuan 세대, 애플리케이션이 생성한 함수 결과는 워크플로에서 서로 구분되는 부분입니다.
", "aboutText": "### 이름이 지정된 32K 대화 모델\n\nBaichuan3-Turbo는 Baichuan 3세대 제품군의 범용 텍스트 대화 모델입니다. 제작사는 이 정확한 모델 이름의 컨텍스트를 32K로 명시합니다. Baichuan3-Turbo-128k는 컨텍스트가 더 큰 별도 항목이며, 4세대 모델도 각각 이름이 다른 에디션입니다. 대화를 준비하거나 결과를 비교할 때 선택한 모델과 컨텍스트 프로필을 명확히 유지하세요.\n\n### 대화 순서대로 메시지 준비하기\n\n제작사의 범용 대화 레퍼런스는 모델 이름과 메시지 목록을 제공합니다. 이전 턴을 이후 턴보다 앞에 두세요. 시스템 메시지를 사용하는 경우 맨 앞에 배치해 역할이나 응답 요구 사항을 정의합니다. 사용자 메시지는 작업을 제공하고, 어시스턴트 메시지는 이전 응답을 보존합니다. 텍스트 콘텐츠는 문자열이거나 유형이 지정된 텍스트 콘텐츠 구조일 수 있습니다.\n\n문서 작업에서는 사용할 구절과 원하는 결과를 명시하세요. 예를 들면 “이 프로젝트 메모에서 명시된 마감일, 담당자, 산출물을 추출하고, 근거 표현을 포함한 필드 목록을 반환해주세요.”라고 요청할 수 있습니다. 다시 쓰기에는 원문, 독자, 어조를 제공하세요. 다음 요청이 이전 해석에 의존한다면 관련된 이전 턴을 보존하세요.\n\n### 응답과 길이 제어하기\n\n문서화된 대화 작업은 최대 응답 허용량을 1에서 2,048토큰까지 허용하며 기본값은 2,048입니다. 이 응답 설정은 모델의 32K 컨텍스트와 별개입니다. 입력을 선택할 때 응답 공간을 남겨두고, 결과를 완성본으로 취급하기 전에 완료 사유를 확인하세요.\n\n제작사의 샘플링 제어는 temperature가 0에서 1, 기본값 0.3이며, top_p는 0 이상 1 미만, 기본값 0.85이고, top_k는 0에서 20, 기본값 5입니다. top_k가 0이면 해당 선택 전략이 비활성화됩니다. 이는 제작사 인터페이스의 설정입니다. 비교할 때는 작업과 원본을 고정하고 살펴보려는 결과와 관련된 설정을 변경하세요.\n\n### 의도적으로 JSON 생성하기\n\nBaichuan3-Turbo는 JSON 객체 출력을 지원하는 모델 목록에 명시적으로 포함됩니다. 제작사의 JSON 모드는 시스템 또는 사용자 메시지에도 JSON 생성 지침이 있어야 합니다. 필드와 각 필드의 의미를 지정하고, 알 수 없는 값을 어떻게 표현할지 설명하세요. 반환된 객체를 다음 단계로 넘기기 전에 이 요구 사항과 대조하세요.\n\n프로젝트 메모 예시에서는 deadline, owner, deliverable 필드와 근거 텍스트를 요청하세요. 길이 허용량 때문에 중단된 응답에는 불완전한 JSON이 들어 있을 수 있습니다. 원본과 완료 사유를 보존한 뒤, 부분 객체를 유효한 레코드로 취급하기 전에 작업이나 응답 허용량을 조정하세요.\n\n### 근거 검색 또는 함수 요청하기\n\n범용 대화 워크플로는 지식 베이스 검색, 웹 검색, 사용자 정의 함수를 제공합니다. 지식 베이스 검색은 제공된 지식만 사용하도록 제한할 수 있습니다. 제작사는 이 모드에서 검색 결과가 없으면 답변도 없다고 명시합니다. 지식 검색과 웹 검색을 함께 설정하면 지식 검색이 우선합니다. 레퍼런스는 같은 작업에서 함수 호출을 이러한 지식 검색 또는 웹 검색 도구와 결합하지 않도록 주의를 줍니다.\n\n지식 관련 질문에는 관련 컬렉션을 제공하고 초점을 맞춘 질문을 하세요. 최신 정보 관련 질문에는 실제 검색 근거를 응답과 함께 보존하세요. 도구가 제공한 근거와 그 근거에서 생성한 결론을 구분하세요.\n\nBaichuan3-Turbo는 함수 지원 목록에 명시적으로 포함됩니다. 함수 정의에는 이름, 설명, 인수 스키마가 들어갑니다. 모델은 작업을 선택하고 인수를 생성할 수 있습니다. 연결된 애플리케이션이 이를 수행하고 호출에 연결된 도구 메시지로 결과를 반환합니다. 다음 턴에도 이 관계를 유지하세요. 제작사의 함수 선택 옵션은 자동 선택 또는 도구 호출 없음입니다.\n\n### 완성된 텍스트 또는 객체 보관하기\n\n문서화된 인터페이스는 완성된 응답 또는 텍스트 조각 스트림을 지원하며, 기본값은 비스트리밍입니다. 스트리밍 조각을 최종 응답으로 합치세요. 결과에는 생성이 정상 종료되었는지, 길이 제한에 도달했는지, 도구를 선택했는지, 콘텐츠 필터링이 발생했는지가 표시됩니다.\n\n완성된 결과물을 간결한 답변, 수정된 문구, 추출된 레코드, 반환된 근거에 기반한 설명 등 의도한 작업에 사용하세요. 원본에 의존하는 값과 선택한 에디션을 함께 검토하세요. 컨텍스트가 더 큰 형제 모델, 다른 Baichuan 세대, 애플리케이션이 생성한 함수 결과는 워크플로에서 서로 구분되는 부분입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo는 문서에 명시된 32K 컨텍스트를 갖춘 텍스트 대화 모델입니다. 제작사 인터페이스는 완성된 응답 또는 스트리밍 응답, JSON 출력, 사용자 정의 함수 호출을 지원하며, 근거에 기반한 응답을 위한 지식 검색과 웹 검색 옵션을 별도로 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Baichuan3-Turbo는 Baichuan 3세대 제품군의 범용 텍스트 대화 모델입니다. 제작사는 이 정확한 모델 이름의 컨텍스트를 32K로 명시합니다. Baichuan3-Turbo-128k는 컨텍스트가 더 큰 별도 항목이며, 4세대 모델도 각각 이름이 다른 에디션입니다. 대화를 준비하거나 결과를 비교할 때 선택한 모델과 컨텍스트 프로필을 명확히 유지하세요.
제작사의 범용 대화 레퍼런스는 모델 이름과 메시지 목록을 제공합니다. 이전 턴을 이후 턴보다 앞에 두세요. 시스템 메시지를 사용하는 경우 맨 앞에 배치해 역할이나 응답 요구 사항을 정의합니다. 사용자 메시지는 작업을 제공하고, 어시스턴트 메시지는 이전 응답을 보존합니다. 텍스트 콘텐츠는 문자열이거나 유형이 지정된 텍스트 콘텐츠 구조일 수 있습니다.
문서 작업에서는 사용할 구절과 원하는 결과를 명시하세요. 예를 들면 “이 프로젝트 메모에서 명시된 마감일, 담당자, 산출물을 추출하고, 근거 표현을 포함한 필드 목록을 반환해주세요.”라고 요청할 수 있습니다. 다시 쓰기에는 원문, 독자, 어조를 제공하세요. 다음 요청이 이전 해석에 의존한다면 관련된 이전 턴을 보존하세요.
문서화된 대화 작업은 최대 응답 허용량을 1에서 2,048토큰까지 허용하며 기본값은 2,048입니다. 이 응답 설정은 모델의 32K 컨텍스트와 별개입니다. 입력을 선택할 때 응답 공간을 남겨두고, 결과를 완성본으로 취급하기 전에 완료 사유를 확인하세요.
제작사의 샘플링 제어는 temperature가 0에서 1, 기본값 0.3이며, top_p는 0 이상 1 미만, 기본값 0.85이고, top_k는 0에서 20, 기본값 5입니다. top_k가 0이면 해당 선택 전략이 비활성화됩니다. 이는 제작사 인터페이스의 설정입니다. 비교할 때는 작업과 원본을 고정하고 살펴보려는 결과와 관련된 설정을 변경하세요.
Baichuan3-Turbo는 JSON 객체 출력을 지원하는 모델 목록에 명시적으로 포함됩니다. 제작사의 JSON 모드는 시스템 또는 사용자 메시지에도 JSON 생성 지침이 있어야 합니다. 필드와 각 필드의 의미를 지정하고, 알 수 없는 값을 어떻게 표현할지 설명하세요. 반환된 객체를 다음 단계로 넘기기 전에 이 요구 사항과 대조하세요.
프로젝트 메모 예시에서는 deadline, owner, deliverable 필드와 근거 텍스트를 요청하세요. 길이 허용량 때문에 중단된 응답에는 불완전한 JSON이 들어 있을 수 있습니다. 원본과 완료 사유를 보존한 뒤, 부분 객체를 유효한 레코드로 취급하기 전에 작업이나 응답 허용량을 조정하세요.
범용 대화 워크플로는 지식 베이스 검색, 웹 검색, 사용자 정의 함수를 제공합니다. 지식 베이스 검색은 제공된 지식만 사용하도록 제한할 수 있습니다. 제작사는 이 모드에서 검색 결과가 없으면 답변도 없다고 명시합니다. 지식 검색과 웹 검색을 함께 설정하면 지식 검색이 우선합니다. 레퍼런스는 같은 작업에서 함수 호출을 이러한 지식 검색 또는 웹 검색 도구와 결합하지 않도록 주의를 줍니다.
지식 관련 질문에는 관련 컬렉션을 제공하고 초점을 맞춘 질문을 하세요. 최신 정보 관련 질문에는 실제 검색 근거를 응답과 함께 보존하세요. 도구가 제공한 근거와 그 근거에서 생성한 결론을 구분하세요.
Baichuan3-Turbo는 함수 지원 목록에 명시적으로 포함됩니다. 함수 정의에는 이름, 설명, 인수 스키마가 들어갑니다. 모델은 작업을 선택하고 인수를 생성할 수 있습니다. 연결된 애플리케이션이 이를 수행하고 호출에 연결된 도구 메시지로 결과를 반환합니다. 다음 턴에도 이 관계를 유지하세요. 제작사의 함수 선택 옵션은 자동 선택 또는 도구 호출 없음입니다.
문서화된 인터페이스는 완성된 응답 또는 텍스트 조각 스트림을 지원하며, 기본값은 비스트리밍입니다. 스트리밍 조각을 최종 응답으로 합치세요. 결과에는 생성이 정상 종료되었는지, 길이 제한에 도달했는지, 도구를 선택했는지, 콘텐츠 필터링이 발생했는지가 표시됩니다.
완성된 결과물을 간결한 답변, 수정된 문구, 추출된 레코드, 반환된 근거에 기반한 설명 등 의도한 작업에 사용하세요. 원본에 의존하는 값과 선택한 에디션을 함께 검토하세요. 컨텍스트가 더 큰 형제 모델, 다른 Baichuan 세대, 애플리케이션이 생성한 함수 결과는 워크플로에서 서로 구분되는 부분입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Baichuan3-Turbo | 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 $0.00374 / 1K 토큰 출력 · 출력 토큰 $0.00374 / 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": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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 Baichuan3-Turbo
위에 표시된 메서드 경로를 사용하세요.
Baichuan3-TurboBaichuan3-Turbo는 문서에 명시된 32K 컨텍스트를 갖춘 텍스트 대화 모델입니다. 제작사 인터페이스는 완성된 응답 또는 스트리밍 응답, JSON 출력, 사용자 정의 함수 호출을 지원하며, 근거에 기반한 응답을 위한 지식 검색과 웹 검색 옵션을 별도로 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Baichuan3-Turbo는 Baichuan 3세대 제품군의 범용 텍스트 대화 모델입니다. 제작사는 이 정확한 모델 이름의 컨텍스트를 32K로 명시합니다. Baichuan3-Turbo-128k는 컨텍스트가 더 큰 별도 항목이며, 4세대 모델도 각각 이름이 다른 에디션입니다. 대화를 준비하거나 결과를 비교할 때 선택한 모델과 컨텍스트 프로필을 명확히 유지하세요.
제작사의 범용 대화 레퍼런스는 모델 이름과 메시지 목록을 제공합니다. 이전 턴을 이후 턴보다 앞에 두세요. 시스템 메시지를 사용하는 경우 맨 앞에 배치해 역할이나 응답 요구 사항을 정의합니다. 사용자 메시지는 작업을 제공하고, 어시스턴트 메시지는 이전 응답을 보존합니다. 텍스트 콘텐츠는 문자열이거나 유형이 지정된 텍스트 콘텐츠 구조일 수 있습니다.
문서 작업에서는 사용할 구절과 원하는 결과를 명시하세요. 예를 들면 “이 프로젝트 메모에서 명시된 마감일, 담당자, 산출물을 추출하고, 근거 표현을 포함한 필드 목록을 반환해주세요.”라고 요청할 수 있습니다. 다시 쓰기에는 원문, 독자, 어조를 제공하세요. 다음 요청이 이전 해석에 의존한다면 관련된 이전 턴을 보존하세요.
문서화된 대화 작업은 최대 응답 허용량을 1에서 2,048토큰까지 허용하며 기본값은 2,048입니다. 이 응답 설정은 모델의 32K 컨텍스트와 별개입니다. 입력을 선택할 때 응답 공간을 남겨두고, 결과를 완성본으로 취급하기 전에 완료 사유를 확인하세요.
제작사의 샘플링 제어는 temperature가 0에서 1, 기본값 0.3이며, top_p는 0 이상 1 미만, 기본값 0.85이고, top_k는 0에서 20, 기본값 5입니다. top_k가 0이면 해당 선택 전략이 비활성화됩니다. 이는 제작사 인터페이스의 설정입니다. 비교할 때는 작업과 원본을 고정하고 살펴보려는 결과와 관련된 설정을 변경하세요.
Baichuan3-Turbo는 JSON 객체 출력을 지원하는 모델 목록에 명시적으로 포함됩니다. 제작사의 JSON 모드는 시스템 또는 사용자 메시지에도 JSON 생성 지침이 있어야 합니다. 필드와 각 필드의 의미를 지정하고, 알 수 없는 값을 어떻게 표현할지 설명하세요. 반환된 객체를 다음 단계로 넘기기 전에 이 요구 사항과 대조하세요.
프로젝트 메모 예시에서는 deadline, owner, deliverable 필드와 근거 텍스트를 요청하세요. 길이 허용량 때문에 중단된 응답에는 불완전한 JSON이 들어 있을 수 있습니다. 원본과 완료 사유를 보존한 뒤, 부분 객체를 유효한 레코드로 취급하기 전에 작업이나 응답 허용량을 조정하세요.
범용 대화 워크플로는 지식 베이스 검색, 웹 검색, 사용자 정의 함수를 제공합니다. 지식 베이스 검색은 제공된 지식만 사용하도록 제한할 수 있습니다. 제작사는 이 모드에서 검색 결과가 없으면 답변도 없다고 명시합니다. 지식 검색과 웹 검색을 함께 설정하면 지식 검색이 우선합니다. 레퍼런스는 같은 작업에서 함수 호출을 이러한 지식 검색 또는 웹 검색 도구와 결합하지 않도록 주의를 줍니다.
지식 관련 질문에는 관련 컬렉션을 제공하고 초점을 맞춘 질문을 하세요. 최신 정보 관련 질문에는 실제 검색 근거를 응답과 함께 보존하세요. 도구가 제공한 근거와 그 근거에서 생성한 결론을 구분하세요.
Baichuan3-Turbo는 함수 지원 목록에 명시적으로 포함됩니다. 함수 정의에는 이름, 설명, 인수 스키마가 들어갑니다. 모델은 작업을 선택하고 인수를 생성할 수 있습니다. 연결된 애플리케이션이 이를 수행하고 호출에 연결된 도구 메시지로 결과를 반환합니다. 다음 턴에도 이 관계를 유지하세요. 제작사의 함수 선택 옵션은 자동 선택 또는 도구 호출 없음입니다.
문서화된 인터페이스는 완성된 응답 또는 텍스트 조각 스트림을 지원하며, 기본값은 비스트리밍입니다. 스트리밍 조각을 최종 응답으로 합치세요. 결과에는 생성이 정상 종료되었는지, 길이 제한에 도달했는지, 도구를 선택했는지, 콘텐츠 필터링이 발생했는지가 표시됩니다.
완성된 결과물을 간결한 답변, 수정된 문구, 추출된 레코드, 반환된 근거에 기반한 설명 등 의도한 작업에 사용하세요. 원본에 의존하는 값과 선택한 에디션을 함께 검토하세요. 컨텍스트가 더 큰 형제 모델, 다른 Baichuan 세대, 애플리케이션이 생성한 함수 결과는 워크플로에서 서로 구분되는 부분입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Baichuan3-Turbo | 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 $0.00374 / 1K 토큰 출력 · 출력 토큰 $0.00374 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 Baichuan3-Turbo
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.