Baichuan4는 Baichuan 제품군의 4세대 범용 대화 모델입니다. 제조사는 이 에디션의 컨텍스트를 32K로 명시합니다. Baichuan4-Turbo와 Baichuan4-Air는 각각 자체 모델 프로필을 가진 별도 에디션입니다.
제작사의 문서화된 워크플로에서 모델은 텍스트 대화를 입력받아 어시스턴트 응답이나 함수 호출 요청을 생성합니다. 제공된 정보를 바탕으로 질문에 답하기, 문서 내용 정리, 텍스트 수정, 애플리케이션에 사용할 구조화된 레코드 작성 등에 유용합니다.
메시지는 시간순으로 준비하고, 시스템 지침이 필요하면 맨 앞에 배치하세요. 사용자의 작업을 이전 어시스턴트 응답 및 외부 도구 결과와 구분하세요. 제작사 레퍼런스는 일반 텍스트 문자열이나 유형이 지정된 텍스트 콘텐츠 구조를 허용하며, 함수 호출 결과에는 별도의 도구 메시지 역할을 사용합니다.
비교할 때는 두 구절을 모두 제공하고 명확하게 이름을 붙인 뒤, 일치하는 점과 충돌하는 점, 이를 뒷받침하는 표현을 요청하세요. 설명을 고칠 때는 대상 독자와 수정 후에도 유지해야 할 세부 사항을 지정하세요. 유용한 지침 예시는 다음과 같습니다. “이 두 프로젝트 설명을 비교하고, 변경된 요구 사항을 나열한 다음 각 변경 사항의 근거가 되는 구절을 찾아주세요.”
Baichuan4는 제작사의 JSON 객체 모드 지원 목록에 명시적으로 포함됩니다. 이 모드를 활성화할 때는 시스템 또는 사용자 지침에서도 JSON 생성을 요청해야 합니다. 필수 필드와 누락된 정보를 표시할 방법을 정의하세요. 결과를 애플리케이션 레코드로 사용하기 전에 파싱하고 확인하세요.
제작사의 대화 작업은 max_tokens를 1에서 2,048까지 허용하며 기본값은 2,048입니다. 샘플링 설정은 temperature가 0에서 1, 기본값 0.3이며, top_p는 0 이상 1 미만, 기본값 0.85이고, top_k는 0에서 20, 기본값 5입니다. top_k를 0으로 설정하면 해당 전략이 꺼집니다. 응답 허용량은 32K 컨텍스트와 별개이므로 원본 자료와 응답에 필요한 공간을 함께 고려하세요.
완료 사유가 length이면 텍스트 응답이나 JSON 객체가 불완전할 수 있습니다. 부분 결과와 중단 사유를 보존한 뒤, 요청한 결과물을 줄일지, 입력을 축소할지, 적용되는 응답 허용량을 조정할지 결정하세요.
제작사의 도구는 지식 베이스 검색과 웹 검색을 구분합니다. 지식 베이스 요청에는 관련 컬렉션을 지정합니다. 지식 베이스 전용 응답 모드는 검색 결과가 없을 때 답변을 생성하지 않도록 합니다. 웹 검색과 지식 검색이 모두 설정된 경우 레퍼런스는 지식 검색이 우선한다고 명시합니다.
변할 수 있는 사실에 대해서는 최종 답변을 대조할 수 있도록 실제로 검색한 정보를 보존하세요. 관찰 내용과 함께 출처, 날짜, 관련 조건을 유지하세요. 제공된 컬렉션을 다루는 작업에서는 검색 질문에 무관한 창작 지침을 섞기보다 초점을 맞춘 질문을 하세요.
Baichuan4의 문서 예시는 사용자 정의 함수 중 하나를 선택하는 과정과 애플리케이션이 함수 결과를 반환한 뒤 대화를 이어가는 과정을 보여줍니다. 각 함수의 이름, 목적, 인수 스키마를 정의하세요. 어시스턴트의 호출과 이에 대응하는 도구 결과를 보존한 뒤, 다음 응답에서 해당 관찰을 설명하거나 활용하도록 요청하세요.
실용적인 비교에서는 서로 다른 두 날짜의 값처럼 실제 측정값 두 개를 요청하고 그 차이를 물을 수 있습니다. 측정값은 애플리케이션이 제공합니다. 모델이 선택한 함수와 생성한 인수는 그 작업을 수행해 달라는 요청입니다. 제작사의 자동 선택 또는 도구 미사용 설정은 함수에 적용됩니다. 레퍼런스는 함수 호출을 웹 검색이나 지식 검색 설정과 분리하도록 권고합니다.
제작사의 기본 모드는 비스트리밍입니다. 스트리밍은 응답 조각을 순차적으로 반환하므로 이를 합쳐야 합니다. 완료 사유는 정상 종료, 도구 요청, 출력 또는 컨텍스트 길이 제한, 콘텐츠 필터링을 구분합니다. 완성된 메시지나 객체를 해석하는 데 필요한 원본 자료 및 도구 관찰 결과와 함께 보관하세요.
요청된 필드, 근거가 있는 비교, 사용처에 적합한 표현을 확인하세요. 다른 에디션과 비교할 때는 정확한 Baichuan4 식별 정보를 작업과 함께 유지하세요. 유용한 결과는 완성된 텍스트 결과물이나 실제 도구 관찰 결과에 대한 설명이며, 요청에서 해결되지 않은 부분도 계속 식별할 수 있어야 합니다.
", "aboutText": "### 독립된 대화 에디션인 Baichuan4\n\nBaichuan4는 Baichuan 제품군의 4세대 범용 대화 모델입니다. 제조사는 이 에디션의 컨텍스트를 32K로 명시합니다. Baichuan4-Turbo와 Baichuan4-Air는 각각 자체 모델 프로필을 가진 별도 에디션입니다.\n\n제작사의 문서화된 워크플로에서 모델은 텍스트 대화를 입력받아 어시스턴트 응답이나 함수 호출 요청을 생성합니다. 제공된 정보를 바탕으로 질문에 답하기, 문서 내용 정리, 텍스트 수정, 애플리케이션에 사용할 구조화된 레코드 작성 등에 유용합니다.\n\n### 완전한 대화 요청 제공하기\n\n메시지는 시간순으로 준비하고, 시스템 지침이 필요하면 맨 앞에 배치하세요. 사용자의 작업을 이전 어시스턴트 응답 및 외부 도구 결과와 구분하세요. 제작사 레퍼런스는 일반 텍스트 문자열이나 유형이 지정된 텍스트 콘텐츠 구조를 허용하며, 함수 호출 결과에는 별도의 도구 메시지 역할을 사용합니다.\n\n비교할 때는 두 구절을 모두 제공하고 명확하게 이름을 붙인 뒤, 일치하는 점과 충돌하는 점, 이를 뒷받침하는 표현을 요청하세요. 설명을 고칠 때는 대상 독자와 수정 후에도 유지해야 할 세부 사항을 지정하세요. 유용한 지침 예시는 다음과 같습니다. “이 두 프로젝트 설명을 비교하고, 변경된 요구 사항을 나열한 다음 각 변경 사항의 근거가 되는 구절을 찾아주세요.”\n\n### 출력 형식과 응답 허용량 선택하기\n\nBaichuan4는 제작사의 JSON 객체 모드 지원 목록에 명시적으로 포함됩니다. 이 모드를 활성화할 때는 시스템 또는 사용자 지침에서도 JSON 생성을 요청해야 합니다. 필수 필드와 누락된 정보를 표시할 방법을 정의하세요. 결과를 애플리케이션 레코드로 사용하기 전에 파싱하고 확인하세요.\n\n제작사의 대화 작업은 max_tokens를 1에서 2,048까지 허용하며 기본값은 2,048입니다. 샘플링 설정은 temperature가 0에서 1, 기본값 0.3이며, top_p는 0 이상 1 미만, 기본값 0.85이고, top_k는 0에서 20, 기본값 5입니다. top_k를 0으로 설정하면 해당 전략이 꺼집니다. 응답 허용량은 32K 컨텍스트와 별개이므로 원본 자료와 응답에 필요한 공간을 함께 고려하세요.\n\n완료 사유가 length이면 텍스트 응답이나 JSON 객체가 불완전할 수 있습니다. 부분 결과와 중단 사유를 보존한 뒤, 요청한 결과물을 줄일지, 입력을 축소할지, 적용되는 응답 허용량을 조정할지 결정하세요.\n\n### 검색된 정보에 근거해 답변하기\n\n제작사의 도구는 지식 베이스 검색과 웹 검색을 구분합니다. 지식 베이스 요청에는 관련 컬렉션을 지정합니다. 지식 베이스 전용 응답 모드는 검색 결과가 없을 때 답변을 생성하지 않도록 합니다. 웹 검색과 지식 검색이 모두 설정된 경우 레퍼런스는 지식 검색이 우선한다고 명시합니다.\n\n변할 수 있는 사실에 대해서는 최종 답변을 대조할 수 있도록 실제로 검색한 정보를 보존하세요. 관찰 내용과 함께 출처, 날짜, 관련 조건을 유지하세요. 제공된 컬렉션을 다루는 작업에서는 검색 질문에 무관한 창작 지침을 섞기보다 초점을 맞춘 질문을 하세요.\n\n### 실제 함수 결과에서 대화 이어가기\n\nBaichuan4의 문서 예시는 사용자 정의 함수 중 하나를 선택하는 과정과 애플리케이션이 함수 결과를 반환한 뒤 대화를 이어가는 과정을 보여줍니다. 각 함수의 이름, 목적, 인수 스키마를 정의하세요. 어시스턴트의 호출과 이에 대응하는 도구 결과를 보존한 뒤, 다음 응답에서 해당 관찰을 설명하거나 활용하도록 요청하세요.\n\n실용적인 비교에서는 서로 다른 두 날짜의 값처럼 실제 측정값 두 개를 요청하고 그 차이를 물을 수 있습니다. 측정값은 애플리케이션이 제공합니다. 모델이 선택한 함수와 생성한 인수는 그 작업을 수행해 달라는 요청입니다. 제작사의 자동 선택 또는 도구 미사용 설정은 함수에 적용됩니다. 레퍼런스는 함수 호출을 웹 검색이나 지식 검색 설정과 분리하도록 권고합니다.\n\n### 최종 결과물 수집 및 확인하기\n\n제작사의 기본 모드는 비스트리밍입니다. 스트리밍은 응답 조각을 순차적으로 반환하므로 이를 합쳐야 합니다. 완료 사유는 정상 종료, 도구 요청, 출력 또는 컨텍스트 길이 제한, 콘텐츠 필터링을 구분합니다. 완성된 메시지나 객체를 해석하는 데 필요한 원본 자료 및 도구 관찰 결과와 함께 보관하세요.\n\n요청된 필드, 근거가 있는 비교, 사용처에 적합한 표현을 확인하세요. 다른 에디션과 비교할 때는 정확한 Baichuan4 식별 정보를 작업과 함께 유지하세요. 유용한 결과는 완성된 텍스트 결과물이나 실제 도구 관찰 결과에 대한 설명이며, 요청에서 해결되지 않은 부분도 계속 식별할 수 있어야 합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.Baichuan4Baichuan4는 문서에 명시된 32K 컨텍스트를 갖춘 4세대 텍스트 대화 모델입니다. 제작사의 워크플로에서는 JSON 객체 응답, 완성된 텍스트 또는 스트리밍 텍스트, 사용자 정의 함수, 지식 베이스 검색이나 웹 검색에서 얻은 근거를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Baichuan4는 Baichuan 제품군의 4세대 범용 대화 모델입니다. 제조사는 이 에디션의 컨텍스트를 32K로 명시합니다. Baichuan4-Turbo와 Baichuan4-Air는 각각 자체 모델 프로필을 가진 별도 에디션입니다.
제작사의 문서화된 워크플로에서 모델은 텍스트 대화를 입력받아 어시스턴트 응답이나 함수 호출 요청을 생성합니다. 제공된 정보를 바탕으로 질문에 답하기, 문서 내용 정리, 텍스트 수정, 애플리케이션에 사용할 구조화된 레코드 작성 등에 유용합니다.
메시지는 시간순으로 준비하고, 시스템 지침이 필요하면 맨 앞에 배치하세요. 사용자의 작업을 이전 어시스턴트 응답 및 외부 도구 결과와 구분하세요. 제작사 레퍼런스는 일반 텍스트 문자열이나 유형이 지정된 텍스트 콘텐츠 구조를 허용하며, 함수 호출 결과에는 별도의 도구 메시지 역할을 사용합니다.
비교할 때는 두 구절을 모두 제공하고 명확하게 이름을 붙인 뒤, 일치하는 점과 충돌하는 점, 이를 뒷받침하는 표현을 요청하세요. 설명을 고칠 때는 대상 독자와 수정 후에도 유지해야 할 세부 사항을 지정하세요. 유용한 지침 예시는 다음과 같습니다. “이 두 프로젝트 설명을 비교하고, 변경된 요구 사항을 나열한 다음 각 변경 사항의 근거가 되는 구절을 찾아주세요.”
Baichuan4는 제작사의 JSON 객체 모드 지원 목록에 명시적으로 포함됩니다. 이 모드를 활성화할 때는 시스템 또는 사용자 지침에서도 JSON 생성을 요청해야 합니다. 필수 필드와 누락된 정보를 표시할 방법을 정의하세요. 결과를 애플리케이션 레코드로 사용하기 전에 파싱하고 확인하세요.
제작사의 대화 작업은 max_tokens를 1에서 2,048까지 허용하며 기본값은 2,048입니다. 샘플링 설정은 temperature가 0에서 1, 기본값 0.3이며, top_p는 0 이상 1 미만, 기본값 0.85이고, top_k는 0에서 20, 기본값 5입니다. top_k를 0으로 설정하면 해당 전략이 꺼집니다. 응답 허용량은 32K 컨텍스트와 별개이므로 원본 자료와 응답에 필요한 공간을 함께 고려하세요.
완료 사유가 length이면 텍스트 응답이나 JSON 객체가 불완전할 수 있습니다. 부분 결과와 중단 사유를 보존한 뒤, 요청한 결과물을 줄일지, 입력을 축소할지, 적용되는 응답 허용량을 조정할지 결정하세요.
제작사의 도구는 지식 베이스 검색과 웹 검색을 구분합니다. 지식 베이스 요청에는 관련 컬렉션을 지정합니다. 지식 베이스 전용 응답 모드는 검색 결과가 없을 때 답변을 생성하지 않도록 합니다. 웹 검색과 지식 검색이 모두 설정된 경우 레퍼런스는 지식 검색이 우선한다고 명시합니다.
변할 수 있는 사실에 대해서는 최종 답변을 대조할 수 있도록 실제로 검색한 정보를 보존하세요. 관찰 내용과 함께 출처, 날짜, 관련 조건을 유지하세요. 제공된 컬렉션을 다루는 작업에서는 검색 질문에 무관한 창작 지침을 섞기보다 초점을 맞춘 질문을 하세요.
Baichuan4의 문서 예시는 사용자 정의 함수 중 하나를 선택하는 과정과 애플리케이션이 함수 결과를 반환한 뒤 대화를 이어가는 과정을 보여줍니다. 각 함수의 이름, 목적, 인수 스키마를 정의하세요. 어시스턴트의 호출과 이에 대응하는 도구 결과를 보존한 뒤, 다음 응답에서 해당 관찰을 설명하거나 활용하도록 요청하세요.
실용적인 비교에서는 서로 다른 두 날짜의 값처럼 실제 측정값 두 개를 요청하고 그 차이를 물을 수 있습니다. 측정값은 애플리케이션이 제공합니다. 모델이 선택한 함수와 생성한 인수는 그 작업을 수행해 달라는 요청입니다. 제작사의 자동 선택 또는 도구 미사용 설정은 함수에 적용됩니다. 레퍼런스는 함수 호출을 웹 검색이나 지식 검색 설정과 분리하도록 권고합니다.
제작사의 기본 모드는 비스트리밍입니다. 스트리밍은 응답 조각을 순차적으로 반환하므로 이를 합쳐야 합니다. 완료 사유는 정상 종료, 도구 요청, 출력 또는 컨텍스트 길이 제한, 콘텐츠 필터링을 구분합니다. 완성된 메시지나 객체를 해석하는 데 필요한 원본 자료 및 도구 관찰 결과와 함께 보관하세요.
요청된 필드, 근거가 있는 비교, 사용처에 적합한 표현을 확인하세요. 다른 에디션과 비교할 때는 정확한 Baichuan4 식별 정보를 작업과 함께 유지하세요. 유용한 결과는 완성된 텍스트 결과물이나 실제 도구 관찰 결과에 대한 설명이며, 요청에서 해결되지 않은 부분도 계속 식별할 수 있어야 합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Baichuan4 | 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 $0.03146 / 1K 토큰 출력 · 출력 토큰 $0.03146 / 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": "Baichuan4", "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='Baichuan4',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='Baichuan4',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 Baichuan4
위에 표시된 메서드 경로를 사용하세요.
Baichuan4Baichuan4는 문서에 명시된 32K 컨텍스트를 갖춘 4세대 텍스트 대화 모델입니다. 제작사의 워크플로에서는 JSON 객체 응답, 완성된 텍스트 또는 스트리밍 텍스트, 사용자 정의 함수, 지식 베이스 검색이나 웹 검색에서 얻은 근거를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Baichuan4는 Baichuan 제품군의 4세대 범용 대화 모델입니다. 제조사는 이 에디션의 컨텍스트를 32K로 명시합니다. Baichuan4-Turbo와 Baichuan4-Air는 각각 자체 모델 프로필을 가진 별도 에디션입니다.
제작사의 문서화된 워크플로에서 모델은 텍스트 대화를 입력받아 어시스턴트 응답이나 함수 호출 요청을 생성합니다. 제공된 정보를 바탕으로 질문에 답하기, 문서 내용 정리, 텍스트 수정, 애플리케이션에 사용할 구조화된 레코드 작성 등에 유용합니다.
메시지는 시간순으로 준비하고, 시스템 지침이 필요하면 맨 앞에 배치하세요. 사용자의 작업을 이전 어시스턴트 응답 및 외부 도구 결과와 구분하세요. 제작사 레퍼런스는 일반 텍스트 문자열이나 유형이 지정된 텍스트 콘텐츠 구조를 허용하며, 함수 호출 결과에는 별도의 도구 메시지 역할을 사용합니다.
비교할 때는 두 구절을 모두 제공하고 명확하게 이름을 붙인 뒤, 일치하는 점과 충돌하는 점, 이를 뒷받침하는 표현을 요청하세요. 설명을 고칠 때는 대상 독자와 수정 후에도 유지해야 할 세부 사항을 지정하세요. 유용한 지침 예시는 다음과 같습니다. “이 두 프로젝트 설명을 비교하고, 변경된 요구 사항을 나열한 다음 각 변경 사항의 근거가 되는 구절을 찾아주세요.”
Baichuan4는 제작사의 JSON 객체 모드 지원 목록에 명시적으로 포함됩니다. 이 모드를 활성화할 때는 시스템 또는 사용자 지침에서도 JSON 생성을 요청해야 합니다. 필수 필드와 누락된 정보를 표시할 방법을 정의하세요. 결과를 애플리케이션 레코드로 사용하기 전에 파싱하고 확인하세요.
제작사의 대화 작업은 max_tokens를 1에서 2,048까지 허용하며 기본값은 2,048입니다. 샘플링 설정은 temperature가 0에서 1, 기본값 0.3이며, top_p는 0 이상 1 미만, 기본값 0.85이고, top_k는 0에서 20, 기본값 5입니다. top_k를 0으로 설정하면 해당 전략이 꺼집니다. 응답 허용량은 32K 컨텍스트와 별개이므로 원본 자료와 응답에 필요한 공간을 함께 고려하세요.
완료 사유가 length이면 텍스트 응답이나 JSON 객체가 불완전할 수 있습니다. 부분 결과와 중단 사유를 보존한 뒤, 요청한 결과물을 줄일지, 입력을 축소할지, 적용되는 응답 허용량을 조정할지 결정하세요.
제작사의 도구는 지식 베이스 검색과 웹 검색을 구분합니다. 지식 베이스 요청에는 관련 컬렉션을 지정합니다. 지식 베이스 전용 응답 모드는 검색 결과가 없을 때 답변을 생성하지 않도록 합니다. 웹 검색과 지식 검색이 모두 설정된 경우 레퍼런스는 지식 검색이 우선한다고 명시합니다.
변할 수 있는 사실에 대해서는 최종 답변을 대조할 수 있도록 실제로 검색한 정보를 보존하세요. 관찰 내용과 함께 출처, 날짜, 관련 조건을 유지하세요. 제공된 컬렉션을 다루는 작업에서는 검색 질문에 무관한 창작 지침을 섞기보다 초점을 맞춘 질문을 하세요.
Baichuan4의 문서 예시는 사용자 정의 함수 중 하나를 선택하는 과정과 애플리케이션이 함수 결과를 반환한 뒤 대화를 이어가는 과정을 보여줍니다. 각 함수의 이름, 목적, 인수 스키마를 정의하세요. 어시스턴트의 호출과 이에 대응하는 도구 결과를 보존한 뒤, 다음 응답에서 해당 관찰을 설명하거나 활용하도록 요청하세요.
실용적인 비교에서는 서로 다른 두 날짜의 값처럼 실제 측정값 두 개를 요청하고 그 차이를 물을 수 있습니다. 측정값은 애플리케이션이 제공합니다. 모델이 선택한 함수와 생성한 인수는 그 작업을 수행해 달라는 요청입니다. 제작사의 자동 선택 또는 도구 미사용 설정은 함수에 적용됩니다. 레퍼런스는 함수 호출을 웹 검색이나 지식 검색 설정과 분리하도록 권고합니다.
제작사의 기본 모드는 비스트리밍입니다. 스트리밍은 응답 조각을 순차적으로 반환하므로 이를 합쳐야 합니다. 완료 사유는 정상 종료, 도구 요청, 출력 또는 컨텍스트 길이 제한, 콘텐츠 필터링을 구분합니다. 완성된 메시지나 객체를 해석하는 데 필요한 원본 자료 및 도구 관찰 결과와 함께 보관하세요.
요청된 필드, 근거가 있는 비교, 사용처에 적합한 표현을 확인하세요. 다른 에디션과 비교할 때는 정확한 Baichuan4 식별 정보를 작업과 함께 유지하세요. 유용한 결과는 완성된 텍스트 결과물이나 실제 도구 관찰 결과에 대한 설명이며, 요청에서 해결되지 않은 부분도 계속 식별할 수 있어야 합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Baichuan4 | 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 $0.03146 / 1K 토큰 출력 · 출력 토큰 $0.03146 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "Baichuan4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan4', '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': 'Baichuan4', '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 Baichuan4
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.